El resumen de la jornada se puede consultar en:
http://agers.es/wp-content/uploads/2017/06/Panel-C-Riesgos-Personales-Resumen.pdf
jueves, 29 de junio de 2017
miércoles, 21 de junio de 2017
Aspectos éticos del tratamiento de los datos personales BIG DATA EN SEGUROS
REVISTA
ACTUARIOS. Nº40 BIG DATA EN SEGUROS
http://actuarios.org/actuarios40/
Aspectos éticos del tratamiento de los
datos personales
José Miguel
Rodríguez-Pardo
Introducción
El
profesor suizo de informática y ciencias sociales Dirk Helbing sostiene que los
retos del presente siglo son la ecología, la transformación digital y la
financiera. Si ponemos el foco en la transformación digital y recurriendo a
Yuval Noah Harari en su libro Homo Deus, breve historia del porvenir (Editorial
Debate, Barcelona, 2016), podemos interrogarnos si el humanismo ha muerto en
favor del dataismo, donde los patrones
repetitivos proporcionan el acierto
perpetuo. Incluso, afirma el autor, que dado que el hombre es un algoritmo
como ser vivo, nada impide que este persista indefinidamente.
Debemos
plantearnos si se están dando las condiciones
para sustituir el concepto de riesgo por el dato, asignándole a este último un
valor intrínseco. Esta deriva reduccionista hacia el número, solo puede ser
ponderada con los postulados de la ética si queremos seguir situando en el
centro de la medida a la persona, el homo
mensura como decía Protágoras ( 480-410 a. de C.) .
Nuestro propósito en este artículo, es analizar un riesgo en este nuevo marco que
proporciona el big data bajo el
marco ético, es definitiva cómo hacer justos los números, evitando
caer en lo que ya conoce como el “datocentrismo” donde se ha instalado la
creencia que todo está en el dato, el servidor y el modelo.
La definición de dato, la encontramos en
Davenport y Prusak (1999), quienes lo entienden como una representación
simbólica (numérica, alfabética, algorítmica, etc…) de un atributo o variable
cuantitativa o cualitativa. Los datos describen hechos empíricos, sucesos y
entidades. El término Big Data se debe a Roger Magoulas cuando
en 2005, se encontró que tenía que procesar 50 terabytes de datos, cantidad que
era mayor que la capacidad de una sola máquina, con lo que tuvo que distribuir
los datos en diferentes ordenadores.
Las cifras del volumen de información que
manejamos, nos ratifican la relevancia del dato y las oportunidades que se
presentan en la sociedad actual, según la consultora Deloitte, desde el
comienzo de la humanidad hasta 2003 se generaron 2 exabytes de información. En
2011 se creó el mismo volumen en tan solo 2 días y en 2020 se tardará menos de
10 minutos.
Privacidad
El uso
intensivo de datos del que se nutre la Inteligencia Artificial ( IA), propicia
que al individuo que es activo en las redes sociales o dispositivos
electrónicos se le pueda establecer lo
que se denomina como la huella digital o identidad digital. Este registro es el
que utilizan los algoritmos para crear modelos que permiten encontrar determinados
patrones de comportamiento, elaborar perfiles y hacer recomendaciones. En el ámbito del sector asegurador la
Inteligencia Artificial ( IA) posibilita, entre otras funcionalidades, reforzar
las capacidades del pricing, de políticas de admisión de riesgos, o perfilar a
los clientes según su potencial aseguramiento.
Categorizar a
un individuo según su huella digital, requiere un debate ético además del
propio técnico-jurídico que determinen las leyes de protección de datos, pues
como dijo el fundador de Facebook, Mark Zuckerberg, en 2010, la privacidad
había muerto. Los interrogantes son
diversos, citemos algunos de ellos en relación con el contrato de seguro
privado.
- El uso por parte del asegurador de datos
aportados voluntariamente o no al mundo digital sin el consentimiento explícito
del cliente.
-La oportunidad
que significa para el potencial asegurado, monetizar el uso de sus datos que
sin cuestionario previo de admisión de riesgo, permite perfilar su riesgo. Es
decir, se deberían establecer mecanismos de recompensa al asegurado por el uso
de sus datos que permiten crear precios mutuales de riesgos sobre un universo
asegurable determinado.
