Công nghệ bảo hiểm: học từ định phí trước

Môn Công nghệ bảo hiểm có một cái bẫy. Sinh viên đọc tên môn, nghĩ ngay tới blockchain, tới AI, tới mấy con app bán bảo hiểm qua điện thoại. Rồi học hết chương công nghệ, tới lúc vào đề lại tắc ở chỗ định phí. Vì bài thi không hỏi "blockchain là gì". Nó hỏi: hợp đồng này lãi hay lỗ, và vì sao.

Mình từng chấm bài cho một lớp insurtech. Một nửa lớp mô tả được cách telematics thu dữ liệu lái xe, nhưng không ai giải thích nổi vì sao công ty bảo hiểm lại thích nó: vì nó đổi được cách chia nhóm rủi ro. Công nghệ không đứng một mình. Nó đứng trên nền định phí.

Nên bài này đi theo thứ tự đó. Định phí trước. Công nghệ sau. Cuối cùng là phần khó nhất — chỗ mà công nghệ đụng vào luật và vào đạo đức nghề.

Vì sao phải học định phí trước khi học công nghệ

Bảo hiểm là một trò chơi số học về rủi ro gộp. Một công ty nhận phí của một nghìn người, rồi trả tiền cho vài chục người gặp chuyện. Phần chênh lệch là thứ nuôi bộ máy. Công nghệ chỉ can thiệp được vào hai chỗ: đo rủi ro chính xác hơn, và xử lý hồ sơ nhanh hơn.

Nếu bạn không biết phí gồm những gì, bạn sẽ không thấy được công nghệ nào thật sự có ích và cái nào chỉ là bánh vẽ marketing.

Phí gộp về cơ bản có ba tầng:

Ví dụ thật để dễ hình dung. Một hợp đồng bảo hiểm tai nạn cá nhân, nhóm khách là công nhân nhà máy, phí thuần tính ra 120 nghìn đồng/năm. Phụ phí an toàn 20%, phụ phí vận hành 35% trên phí thuần. Phí gộp xấp xỉ 120 × (1 + 0,2 + 0,35) = 186 nghìn. Đại lý nhận hoa hồng trên phần phụ phí vận hành, không phải trên phí thuần.

Chỗ đắt tiền nhất chính là phụ phí vận hành. Và đây là lý do insurtech tồn tại: nó tấn công thẳng vào tầng thứ ba. Khi hồ sơ giấy đổi thành hồ sơ số, khi thẩm định tự động thay người nhập liệu, phần phụ phí tụt xuống. Công ty hoặc giảm phí để giành khách, hoặc giữ lại làm lợi nhuận. Cả hai đều là lý do cổ đông rót tiền vào các công ty bảo hiểm công nghệ.

Định phí chính xác hơn: chỗ dữ liệu lớn tạo ra tiền

Truyền thống, công ty bảo hiểm chia khách thành các nhóm rủi ro dựa trên vài biến thô: tuổi, giới tính, nghề, vùng. Nhóm càng lớn thì càng dễ đoán, nhưng nhóm càng lớn thì càng nhiều người trả sai giá. Người lái cẩn thận thì bị nhóm "nam 25 tuổi" kéo giá lên. Người lái ẩu trong cùng nhóm lại được lợi.

Telematics phá cái đó. Hộp đen gắn trên xe hoặc app trên điện thoại ghi tốc độ, quãng đường, giờ chạy, lực phanh, lực vào cua. Từ đó chia nhóm theo hành vi thật thay vì theo hồ sơ khai báo.

Nghe hợp lý. Nhưng có ba vấn đề thật mà đề thi rất thích hỏi.

Thứ nhất, biến mới có thể vi phạm luật chống phân biệt đối xử. Nếu dữ liệu hành vi vô tình tương quan với nơi ở, và nơi ở tương quan với thu nhập, bạn đang phân biệt giá một cách gián tiếp.

Thứ hai, chọn mẫu lệch. Chỉ người tự nguyện lắp thiết bị mới vào dữ liệu. Nhóm tự nguyện thường là người cẩn thận. Lấy họ làm chuẩn rồi áp cho toàn bộ khách là sai hệ thống.

Thứ ba, hành vi thay đổi cả vì bị theo dõi. Người ta biết mình bị đo thì lái khác đi. Dữ liệu thế giới thực và dữ liệu trong dự án thử nghiệm không cùng một thứ.

Ví dụ có số. Một dự án telematics theo dõi một nghìn tài xế trong sáu tháng. Nhóm lái "mềm" (không tăng tốc gắt, không phanh gấp, ít chạy đêm) có tần suất tai nạn 2,1 vụ trên 100 xe-năm. Nhóm còn lại: 5,8 vụ trên 100 xe-năm. Chênh gần ba lần. Nghe đến đây thì ai cũng muốn dùng ngay. Nhưng nếu tỷ lệ tự nguyện lắp thiết bị chỉ là 12% tổng số khách, thì mẫu đó nhỏ và lệch; đem áp cho số còn lại sẽ bị phản ứng.

