Hoe samenwerkende AI-agents risico’s kunnen voorspellen
Deze scriptie onderzoekt hoe artificial intelligence (AI) verzekeraars kan helpen bij het voorspellen van risico’s. De afgelopen jaren zijn zogenoemde “Large Language Models” (LLM’s), zoals ChatGPT, sterk ontwikkeld. Deze systemen kunnen teksten begrijpen, redeneren en zelfstandig taken uitvoeren. In deze scriptie is onderzocht of een team van zulke AI-systemen samen het werk van actuarissen deels kan ondersteunen of automatiseren. Daarbij stonden niet alleen prestaties centraal, maar vooral ook betrouwbaarheid, uitlegbaarheid en veiligheid. In plaats van één AI-model is een “multi-agent systeem” ontwikkeld: een team van AI Agents die ieder een eigen rol hebben. Zo is er bijvoorbeeld een agent voor datavoorbereiding, een agent die modellen bouwt, een agent die controles uitvoert en een agent die uitleg geeft over de resultaten. Deze agenten werken samen in een gestructureerde workflow, vergelijkbaar met hoe collega’s binnen een organisatie samenwerken.
Een belangrijk doel van het onderzoek was om AI niet als een “black box” te gebruiken. Veel moderne AI-systemen geven wel antwoorden, maar maken niet duidelijk hoe zij tot een beslissing komen. Dat is problematisch in de verzekeringswereld, waar transparantie en uitlegbaarheid essentieel zijn. Daarom bevat het systeem verschillende technieken om beslissingen begrijpelijker te maken. Ook is onderzocht hoe consistent de AI-agenten werken en hoe onzekerheid binnen het systeem kan worden gemeten. Hiervoor is een methode ontwikkeld waarbij onzekerheid van individuele agenten wordt gecombineerd in een zogenoemd “Bayesiaans netwerk”. Dit maakt zichtbaar hoe twijfel of fouten van één agent invloed kunnen hebben op het totale proces.
Voor het onderzoek is gebruikgemaakt van een echte verzekeringsdataset. De AI Agents kregen de taak om risico’s op schadeclaims te voorspellen. Verschillende AI-modellen zijn getest om te beoordelen hoe goed zij samenwerken, fouten herkennen en stabiele resultaten leveren. De resultaten laten zien dat het mogelijk is om een team van AI Agents zelfstandig grote delen van een actuarieel proces te laten uitvoeren. Het systeem kon data analyseren, voorspellende modellen bouwen, controles uitvoeren en uitleg geven over de resultaten. Ook bleek dat sommige AI-modellen beter presteerden dan andere, vooral op het gebied van stabiliteit en foutdetectie.
Tegelijkertijd toont het onderzoek aan dat huidige AI-systemen nog beperkingen hebben. Soms werden fouten niet opgemerkt of ontstonden inconsistente antwoorden. Ook bleek dat de prestaties sterk afhankelijk zijn van het onderliggende LLM-model. De belangrijkste conclusie van de scriptie is dat AI Agents veel potentie hebben om actuarieel werk efficiënter te maken en specialisten te ondersteunen. Vooral de combinatie van samenwerking tussen meerdere AI Agents, aandacht voor uitlegbaarheid en controle op betrouwbaarheid maakt deze aanpak interessant voor de toekomst van verzekeringen.
Dit is een samenvatting van het volledige rapport. Voor meer informatie kun je contact opnemen met Bart Custers via bart.custers@allianzdirect.nl.