- Los datos que
se refieren a variables que se consideran discriminantes por la legislación y
aquellas que pueden ser potencialmente discriminantes, como son las que se conocen como de discriminación
inconsciente.
-El derecho a
la anonimicidad, por el cual aunque el algoritmo utilizando bases de datos anónimas
sea capaz de identificar al individuo que está detrás de esa etiqueta anónima.
- Y no dejemos
de mencionar el llamado principio de proporcionalidad, por el cual el actuario
debe ponderar los beneficios adicionales que significan incorporar el uso
intensivo de variables y datos en los procesos de pricing. Para medir este
criterio es aconsejable, valorar los cuatro elementos de este principio:
Naturaleza, escalabilidad, complejidad y alternatividad.
- La capacidad
de predicción que proporciona la IA, que algunos autores le llaman statistical learning, permite elaborar
un conjunto de soluciones de seguros antes incluso de que el asegurado tenga
conciencia de su aversión a una contingencia determinada.
- La
modelización intensiva en variables y datos, nos permite adentramos en el pricing prescriptivo , donde el
asegurado debe seguir una pautas determinadas para lograr un objetivo determinado
en relación a la contingencia. El conflicto ético está presente, pues el
asegurador asume la responsabilidad de determinar el escenario de riesgo
adecuado al cliente y establecer las pautas de comportamiento mitigantes del
riesgo que debe seguir y de qué forma predeterminada pueda escalar hacia este
escenario de perfil idóneo de riesgo sobre el que se asegura la contingencia
El algoritmo
El debate ético
del uso intensivo de datos, alcanza no solo al proceso de pricing del seguro,
sino que los algoritmos de asesoramiento digitalizado pueden presentar
diferencias en relación con el asesoramiento personalizado. El acceso al
contenido del algoritmo supone un reto ético en la relación contractual del
seguro, y es más debemos debatir sobre la responsabilidad del error en el
algoritmo cuando se perfila a un cliente para suscribir o establecer el precio
del seguro; de hecho ya se habla de seguros para la protección de errores en el
resultado del algoritmo cuando detrás están las técnicas de inteligencia
artificial.
El uso de
algoritmos, en opinión de Cathy O´Neil autora del libro Weapons of Math
Destruction ( Armas matemáticas de destrucción)
son criticables por su opacidad.
Iniciativas como el derecho a la
explicación de las decisiones que
perjudican a un consumidor ( tomador de un seguro en nuestro caso) tomadas por el algoritmo parece ser una
vía prometedora para reestablecer las posiciones de equilibrio necesario en el
contrato en relación con la simetría de información y no caer en ventaja
actuarial. El profesor de derecho Frank Pasquale de la Universidad de Maryland,
cree que el uso no equitativo de datos se puede corregir con leyes de
protección de los consumidores.
La
responsabilidad sobre los efectos del algoritmo, en determinados foros de
reflexión sugieren además de desarrollar
productos de seguros coberturas que contemplen el riesgo de error del
algoritmo, la necesidad de elaborar códigos deontológicos de los creadores de
algoritmos, esta iniciativa se viene ya proponiendo
desde los años 90 del siglo pasado ,
como es el caso de José Manuel García Carrasco en su artículo ¿ Es necesario un
código ético en la informática?; es cierto que esta necesidad no se ha asentado
suficientemente en los programas de enseñanza universitaria con la emergencia
que requiere. Iniciativas como la de la Association for Computing Machinery en
su documento Software Engineering Code of
Ethics and Professional Practice (
www.acm.org/about/se-code ) constituye
una referencia a tener en cuenta para el ejercicio ético responsable en la
programación de algoritmos.
También
requiere reflexión ética el conjunto de interacciones de los individuos con los
robots que va a requerir un ordenamiento jurídico y posicionamiento ético específico;
la Comisión de Asuntos Jurídicos de la Comisión Europea ha empezado a tomar la
iniciativa en su informe sobre normas de Derecho civil sobre robótica de 31 de
mayo de 2016.
