https://www.mutualidadabogacia.com/wp-content/uploads/2019/03/revista-103-marzo-2019.pdf
viernes, 29 de marzo de 2019
viernes, 15 de marzo de 2019
jueves, 14 de marzo de 2019
miércoles, 13 de marzo de 2019
domingo, 3 de marzo de 2019
Borrador de directrices de ética para lnteligencia Artificial confiable
Establece una serie de principios como son
1. Responsabilidad
2. Gobierno de datos
3. Diseño para todos.
4. Gobernanza de la autonomía de la IA (supervisión humana)
5. No discriminación
6. Respeto por (y mejora de) la autonomía humana.
7. Respeto a la privacidad
8. Robustez
9. seguridad
10. transparencia
Uso de fuentes de información y datos externos de consumidores en la suscripción de seguros de vida
Circular Circular de Seguros No. 1 (2019)Todas las aseguradoras autorizadas para contratar un seguro de vida en el estado de Nueva York
I. resumen
El propósito de esta carta circular es asesorar a las aseguradoras autorizadas para escribir seguros de vida en Nueva York de sus obligaciones legales con respecto al uso de datos de consumidores externos y fuentes de información en la suscripción de seguros de vida.
II. Discusión
Tras los informes sobre la aparición de fuentes no convencionales o tipos de datos externos disponibles para los aseguradores, incluidos los algoritmos y los modelos predictivos, el Departamento de Servicios Financieros del Estado de Nueva York ("Departamento") inició una investigación de las pautas y prácticas de suscripción de los aseguradores en Nueva York. Relacionados con el uso de datos externos en la suscripción de seguros de vida.
Para los fines de esta Circular, los datos externos incluyen cualquier dato o fuente de información que no esté directamente relacionada con la condición médica del solicitante que se utiliza, en su totalidad o en parte, para complementar la suscripción médica tradicional, como un poder para la suscripción médica tradicional, o para establecer "indicadores de estilo de vida" que puedan contribuir a una evaluación de suscripción de un solicitante de cobertura de seguro de vida. Para los fines de esta Carta Circular, las fuentes de datos externas no incluyen un servicio de intercambio de información de miembros de MIB Group, Inc., un informe de vehículo motorizado o una búsqueda de antecedentes penales (consulte la nota al pie de página 1).
El Departamento apoya plenamente la innovación y el uso de la tecnología para mejorar el acceso a los servicios financieros. De hecho, el uso de fuentes de datos externos por parte de las aseguradoras tiene el potencial de beneficiar tanto a las aseguradoras como a los consumidores al simplificar y agilizar las ventas de seguros de vida y los procesos de suscripción. Las fuentes de datos externas también tienen el potencial de dar como resultado una suscripción y un precio más precisos del seguro de vida. Sin embargo, al mismo tiempo, la precisión y confiabilidad de las fuentes de datos externas puede variar enormemente, y muchas fuentes de datos externas son compañías que no están sujetas a la supervisión regulatoria ni a las protecciones de los consumidores, lo que genera inquietudes importantes sobre el posible impacto negativo en los consumidores, aseguradores y el mercado de seguros de vida en Nueva York.
Esta carta circular aborda dos áreas particulares de preocupación inmediata con el uso de fuentes de datos externas, algoritmos o modelos predictivos que se identificaron durante la investigación del Departamento. Primero, el uso de fuentes de datos, algoritmos y modelos predictivos externos tiene un impacto negativo potencial significativo en la disponibilidad y asequibilidad del seguro de vida para las clases protegidas de los consumidores. Una aseguradora no debe usar una fuente de datos externa, algoritmo o modelo predictivo para fines de calificación o calificación a menos que la aseguradora pueda establecer que la fuente de datos no usa y no se basa de ninguna manera en raza, color, credo, origen nacional, estado como una víctima de violencia doméstica, viajes pasados u orientación sexual de cualquier manera, o cualquier otra clase protegida. Además, una aseguradora tampoco debe usar una fuente de datos externa para fines de suscripción o calificación a menos que el uso de la fuente de datos externa no sea injustamente discriminatorio y cumpla con todos los demás requisitos de la Ley de Seguros y el Reglamento de Seguros. En segundo lugar, el uso de fuentes de datos externas suele ir acompañado de una falta de transparencia para los consumidores. Cuando una aseguradora utiliza fuentes de datos externas o modelos predictivos, la razón o las razones de cualquier declinación, limitación, diferencial de tasa u otra decisión de suscripción adversa proporcionada al asegurado o potencial asegurado debe incluir detalles sobre toda la información en la que el asegurador basó dicha decisión. incluida la fuente específica de la información en la que el asegurador basó su decisión adversa de suscripción.
