保険販売時のAI活用によるビジネスチャンスとリスク

EIOPAが2022年1月6日に保険販売に関する報告書を公表しました。

これは、EUでの保険商品の設計と販売を規制する指令の適用に関する最初の報告書。

エグゼクティブ・サマリーを読むと、

各国規制当局やその他の関係者から寄せられた意見によれば、保険販売会社は、デジタル環境下での開示の形式やタイミングに関するIDD規則の適用や各国規制当局の監督において、例えばレベル2措置による追加ガイダンスがないため、いくつかの課題に直面した。例えば、顧客への情報伝達に関する指令のデフォルトペーパーに基づく体制は、デジタル化の進展に適切に対応できていない。さらに、デジタル・プラットフォームや人工知能（AI）に関連して、IDDを適用する際にいくつかの課題が確認された。例えば、オンライン環境における「保険販売」のIDD定義の範囲については、さらなるガイダンスの必要性が指摘された。

報告書のエグゼクティブ・サマリーの仮訳

人工知能（AI）の課題に関する言及もありました。

欧州での動向は、今後のAIの「法と倫理」の道標になるかもしれないので、AI活用の部分について、まとめてみました。

AI活用によるビジネスチャンスとリスク

• 保険販売の分野では、例えば、自動化または半自動化されたシステム（「ロボアドバイス」）を通じて顧客に全部または一部アドバイスを提供したり、AIを活用した価格最適化技術を利用して消費者の行動特性に基づいて異なる価格を請求したりするために、AIの利用が拡大している。
• 規制当局と監督当局は、欧州の保険セクターがAIによってもたらされるイノベーションを活用することを可能にすると同時に、消費者の利益を保護することに課題を抱えている。
• AI分野の関連作業としては、欧州委員会が 2021 年 4 月に公表した AI に関する調和された規則を定め、特定の連合立法を修正する規則や、EIOPA が 2021 年 6 月に公表した AI のガバナンス原則に関する報告書がある。

ロボアドバイス

• 保険商品について消費者にアドバイスを提供するために使用されるロボアドバイザーと、一般的にウェブサイトの案内や複雑でないQ&Aへの対応など、重要でない領域で使用されるAIによる基本的なチャットボットを区別することが重要。
• EIOPAの自動車保険・医療保険におけるビッグデータ解析の活用に関するテーマ別レビューによると、EIOPAの調査に参加した企業のうち、2019年にすでにロボアドバイスを利用していた企業はわずか2％であり、ロボアドバイスの導入レベルはまだ非常に低いことが判明。一方、今後3年以内（つまり2022年まで）に利用すると予想する企業は最大で25%に上った。
• ロボアドバイスは、保険に関する助言を求める消費者、特に、他の保険仲介業者が提供する、より高価になり得る助言を受けられない消費者にとって、費用対効果の高いソリューションとなり得る。
• しかし、消費者がロボアドバイザーと対話する際に、情報が不足していたり、ギャップを埋めたり説明を求めたりする機会が減ったり、あるいはツールのエラーや機能制限のために、不適切な意思決定を行うリスクがある。
• IBIPsに関する委任規則には、IBIPsに関するアドバイスを提供するための自動化・半自動化システムの使用に関する規定があるが、法的枠組みは一般的に物理的アドバイスとロボアドバイスを区別していない、すなわちロボアドバイスに関する特定のルールを想定しておらず、ロボアドバイザーがIDDの規定をいかに遵守すべきかについて、さらなる指針は提供されていない。
• 例えば、過去3年間の経験から、ロボアドバイザーがどのように需要とニーズのテストを適用すべきかについて、さらなるガイダンスがなければ、各国の監督当局が直面する課題が明らかになったが、同時に、技術中立の観点から問題を評価し、すべての流通チャネルに同じレベルの消費者保護を確保することが必要である。
• それとは別に、消費者にとっては、機械とやりとりしているのか、感情認識や生体認証の分類システムが使われているのかどうか、透明性に欠けるところがある。IDDの第18条では、保険販売業者は、顧客の身元と住所、および販売する保険商品に関するアドバイスを提供するかどうかについてのみ通知する必要がある。

