ビッグデータとデジタル経済：保険業界におけるメリットと落とし穴

オーストラリア・アクチュアリー会が発表した論文の紹介です。

世界経済のデジタル変革が進み、データ分析や人工知能に依存する企業が増えるなか、新しい世界秩序が導入されようとしています。少なくとも18世紀以来、アクチュアリーは、データ、統計、そして最近では計算能力とアルゴリズムを用いて、ビジネスをサポートしてきました。 アクチュアリーは、デジタル化が普及するにつれて、公共の利益への影響を考慮するのに適した立場にあります。

この論文では、以下の内容をカバーしています。

• データ管理、アルゴリズム、新しいデータ分析技術
• リスクのリプライシングがもたらす結果
• デジタル化、特にフィンテックとインシュアテックから得られる利益
• 公共政策と規制の影響

ビッグデータの管理

今日のデジタル経済では、膨大な量のデータが生成される。行動、結果の予測、リスク評価、財務の不確実性を管理し、あらゆる種類の商品とサービスのバリューチェーンを効率的かつ効果的にするのに役立つ。これまで未開拓だったデータソースは、ステークホルダーがこれまで手にしたことのない、意思決定への強力かつ洞察に満ちた新たなインプットを提供する。例えば、

• テレマティクス機器やスマートデバイスからのデータは、自動車保険や生命保険において、個々の消費者のリスクをよりよく理解するために、保険会社によってますます利用されるようになっている。
• 人工衛星から得られたデータは、住宅保険会社の自然災害リスク評価に活用されている。
• 民間独自の金融取引データは、市場の特性に対する理解を深めるために利用されている。
• 消費財や自由裁量のセクターから行政サービスに至るまで、顧客の全体像を把握するために、個別のデータセットが照合され、時には縦断的に利用されることもある。

データの完全性は、意思決定において新しいデータソースを責任を持って採用するための最大の課題の1つである。新しいデータソースの中には、優れた完全性を持つものもあるが、そうでないものもあり、これは必ずしも明らかでない場合がある。

上記のテレマティクスを例にとると、不正確な測定値を得ることがいかに容易であるかがわかる。車内で携帯電話を落としても、この加速度計の測定値は車がクラッシュしたことを意味しない。また、ジムでスマートウォッチを装着し忘れても、運動したことになる。また、ランニングの際にスマートウォッチを装着するよう他人に頼むなど、意図的な不正を行う場合もある。このほかにも、さまざまな事例がある。新しいデータソースが常に重要な意思決定に使用できるほど完全であるとは到底思えない。注意が必要である。完全性の欠如は簡単には特定できず、機能横断的なチームによる協力が必要である。

データを収集したら、以下の点にも留意が必要である。データの所有者は誰か？誰が、どのような目的でデータを利用するのか？データをどのように集約し、より広く共有するべきか？

データの利用可能性が高まるにつれ、データはどんな目的にも使えるし、使うべきだと考える罠に陥りがちである。しかし、消費者の視点、そして社会全体の公平性の観点から、データの持続可能性と責任ある利用を確保するためには、プライバシー、差別、より一般的な責任ある利用に関する問題が極めて重要である。

明確なガイダンスがないなか、現在の社会的な期待と、データがどのように使用されるかを慎重に検討することが、一般的な公平性などの原則と一致するように考慮すべきである。一般的な提案としては、以下のようなものがある。

• 「規制のサンドボックス」を含む、ソリューションの発売前の顧客とのコンセプトのテスト
• 収集データ、それがどのように利用されるか（利用されないか）、またはそれがどのように意思決定に影響を与えるかについての消費者に対する透明性
• 消費者がデータの特定の使用または将来の使用によって損害を受けたと感じた場合における救済の機会
• 事業者／代理店及び顧客のそれぞれが特定するデータの誤りを修正するための許容範囲
• 既存の規制原則とその新しい文脈での適用の可能性を慎重に検討すること

アルゴリズムと新しいデータ分析技術

近年のデジタル化、特にパーソナライズされたデジタルインタラクションの爆発的な普及を可能にしたのは、機械学習とAIの活用だった。これらの用語は、一般的に、データを使用して予測モデルや予測を自動的に生成できるソフトウェアのプログラミングを意味する。さらに高度なものになると、新しいデータが出てくると自動的にモデルを改善し、特定の目標を達成するために特定の方法で環境に介入することもできるようになる。

このような技術は、従来から使われている、伝統的な統計学や計量経済学から適応されたものとは異なる。しかし、この10年で機械学習やAIの技術が盛んになるにつれ、アクチュアリーはそれらを活用し、クライアントや雇用主を最適な結果でサポートするための先導的な役割を担っている。

機械学習やAIから得られるメリットは以下のとおり。

• 解析の自動化により、サイズと複雑さを増す非構造化データセットが利用できるようになった。あるレベルの複雑さになると、従来の技術は合理的な時間では実行不可能になる可能性がある。また、解析の自動化により、その場しのぎのモデル更新に頼らず、市場で稼働しているシステムの自動更新を行うことが可能となる。
• 多くの機械学習アルゴリズムは、人間が従来の分析で特定することが困難、あるいは不可能と思われるような、極めて複雑なパターンをデータから発見することができる。
• これらの技術は、自動化された意思決定を促進するために使用することができる。従来のアプローチでは、より多くの顧客群に適用する必要があり、消費者ニーズのトリガーとなる時点とは異なることが多かったのに対し、よりきめ細かく、より速いスピードで適用することが可能となる。