Otro asunto que merece atención es la
identificación de la responsabilidad en los vehículos autónomos, la industria
del automóvil ha resuelto el conocido problema ético como "el dilema del
tranvía", donde se dará prioridad a la protección de los pasajeros en
relación con los peatones u ocupantes de vehículos terceros implicados en un
accidente. Es interesante conocer la iniciativa de la Sociedad Japonesa de
Ingenieros Mecánicos, que en 2016 realizó juicios simulados para comprender los
temas legales que se derivan de accidentes en vehículos autónomos, donde los
algoritmos de IA tienen mucho que ver en la posterior responsabilidad civil de
los fabricantes.
La inequidad y cosificiación
Las
consecuencias en el seguro de técnicas de big data , en los procesos de
suscripción y pricing pueden hacer que determinados perfiles del riesgo queden
sin cobertura bien por rechazo en la selección de riesgos o bien por la
propuesta de precio excesivamente costosa al quedar minimizada por la
eliminación de las subvenciones cruzadas de los riesgos en el proceso de de
pool risk propio de un contrato de seguro.
Los modelos
resultantes del uso de datos de la red, suponen en sí mismo un reto ético, pero
además sus resultados contribuyen hacia la profundización hacia la cosificación
del asegurado o reducción de la persona a un mero índice estadístico
Reflexión final
En el contexto actual
de aproximación a la medida de las contingencias sobre la base de la hegemonía
del algoritmo -dato y secuencia numérica-, podríamos pensar si la ciencia
actuarial está abandonado su pertenencia al ámbito de las ciencias sociales y
encuadrándose con mejor acomodo en las ciencias cuantitativas como pueden la estadística,
matemática o la ingeniería informática. La metodología científica de observación
de la realidad humana es distinta y en este caso nos interrogamos si la ciencia
actuarial ha sido derrotada en su vertiente más solidaria de los postulados técnicos
para la medida del riesgo en favor de la soberanía individual de lo que ya se
conoce como "el hombre transparente" y donde la categoría mutual del
precio del seguro queda muy debilitada.
Las consecuencias
del fenómeno Big Data, en un sentido amplio, necesita un nuevo consenso social
que redefina el seguro privado en un entorno social en el que prima la Agenda
Ética. El comportamiento ético del consumidor dirigirá el cambio, las empresas
competirán por conseguir la excelencia ética y los mercados deberán
compatibilizar los resultados económicos-financieros a corto plazo con la
consecución de beneficios sociales a largo plazo para el conjunto de la
sociedad. La cuarta revolución industrial debe poner en el centro de sus
postulados la citada Agenda Ética.
Big data en los seguros sobre personas
REVISTA ACTUARIOS. Nª40 BIG DATA EN SEGUROS
http://actuarios.org/actuarios40/
Big data en los seguros sobre
personas
José Miguel
Rodríguez-Pardo
Introducción
La industria
del seguro de vida y/o salud todavía no se ha incorporado a los procesos de
innovación tecnológica que ya se han consolidado en la mayoría de los sectores
empresariales. Lo que se empieza a denominar como insurgencia financiera,
empieza a tomar posiciones en la era digital en la banca, bien podría aplicarse
al seguro y así podríamos acuñar la expresión insurgencia actuarial que vendría a alterar el área de
confortabilidad del actuario y ausencia
de innovación en sus competencias y capacidades aplicadas al seguro de riesgos
personales , situación que recuerda Carmen Laforet en su novela Nada (1944) decía
en voz de su protagonista Andrea ¡Cuántos
días sin importancia!
La propia
naturaleza de los contratos de seguros sobre las personas que requieren
compromisos a largo plazo y ser un sector fuertemente regulado, podrían
explicar también este retraso singular en la aplicación de las nuevas
tecnologías en el diseño, asesoramiento, determinación del perfil del riesgo y
pricing de los seguros de vida y salud. En las modalidades de seguros masa de
daños podemos contrastar una cierta adaptación a los nuevos desafíos
que supone la innovación tecnológica, de hecho los modelos actuariales bajo el epígrafe sophisticaded pricing techcniques se encuentran ya implantados.