Bảo hiểm tham số: blockchain có chỗ đứng thật

Có một sản phẩm mà công nghệ thay đổi được bản chất, không chỉ tốc độ: bảo hiểm tham số. Thay vì bồi thường thiệt hại thực tế, hợp đồng trả tiền khi một chỉ số đo được vượt ngưỡng. Mưa dưới 40 mm trong tháng ở một vùng trồng lúa. Gió trên cấp 12. Động đất trên 6 độ Richter tại một tọa độ.

Điểm hay: không cần thẩm định mất mùa. Trả tự động. Với nông nghiệp, đó là lợi thế lớn, vì thẩm định ruộng mất mùa rất tốn và rất dễ tranh chấp.

Điểm dở, và đề thi luôn muốn bạn nói ra: rủi ro cơ sở. Chỉ số vượt ngưỡng nhưng ruộng nhà bạn không mất mùa — bạn vẫn được trả. Ngược lại, ruộng mất trắng vì sâu bệnh, chỉ số không chạm ngưỡng — bạn không được gì. Hợp đồng đúng về mặt cơ học, sai về mặt cuộc sống.

Đây là chỗ blockchain đáng giá nhất trong toàn bộ môn này, và cũng là chỗ bị thổi phồng nhiều nhất. Phần đáng giá: nguồn dữ liệu chỉ số có thể bị tranh cãi. Ghi dữ liệu trạm khí tượng lên sổ cái công khai, có dấu thời gian, không sửa ngược được, thì bên mua và bên bán không cãi nhau về con số gốc. Hợp đồng thông minh tự chi trả khi ngưỡng được chạm.

Phần bị thổi phồng: blockchain không làm cho việc chi trả trở nên minh bạch hơn về bản chất. Nó chỉ làm cho dữ liệu đầu vào khó bị sửa. Nếu cái cảm biến ngoài đồng bị hỏng hoặc bị ai đó che mưa, sổ cái ghi một con số sai và ghi rất trung thực. Rác vào, rác ra, bất biến.

Mình đã thấy một đề tài sinh viên viết "dùng blockchain để chống gian lận bảo hiểm". Nghe hay, nhưng phần lớn gian lận bảo hiểm không nằm ở dữ liệu chỉ số; nó nằm ở khai báo sai của người mua và ở hồ sơ y tế trùng lặp. Blockchain không giải quyết được hai chỗ đó.

AI và gian lận: phần khó nằm ở nhãn, không ở thuật toán

Bài toán gian lận là bài toán phân loại nhị phân với hai lớp cực kỳ mất cân bằng. Gian lận thật thường chỉ chiếm 1 đến 3% hồ sơ. Điều đó phá vỡ gần hết trực giác về độ chính xác.

Đây là chỗ sinh viên hay mất điểm: khoe mô hình đạt độ chính xác 97%. Với dữ liệu mất cân bằng như vậy, một mô hình đoán "không gian lận" cho mọi hồ sơ đã đạt 97% rồi. Con số đó không nói lên gì cả.

Vấn đề thật không nằm ở thuật toán. Nó nằm ở nhãn. Hồ sơ "gian lận" trong dữ liệu huấn luyện chỉ là những vụ đã bị phát hiện và kết luận. Gian lận chưa bị phát hiện nằm trong nhóm "sạch". Bạn đang dạy mô hình học từ một tập nhãn bị chặn trên — nó chỉ học được những kiểu gian lận mà người ta đã bắt được.

Cộng thêm một chuyện nữa: mô hình bắt gian lận tốt thường vô tình học luôn vùng địa lý và nhóm nghề. Cùng một hành vi khai báo, khách ở quận này bị gắn cờ, khách ở quận khác thì không. Đó là vấn đề công bằng, không phải vấn đề kỹ thuật.

Một ví dụ có số. Bộ dữ liệu 50.000 hồ sơ, 1.000 hồ sơ gian lận thật. Mô hình chạy ra 400 hồ sơ bị gắn cờ, trong đó 320 đúng. Vậy precision = 320/400 = 80%. Recall = 320/1.000 = 32%. Nhìn 80% thì đẹp. Nhìn 32% thì thấy công ty bỏ sót hai phần ba số vụ. Báo cáo chỉ đưa precision là báo cáo thiếu.

Bồi thường số và trải nghiệm khách: đừng đo bằng số ngày

Chương này ít công thức, nhiều tình huống, và cũng là chương dễ viết lan man nhất.

Số hoá bồi thường thường được đo bằng thời gian xử lý trung bình. Nhưng khách hàng không cảm nhận thời gian trung bình. Khách cảm nhận thời gian chờ không giải thích gì. Một hồ sơ xử lý trong ba ngày nhưng không ai nói gì với khách suốt ba ngày đó bị đánh giá tệ hơn hồ sơ xử lý năm ngày mà có tin nhắn cập nhật mỗi ngày.

Đây là chỗ đề hay hỏi vì nó tưởng dễ mà không dễ. Các bạn thường trả lời "cần cải thiện UX". Câu đó không phải câu trả lời. Câu trả lời là chỉ ra được nút thắt cụ thể: khâu chờ giám định viên, hay khâu đối chiếu chứng từ giấy.