Es importante tener en cuenta que esta carta circular no pretende proporcionar una lista exhaustiva de posibles problemas que podrían surgir del uso de fuentes de datos externas (incluso para seguros de vida y otros tipos de seguros), ni pretende sugerir que la diligencia debida de un asegurador al evaluar una fuente de datos externa debe limitarse a las dos preocupaciones anteriores.
A. Discriminación ilegal
La Ley de Seguros de Nueva York, la Ley Ejecutiva, la Ley General de Negocios y la Ley Federal de Derechos Civiles protegen contra la discriminación de ciertas clases de individuos. Estas leyes rigen las actividades de los aseguradores, incluida la capacidad de los aseguradores para suscribir en base a ciertos criterios. Por ejemplo, el Artículo 26 de la Ley de Seguros prohíbe el uso de raza, color, credo, origen nacional, condición de víctima de violencia doméstica o viajes legales pasados de cualquier manera, entre otras cosas, en la suscripción. Además, la Ley de Seguros §§ 4224 (a) (2) y (b) (2) prohíbe a las aseguradoras negarse a asegurar o seguir asegurando, limitando la cantidad, el alcance o el tipo de cobertura, o cobrando una tarifa diferente por la misma cobertura únicamente debido a la discapacidad física o mental, deterioro o enfermedad, o historial previo de la discapacidad o enfermedad de un asegurado o posible asegurado, excepto cuando la ley o la regulación permita el rechazo, la limitación o la diferencia de tarifa y se base en principios actuariales sólidos o esté relacionado con la experiencia real o razonablemente anticipada. Los aseguradores son responsables de cumplir con estas leyes contra la discriminación independientemente de si ellos mismos están recolectando datos y suscribiendo directamente a los consumidores, o confiando en fuentes de datos externos, algoritmos de proveedores externos o modelos predictivos que pretenden ser sustitutos parciales o totales de la suscripción directa. . En resumen, una aseguradora no puede usar una fuente de datos externa para recopilar o usar información que de otra manera se le prohibiría a la aseguradora recopilar o usar directamente. la limitación o la diferencia de tasas está permitida por la ley o regulación y se basa en principios actuariales sólidos o está relacionada con la experiencia real o razonablemente anticipada. Los aseguradores son responsables de cumplir con estas leyes contra la discriminación independientemente de si ellos mismos están recolectando datos y suscribiendo directamente a los consumidores, o confiando en fuentes de datos externos, algoritmos de proveedores externos o modelos predictivos que pretenden ser sustitutos parciales o totales de la suscripción directa. . En resumen, una aseguradora no puede usar una fuente de datos externa para recopilar o usar información que de otra manera se le prohibiría a la aseguradora recopilar o usar directamente. la limitación o la diferencia de tasas está permitida por la ley o regulación y se basa en principios actuariales sólidos o está relacionada con la experiencia real o razonablemente anticipada. Los aseguradores son responsables de cumplir con estas leyes contra la discriminación independientemente de si ellos mismos están recolectando datos y suscribiendo directamente a los consumidores, o confiando en fuentes de datos externos, algoritmos de proveedores externos o modelos predictivos que pretenden ser sustitutos parciales o totales de la suscripción directa. . En resumen, una aseguradora no puede usar una fuente de datos externa para recopilar o usar información que de otra manera se le prohibiría a la aseguradora recopilar o usar directamente. Los aseguradores son responsables de cumplir con estas leyes contra la discriminación independientemente de si ellos mismos están recolectando datos y suscribiendo directamente a los consumidores, o confiando en fuentes de datos externos, algoritmos de proveedores externos o modelos predictivos que pretenden ser sustitutos parciales o totales de la suscripción directa. . En resumen, una aseguradora no puede usar una fuente de datos externa para recopilar o usar información que de otra manera se le prohibiría a la aseguradora recopilar o usar directamente. Los aseguradores son responsables de cumplir con estas leyes contra la discriminación independientemente de si ellos mismos están recolectando datos y suscribiendo directamente a los consumidores, o confiando en fuentes de datos externos, algoritmos de proveedores externos o modelos predictivos que pretenden ser sustitutos parciales o totales de la suscripción directa. . En resumen, una aseguradora no puede usar una fuente de datos externa para recopilar o usar información que de otra manera se le prohibiría a la aseguradora recopilar o usar directamente.