Creemos que
estamos en condiciones de afirmar es que esta generación será la última que
suscriba el catálogo actual de productos asociados a la morbilidad y mortalidad
humana, veremos cómo se consolidan las propuestas de Insurance as a Service ( IaaS) donde el seguro es un servicio
prevención y protección de la salud o de la supervivencia.
Y todo ello
antes de que nos adentremos en la cuarta revolución industrial, donde los
modelos de inteligencia artificial puedan replicar las funcionalidades propias de
los humanos, en este escenario las consecuencias sobre la salud y la
supervivencia humana se antojan difíciles de pronosticar. Nick Bostrom, en su
libro Superinteligencia, caminos, peligros y estrategia de 2014, cree que entre
2075 y 2090 las máquinas serán tan inteligentes como los seres humanos con un
90% de probabilidad.
A modo de
ejemplo, la asistencia robótica aplicada a la salud se mejorará la calidad de
vida de pacientes con evaluación permanente de las constantes vitales. Los
conocidos como co-bots ( robots aplicados a tareas laborales) suponen
un reto en todos los aspectos de la vida
empresarial y cotidiana individual.
Big data y el análisis de la salud
El campo de
la biomedicina es uno de los sectores donde mayores oportunidades se han
identificado en el uso de Big Data. La secuenciación genética, aún siendo un
proceso muy complejo, ya está disponible por 1.000 euros, y se estima que en
cinco años el coste de la lectura del genoma de cada individuo se podrá hacer
por tan 100 euros.
La
generación de patrones genéticos personalizados permite determinar parámetros,
sensores, tratamientos e incluso rutas de salud en estado asintomático
adecuadas a las anomalías genéticas de cada individuo. Todo ello bien en forma
presencial o de forma remota, ambos casos favorecerán las
estrategias de salud personalizadas.
Se estima que en diez años la mayoría de las
decisiones médicas se verán de algún modo automatizadas, si en la actualidad el
diagnóstico médico se apoya en las llamadas unidades biológicas como la
analítica, en la imagen o la anatomía patológica, y se empieza a incluir el perfil genético, veremos
pronto cómo la decisión médica se complementará con la decisión clínica
computarizada.
De manera definitiva la medicina basada en la
evidencia científica sustituirá a la medicina basada en la experiencia,
conocida popularmente como el ojo clínico. Lo que se conoce con el acrónimo en
inglés como RWD ( Real World Data) datos recogidos de pacientes fuera de
ensayos clínicos, o RWE ( Real World Evidence) o datos de
pacientes en el diagnóstico y tratamiento en condiciones de vida
real y no en ensayos clínicos, supone el sustrato que permitirá aplicar las técnicas de big data y que conllevará una mejora en la salud de la población.
Cuando este
proceso esté asentado en todas las historias clínicas informatizadas en
atención primaria o especializada, con la receta electrónica y los servicios de
laboratorio e imagen, una vez garantizada la anonimicidad y la construcción
adecuada de los parámetros, estaremos en disposición de verificar si cumplen
las seis V del big data en salud:
-Tres
generales a todo big data: volumen, variedad, velocidad.
-Tres
propias de la salud: veracidad de los datos (libre de errores), variabilidad (la
historia clínica no es homogénea y valor (toda la información debe estar
agregada en un único repositorio de datos).
Superados este test de las seis V, los
algoritmos de IA se podrán utilizar en la toma de decisiones diarias clínicas y
sub-clínicas.
Este escenario
bien de sanidad pública o privada se complica aún más con las App de salud, que
actuarán a modo de early warning y
que contribuirán a establecer patrones de
reconocimiento del comportamiento y permitir "sacar" inteligencia
para mejorar la vida de las personas.
No dejemos
de mencionar a las potencialidades del ordenador de IBM Watson que aplica analítica predictiva
monitoreando de manera continua datos y
decisiones clínicas que hacen que las decisiones médicas sean cada vez más
precisas y eficientes. En 2016, el profesor Satoru Miyano del Instituto de
Ciencias Médicas de la Universidad de Tokio que trabaja en IA de Watson, su equipo
fue capaz de diagnosticar en 10 minutos a un paciente de leucemia cuyo
tratamiento con fármacos no daban los resultados esperados, el ordenador
descubrió una mutación específica y permitió que el paciente se recuperara.