非リスクベースの価格最適化の実践

• EIOPAの自動車保険と医療保険におけるビッグデータ解析の利用に関するテーマ別レビューやAIガバナンス原則の報告書で強調されているように、保険会社は、顧客の支払い意思や保険商品を比較購入する傾向などの行動特性に基づいて異なる価格を請求するために、しばしばAIシステムを用いた非リスクベースの価格最適化手法にますます依存するようになっている。
• 価格最適化の実践には、解約モデル、顧客ライフタイム価値推定モデル、価格弾力性モデルなどがある。
• 解約モデルとは、AIシステムを含む数学的手法により、解約リスクのある顧客を特定するモデルのこと。更新段階で比較購入の傾向が高い消費者には、商業的・保険数理的な観点から割引を適用することができる。
• 顧客ライフタイム価格推定モデルとは、AIシステムを含む数理モデルを用いて、アップセルやクロスセルの可能性を含め、顧客との全関係における顧客の保険金支払費用と保険料収入を推定するモデルのこと。これにより、特定の顧客または顧客グループに対する対応する商業的割引を決定することができる。
• 価格弾力性モデルとは、AIシステムを含む数学的手法で顧客の支払い意思を把握し、顧客の価格弾力性を推定して、「可能な限り高いプレミアム」という意味で価格を適応させることができるモデルのこと。
• 保険会社は、個々の契約者の実際のリスクやコストではなく、個々の消費者から得られる最適なマージン額に基づいて価格を算出することができる。こうした慣行は、高齢者や金融リテラシーの低い人など、個人の生活環境が異なるために比較購入しにくい弱者にも悪影響を与えかねない。
• 2018年には、消費者団体が、いくつかの市場で、定期的に保険会社を切り替える新規消費者と比較してロイヤルティの高い消費者がサービスに対して高い価格を支払うという証拠を発見している。（詳しくはこちら）
• 英国では、金融行動監視機構が保険会社の価格設定に関する市場調査を実施し、保険会社がしばしば、切り替えの可能性が低いと思われる消費者を意図的に値上げの対象にしている証拠を発見し、最近、こうした行為を防ぐための断固とした措置を採用した。
• さらに、米国では、全米保険委員会が保険会社の価格最適化手法に関する白書を発表し、その後、多くの州で、更新時に消費者の支払い意思や比較購入傾向に基づく価格最適化手法の使用が禁止または制限された。

リスクベースの引受業務

• リスクベースの実務に関する限り、保険料の細分化の進展は、消費者にチャンスとリスクの両方をもたらす。機会としては、行動プライシングにおけるクレームコストの低下（リスク回避行動が報われる場合）、リスクを回避する消費者が他人のリスクテイク行動から「より低いコストシェアを支払う」ため、より公平な市場という認識を含む。
• 個人向け保険料に内在するリスクとしては、保険に加入できないリスクが高まり、リスクの高い消費者（持病のある人など）の金融包摂が損なわれる可能性があること、データの受け入れや支払いの手段としての利用、保険商品を比較する市場の透明性が損なわれることなどが挙げられる。
• クレジットスコア、職業、郵便番号、収入、教育レベルなどの特定の格付け要素も、適切なガバナンス対策がない場合、特に新しいデータセットと組み合わせたり（例えば、従来の郵便番号をより細かい「マイクロゾーニング」で置き換える）、異なる変数間の複雑な非線形相関を特定できる複雑な（不透明な）AIシステムで処理したりすると、弱者や保護階級にマイナスの影響を与える可能性がある。
• これらの開発は、消費者の認識や抵抗が限定的で、収益性を高めるためにパーソナライズされた保険料を採用する競争圧力が強くなる一方で、急速に勢いを増す可能性がある。
• それとは別に、IDDの適用により、更新段階での保険料の変更に関する透明性ルールや、金融サービスに対する消費者の信頼を損ない、十分な情報に基づいた意思決定を行う能力を制限しかねない消費者が支払う保険料に影響を与える格付け要因について、さらに明確にする必要性が明らかになった。
• EIOPAの意図は保険商品やサービスの価格を規制することではないが、IDDの適用経験から、現在の価格設定慣行がどの程度競争を制限し、消費者の不当な結果につながるかを特定するためにさらなる分析を行い、必要に応じて適切な是正措置を導入する必要性があることが示されている。

AIの監督に関する課題

• 保険販売の分野でAIの利用が進むと、アルゴリズムのガバナンス、性能評価の指標、結果のバイアスの存在、その結果の「説明可能性」など、AI利用を監督する当局に課題が発生する可能性がある。
• 実際、新しいデータソース（社内外）、データの種類（モノのインターネット、ソーシャルメディア、携帯電話データなど）、データエンリッチメント技術の利用の増加に加えて、ニューラルネットワークやディープラーニングなどの特定のAIシステムは非常に正確な予測を提供できるが、システムの結果／予測の根拠を因果関係や決定論的に説明することが困難なため「ブラックボックス」と見なされる可能性もある。