A rövid válasz
- Besorolás: Annex III 5(c) — élet- és egészségbiztosítás kockázatértékelése és árazása
- Határidő: 2027. december 2., az (EU) 2026/1744 rendelet szerint
- Első lépés: listázzák a modell változóit, és jelöljék meg, melyik mozog együtt védett tulajdonsággal
A helyzet ma
A biztosító a különbségtételből él. Ez nem mellékhatás, hanem a termék lényege: aki nem tesz különbséget a jó és a rossz kockázat között, az nem biztosító, hanem jótékonysági szervezet.
A szakirodalom ezt nyíltan kimondja — a biztosítási etika egyik alapvetése szerint a diszkrimináció ebben az iparágban magának az üzletnek a lényege, és az aktuáriusi méltányosság éppen az egyéni szintű előzetes egyenlőség elve mentén igazolja a kategóriák szerinti megkülönböztetést.
Az AI Act nem ezt az elvet támadja. Amit megkövetel, az a különbségtétel alapjának igazolhatósága. Az Annex III 5(c) pontja szerint az élet- és egészségbiztosítás kockázatértékelése és árazása magas kockázatú kategória, ami dokumentációt, adatkormányzást, pontossági követelményeket és emberi felügyeletet von maga után.
A gyakorlatban a bankok és a biztosítók a pontozó és árazó modelljeiket alapértelmezetten magas kockázatúként kezelik, és a bizonyítási teher azon van, hogy egy kivétel alkalmazható — nem azon, hogy a rendszer hatály alá esik.
Amit félreértenek
A leggyakoribb tévedés az, hogy elég kivenni a védett tulajdonságokat a modellből. Ha a nem, az etnikum és az egészségi állapot nincs benne az adathalmazban, a modell mégis megtanulhatja őket — az irányítószámból, a foglalkozásból, a vásárlási mintázatból vagy a mobileszköz típusából.
Ezt hívjuk proxy-változónak. A modell formálisan semleges, a hatása mégsem az. És mivel a hatás mérhető, a hiányzó dokumentáció nem védelem, hanem bizonyítási hátrány.
A második tévedés, hogy ez a jogi osztály feladata. A proxy-hatás kiszűrése adatelemzési munka: korrelációs vizsgálat, csoportonkénti kimenet-tesztelés, és annak eldöntése, mely változó marad benne. Jogász ezt nem tudja elvégezni, adatelemző viszont jogi keret nélkül nem tudja megítélni.
Amit az agentic korszak megváltoztat
Az árazási modell eddig egy statikus képlet volt: bemenetek mennek be, díj jön ki, és a modellt évente felülvizsgálják.
Az agentic rendszerek ezt dinamikussá teszik. Egy árazási agent nem egy képletet futtat: adatot kér le külső forrásból, kockázati jelzést értékel, kiegészítő információt gyűjt, és a folyamat során módosítja a saját megközelítését. A bemeneti halmaz nem rögzített, hanem futásidőben áll össze.
Ez két dolgot tesz nehezebbé.
A változólista nem stabil. Egy statikus modellnél fel lehet sorolni, mit használ. Egy agentnél, amelyik futásidőben dönt arról, milyen adatforráshoz nyúl, a proxy-kockázat nem egyszer felmérhető, hanem folyamatosan monitorozandó. A tavaly kiszűrt proxy jövő hónapban visszaléphet egy új adatforráson át.
A memória sodródik. Az agentic rendszerek jellemzője a tartós memória — és ez manipulálhatóvá, illetve észrevétlenül torzulóvá teszi őket. Egy árazási agent, amely korábbi eseteiből tanul, fokozatosan elmozdulhat anélkül, hogy bármelyik egyedi döntés hibás lenne.
Ebből következik a valódi fordulat: a nyertes az lesz, aki bizonyítani tudja, mely változókat nem használta. A negatív bizonyítás — a kizárt jellemzők dokumentált, verziózott és tesztelt listája — értékesebb lesz, mint a modell teljesítménymutatója. A teljesítményt ugyanis mindenki tudja produkálni; a kizárást dokumentálni csak az, aki eleve így építette a rendszert.
Az első értelmes lépés
Készüljön változóleltár a jelenlegi árazási modellről. Minden változó mellé egyetlen kérdés: együtt mozog-e védett tulajdonsággal, és ha igen, van-e rá üzleti indok, amit le lehet írni egy mondatban.
Ez a lista lesz a 2027-es dokumentáció magja — és jellemzően rövidebb idő alatt elkészül, mint amennyit a halogatás költsége kitesz.