機械学習やIAにはデメリットもある。

• 不透明さや説明不足はよくある批判であり、すべてのうまく機能している市場の基盤である信頼を損ねるものである。近年、「説明可能なAI」の分野は劇的に拡大しているが、多くの場合、AIシステムはまだ「ブラックボックス」とみなされ、疑いの目で見られているのが現状である。この問題を十分に解決するには、より多くの時間と研究努力が必要かもしれない。その間、受け入れ可能な説明がないため、金融サービスでよくあるハイステークスの消費者インタラクションに課題が生じる可能性がある。
• AIシステムは、社会が許容できる境界線を踏み越える可能性が高いかもしれない。最近、AIシステムから生じる偏見や差別をめぐる議論が盛んに行われていることは注目に値する。しかし、差別に関するこうした疑問の多くは、AIの出現以前から有効な疑問であり、AIによって悪化していることを示唆している。

• AIシステムは、例えば、相互作用の中で消費者にパーソナライズされ最適化された「ナッジ」を使用することによって、相互作用におけるパワーダイナミクスを歪める可能性がある。広告のような従来のパーソナライズされたナッジ（例えば、ターゲットを絞ったメール配信）は一般的に受け入れられているが、高度にパーソナライズされた行動ナッジが社会的に受け入れられなくなるポイントがありそうである。この点は、まだ十分に理解されていないことを示唆している。

リスクのリプライシングがもたらす結果

• リスクとプレミアムの分散が大きくなる。リスクを推定するデータがないため、すべての推定値は平均値で設定される。データが増えれば増えるほど、より正確にリスクを見積もることができるようになり、見積もりは平均値から真の値分布に向かって分散していく。ビッグデータの出現は、すでに何年も前から起こっているこの分散をさらに拡大させるだろう。
• リスクシグナルの向上と全体的なリスクを下げる可能性がある。保険会社はデータとその意味を顧客にフィードバックし、顧客がリスクを修正できるようにすることができる（それが可能で、そのようなナッジに対する社会的欲求に合致している場合）。
• 保険から除外される消費者もいる。保険料が割安になり、その結果、保険料が割安になったり、全く保険に入らなくなったりする顧客が増加する。リスクがすべての保険会社のリスク許容度を超える場合、保険は利用できなくなる。

コネクテッドデバイスと IoTがあれば、リアルタイムの顧客行動や接続機器からの洞察を活用し、早期顧客警告システムによる教育やシグナリングは、大きな利益をもたらすことができる。しかし、いくつかの複雑な点を考慮する必要がある。例えば、

• 自動車保険におけるテレマティクス。最新の技術により、ドライバーの旋回、アクセル、ブレーキの挙動を逐一追跡することが可能である。これは、より安全で、より攻撃的でない可能性のある運転行動についてドライバーを教育する機会を提供し、それが観察された場合、改善された行動に報いることができる。しかし、この情報は、例えば仮免許ドライバーや保険契約者（ドライバーの親の可能性もある）に提供されるべきなのか、保険会社が契約上の義務を負っているのは誰なのか、という疑問が生じる。それとも、保険会社は詳細なフィードバックなしに、単に毎月の価格シグナル調整を行うべきなのだろうか？新たなリスクを生じさせず、プライバシーに関する合理的な期待を超えることなく、リスク削減の利益を得るためのシグナルの適切な組み合わせは何だろうか？
• 生命保険におけるソーシャルメディアの活用。ソーシャルメディアの投稿や金融取引データなど、個人の健康に関わるデータや新しいタイプのデータの使用に関する決定も争点となる。例えば、生命保険会社は、この種のデータから「危険な」ライフスタイルを観察した場合、保険契約者にリスク軽減の提案をするべきか。これは、プライバシーの侵害と考える人もいるかもしれない（人々はしばしばソーシャルメディアを通じて、あるいは個人情報の共有を認める契約条件に同意することによって、自発的に自分の個人情報を明らかにするにもかかわらず）新しいデータの入手とその利用は、プライバシーへの配慮と比較して効率的な利点を受け入れる社会の意志が試されることになる。

保険会社によっても分野によって課題は異なる。遺伝子検査のデータを使った生命保険とソーシャルメディアのデータを使った生命保険では課題が異なるし、家財保険や気候変動での課題ともまた異なる。データが大きくなればなるほど、オーストラリア国民はより多くのセーフガードを必要とすることになる。公正と衡平に関わる重要な問題に取り組まなければならない。しかし、チャンスは大いにある。

アクチュアリーとして、私たちは強く求める。

• デジタル経済に関する法的枠組みの見直し。我々は、どのような広範な原則を法律に明記する必要があるか、また、重要なこととして、企業、消費者、専門家にどのようなガイダンスを提供する必要があるかについて議論し、合意を形成するために専門家グループを召集することを推奨する
• 基準が社会規範や期待に広く沿うようにする仕組み
• データおよびデジタル技術の責任ある利用に適したビジネス文化
• 「持てる者」と「持たざる者」、つまりデジタル経済から排除された人々への配慮。企業はデータの利用とアクセスの能力という観点から、消費者はデジタル・アイデンティティの品質と現代経済でこれを利用する能力という観点が必要
• デジタル経済から排除された人を含む、社会的弱者のためのセーフティネット。消費者はすべてのリスクをコントロールすることはできない。

デジタルトランスフォーメーションは、オーストラリア国民に思いもよらない機会を与えてくれる。
アクチュアリーに課せられた使命は、そのような機会を受け入れながら、社会にとっての利益を最大化することにある。