Para alcanzar este logro, Watson ha recopilado 20 millones de artículos
científicos, 15 millones de piezas de información de pacientes y datos de
mutación de genes de cáncer.
Su aplicación en el proceso de suscripción y
gestión de siniestros de seguros sobre la vida humana, posibilitará mayor
precisión en la medida del riesgo técnico en la toma de decisiones. El
tratamiento de datos ayudará al suscriptor médico a la mejora y precisión del
diagnóstico.
Ahora bien, la automatización de decisiones en
el ámbito del seguro puede conllevar
reducción de recursos humanos por la "robotización de decisiones
técnicas", como ha sucedido en la firma japonesa Fukokui Mutual Life
Insurance quien ha sustituido a más de
30 trabajadores de oficina por la aplicación de inteligencia artificial (AI) de IBM Watson. Esta deriva puede extenderse al
40% de las empresas, al cambiar incluso el modelo de negocio por razón de las
tecnologías aplicada.
Los planes de promoción de salud
personalizados
En un
contexto sanitario donde la medicina clínica o sanadora se amplíe a una
medicina predictiva personalizada que incorpore el patrimonio genético
individual, nos lleva a manejar un volumen de datos y variables que harán
posible los llamados modelos prescriptivos, donde el actuario ya no valora el
riesgo de morbilidad o mortalidad, sino que enfoca sus modelos hacia valorar
qué debe hacer suceder para que el asegurado adopte patrones de vida saludable.
Cuando estos
modelos se asienten en la comunidad actuarial y en los productos aseguradores,
se deberán revisar los principios básicos de rigen la medida de la
supervivencia, los criterios de suscripción de riesgos, la estratificación de
riesgos.
El manejo
intensivo de datos posibilita escalar hacia la personalización absoluta del riesgo
de vida o salud, donde las condiciones del seguro serán singulares para
asegurado. Siendo así, la cobertura del riesgo, no será el atributo principal
del producto concebido como plan personalizado de salud, sino que lo relevante
serán los llamados personal paths,
hacia lo que ya conoce en algunos foros como el Nirvana de salud. Este es el
ecosistema propio de Insurance as a
Service ( IaaS)
La capacidad
del fenómeno big data, permitirá que el individuo sea el principal mitigante de
su riesgo de morbilidad, con la ayuda de un conjunto de servicios y tecnologías
proporcionados por la salud pública y/o privada, donde encontrará recompensa
por la adopción de estilos de vida saludable, que incluso en algún caso se
materializarán en precios y coberturas preferentes.
Comentario final
Los modelos bioactuariales
de naturaleza prescriptiva sostenidos sobre algoritmos de IA aplicados a la
salud y la supervivencia humana, con el apoyo de la tecnología aplicada, nos
lleva a la necesidad de repensar el propio modelo de negocio asegurador de
riesgos personales, para lograr este propósito es necesario un consenso social
sobre la tradicional visión de mutualización de riesgos.
El actuario para
poder intervenir en esta insurgencia de la medida del riesgo debe de estar
capacitado para poder ser miembro de una nueva comunidad de profesionales
categorizados como el acrónimo inglés
STEM ( Ciencia, tecnología, ingeniería y matemáticas) sin abandonar el
valor social del seguro y los postulados deontológicos propios del
profesionalismo actuarial.
miércoles, 14 de junio de 2017
Lectura TFM´S UC3M Máster actuariales 2017 primer llamamiento
Los trabajos fin de Máster ( TFM´S) fueron leídos en el día de ayer y trataron los siguientes temas:
Modelo de Gestión Integral del Riesgo Cibernético
Vehículos Autónomos: Análisis Metodológico y cálculo de la variación del valor de una cartera de autos.
El riesgo de modelo
Aplicación del cálculo de reservas al Seguro Agrario: Revisión de Métodos y nuevos desarrollos.
Modelización estocástica de la probabilidad de ruina para seguro no vida en el sector automovilístico, aplicando simulación de Montecarlo
Quantification of Model Risk with Bootstrapping method.
Suscribirse a:
Entradas (Atom)