Sobre la base de su investigación, el Departamento ha determinado que el uso de fuentes de datos externos por parte de las aseguradoras tiene un gran potencial para enmascarar las formas de discriminación prohibidas por estas leyes. Muchas de estas fuentes de datos externas utilizan datos geográficos (incluidos datos de mortalidad, adicción o tabaquismo a nivel de la comunidad), datos de propiedad de vivienda, información crediticia, logros educativos, licencias, juicios civiles y registros judiciales, todos los cuales tienen el potencial de reflejar una raza encubierta e ilegal. En base a una suscripción que viola los artículos 26 y 42.
Otros modelos y algoritmos pretenden hacer predicciones sobre el estado de salud de un consumidor basándose en el historial de compra minorista del consumidor; redes sociales, internet o actividad móvil; localización geográfica de seguimiento; la condición o tipo de los dispositivos electrónicos de un solicitante (y cualquier sistema o aplicación que funcione en ellos); o basado en cómo aparece el consumidor en una fotografía. Como mínimo, el uso de estos modelos puede carecer de una base racional o actuarial suficiente y también puede tener un gran potencial para tener un impacto dispar en las clases protegidas identificadas en las leyes federales y de Nueva York.
A la luz de la investigación y los hallazgos del Departamento, el Departamento proporciona los siguientes principios que los aseguradores deben usar como guía para el uso de fuentes de datos externas en la suscripción.
Primero, una aseguradora no debe usar una fuente de datos externa, algoritmo o modelo predictivo en la suscripción o calificación, a menos que la aseguradora haya determinado que las herramientas externas o las fuentes de datos no recopilan ni utilizan criterios prohibidos. Una aseguradora no puede simplemente basarse en el reclamo de no discriminación de un proveedor o en la naturaleza propietaria de un proceso de terceros como justificación para no determinar independientemente el cumplimiento de las leyes contra la discriminación. La carga recae en el asegurador en todo momento.
En segundo lugar, una aseguradora no debe usar una fuente de datos externa, algoritmo o modelo predictivo en la suscripción o calificación, a menos que la aseguradora pueda establecer que las pautas de suscripción o calificación no son injustamente discriminatorias en violación de los Artículos 26 y 42. Al evaluar si una suscripción o calificación La directriz derivada de fuentes de datos externas o información es injustamente discriminatoria, una aseguradora debe considerar las siguientes preguntas:
(1) ¿La guía de suscripción o calificación se deriva, en su totalidad o en parte, de fuentes de datos externas o información respaldada por principios actuariales generalmente aceptados o por experiencia real o razonablemente anticipada que justifique resultados diferentes para solicitantes en situación similar?
(2) ¿Existe una explicación o razón válida para el tratamiento diferencial de solicitantes en una situación similar que se refleja en la guía de suscripción o calificación que se deriva, total o parcialmente, de fuentes de datos o información externa?
Es importante destacar que, incluso si los datos estadísticos se interpretan para respaldar una guía de suscripción o calificación, debe existir una justificación o explicación válida que respalde el tratamiento diferencial de riesgos similares. La segunda parte de esta investigación es particularmente importante cuando no hay un vínculo causal demostrable entre la clasificación y el aumento de la mortalidad y también cuando una guía de suscripción o calificación tiene un impacto dispar en las clases protegidas.