Về IoT, mình muốn nói thẳng một hạn chế mà tài liệu quảng cáo hay bỏ qua: cảm biến hỏng âm thầm. Một cảm biến ngừng gửi dữ liệu không báo lỗi. Nó chỉ im. Nếu hệ thống không có cơ chế phát hiện im lặng, bạn sẽ không biết mình đang thiếu dữ liệu cho tới lúc có khiếu nại. Trong bảo hiểm tài sản, đó là một khoản lỗ chưa ghi nhận.

Khung pháp lý và đạo đức: phần dễ bị bỏ qua nhất

Phần này ở cuối đề cương, và cũng là phần nhiều bạn học qua loa. Sai lầm.

Ba câu hỏi luật và đạo đức mà đề thi rất hay dùng:

Dữ liệu sức khoẻ và dữ liệu sinh trắc học thuộc nhóm nhạy cảm. Thu thập mà không có cơ sở pháp lý rõ ràng thì sản phẩm có thể chạy tốt về kỹ thuật nhưng vẫn sai. Đây không phải chuyện hình thức.

Dữ liệu dùng để định phí có được dùng cho mục đích khác không, ví dụ để bán chéo sản phẩm? Không, nếu hợp đồng không nói vậy. Nguyên tắc giới hạn mục đích.

Ai chịu trách nhiệm khi mô hình tự động từ chối một hồ sơ? Đây là câu khó nhất. Nếu không có người rà lại được, công ty đang từ chối khách bằng một thứ không giải trình được. Cơ quan quản lý ở nhiều nước đã bắt đầu yêu cầu giải thích quyết định tự động.

Với thị trường Việt Nam, mấy điểm này còn đang trong giai đoạn chuyển. Một đề tài về insurtech ở Việt Nam mà không nói gì tới khung pháp lý hiện hành thì thiếu một nửa.

Bảng tra nhanh theo chương đề cương

Bảng dưới đây để bạn đối chiếu nhanh phần nào nặng lý thuyết, phần nào nặng bài tập. Cột cuối là loại câu hỏi hay ra nhất.

Cách học môn này trong hai tuần

Không có mẹo nào thay được việc làm bài tập định phí. Nhưng có cách sắp thứ tự để đỡ mất thời gian.

Ngày 1 đến 3: học chương định phí cho tới khi tự tính được phí gộp cho một hợp đồng đơn giản mà không nhìn tài liệu. Đây là nền, không nhảy qua được.

Ngày 4 đến 6: chương dữ liệu lớn và AI. Tự làm lại hai ví dụ precision/recall. Chỉ khi tự tính tay mới thấy được vì sao độ chính xác là chỉ số vô dụng ở đây.

Ngày 7 đến 9: IoT, telematics, bồi thường số. Với mỗi chương, tự đặt một tình huống và một phản biện. Kiểu tình huống này ra đề rất nhiều.

Ngày 10 đến 12: blockchain và bảo hiểm tham số. Học kỹ rủi ro cơ sở và giới hạn dữ liệu đầu vào.

Ngày 13 đến 14: khung pháp lý, đạo đức, rồi làm ba đề mẫu trong tài liệu. Bấm giờ.

Nếu bạn đang học theo đề cương của trường, đối chiếu nhanh với phần đề mục trong tài liệu. Tài liệu chia đúng chín chương và có bài tập có lời giải ở cuối mỗi chương.

Vài hạn chế của tài liệu này, nói trước cho rõ

Tài liệu song ngữ Việt-Anh, 427 trang, viết cho sinh viên đại học khối kinh tế, tài chính và công nghệ tài chính. Có bài tập có lời giải, tự luận có dàn ý, trắc nghiệm có đáp án, và mã minh họa đã chạy thật.

Vài điều nên biết trước khi mua.

Phần định lượng không đi tới mức chuyên sâu của môn khoa học dữ liệu. Nếu bạn muốn học sâu về mô hình học máy cho bảo hiểm, tài liệu này dừng ở mức đủ để làm bài tập và hiểu nguyên lý.

Ví dụ mã minh họa được viết ở dạng chạy được, không phải mã sản phẩm. Đừng mang nguyên si đi triển khai.

Phần pháp lý mang tính khung. Quy định cụ thể có thể đã đổi theo thời điểm bạn học, nên vẫn phải tra văn bản hiện hành.

Lấy tài liệu ở đâu

Tài liệu này nằm trong nhóm đề cương đại học của cửa hàng. Bạn xem trước 5 trang đầu ngay trên trang sản phẩm — đủ để biết mục lục, cách trình bày và mức độ chi tiết có khớp với đề cương môn bạn học không.

Giá 179.000 đồng. Thanh toán bằng chuyển khoản trong nước, không cần thẻ quốc tế. Nhận hàng trong 24 giờ sau khi chuyển khoản, file PDF gửi qua email.

Link: https://globalmarket.vin/product/de-cuong-cong-nghe-bao-hiem

Một lời khuyên cuối, không liên quan tới việc mua bán. Môn này thưởng cho người biết đặt câu hỏi "cái này giải quyết vấn đề gì". Bạn học được cách hỏi đó thì thi xong vẫn còn dùng được.