Los datos, los algoritmos y los modelos que pretenden predecir el estado de salud según un número único o limitado de criterios no convencionales también generan inquietudes importantes acerca de la validez de dichos modelos.
Una aseguradora puede establecer pautas y prácticas para evaluar el estado de salud del solicitante e identificar a las personas con mayor riesgo de mortalidad si se basan en principios actuariales sólidos o si están relacionadas con la experiencia real o razonablemente anticipada. Sin embargo, los datos, los algoritmos y el modelo predictivo utilizados por la aseguradora deben ajustarse a los principios establecidos anteriormente y a todos los demás requisitos relevantes de las leyes federales y de Nueva York. Un asegurador no puede confiar en datos externos o algoritmos o modelos predictivos externos, a menos que el asegurador haya determinado que los datos externos o el modelo predictivo están permitidos por la ley o los reglamentos, y se basan en principios o experiencia actuariales sólidos y en una explicación o razón válida.
B. Divulgación al consumidor / Transparencia
La transparencia es una consideración importante en el uso de fuentes de datos externas para suscribir seguros de vida. De conformidad con la Ley de Seguros § 4224 (a) (2), los aseguradores deben notificar al asegurado o posible asegurado el derecho a recibir la razón específica o razones de una declinación, limitación, diferencial de tasa u otra decisión adversa de suscripción. Una decisión de suscripción adversa incluiría la incapacidad de un solicitante para utilizar un proceso de suscripción acelerado, acelerado o algorítmico en lugar de una suscripción médica tradicional. Cuando una aseguradora esté utilizando fuentes de datos externas o modelos predictivos, la razón o las razones proporcionadas al asegurado o al posible asegurado deben incluir detalles sobre toda la información en la que el asegurador basó cualquier declinación, limitación, diferencial de tasa u otra decisión de suscripción adversa. incluida la fuente específica de la información en la que el asegurador basó su decisión adversa de suscripción. Una aseguradora no puede confiar en la naturaleza propietaria de los procesos algorítmicos de un proveedor externo para justificar la falta de especificidad relacionada con una acción de suscripción adversa. Las aseguradoras también deben notificar y obtener el consentimiento de los consumidores para acceder a datos externos, según lo exija la ley o el reglamento. El hecho de no divulgar adecuadamente los elementos materiales de un proceso de suscripción acelerado o algorítmico, y las fuentes de datos externas en las que se basa, a un consumidor puede constituir una práctica comercial desleal según el Artículo 24 de la Ley de Seguros. Una aseguradora no puede confiar en la naturaleza propietaria de los procesos algorítmicos de un proveedor externo para justificar la falta de especificidad relacionada con una acción de suscripción adversa. Las aseguradoras también deben notificar y obtener el consentimiento de los consumidores para acceder a datos externos, según lo exija la ley o el reglamento. El hecho de no divulgar adecuadamente los elementos materiales de un proceso de suscripción acelerado o algorítmico, y las fuentes de datos externas en las que se basa, a un consumidor puede constituir una práctica comercial desleal según el Artículo 24 de la Ley de Seguros. Una aseguradora no puede confiar en la naturaleza propietaria de los procesos algorítmicos de un proveedor externo para justificar la falta de especificidad relacionada con una acción de suscripción adversa. Las aseguradoras también deben notificar y obtener el consentimiento de los consumidores para acceder a datos externos, según lo exija la ley o el reglamento. El hecho de no divulgar adecuadamente los elementos materiales de un proceso de suscripción acelerado o algorítmico, y las fuentes de datos externas en las que se basa, a un consumidor puede constituir una práctica comercial desleal según el Artículo 24 de la Ley de Seguros.
III. Conclusión
El Departamento respalda los esfuerzos para mejorar la efectividad y puntualidad de las decisiones de suscripción de seguros con el fin de proporcionar a los consumidores un mayor acceso a los servicios financieros de conformidad con la ley. Por consiguiente, una aseguradora no debe usar fuentes de datos, algoritmos o modelos predictivos externos para la suscripción o calificación, a menos que la aseguradora haya determinado que los procesos no recopilan o utilizan criterios prohibidos y que el uso de fuentes de datos, algoritmos o modelos predictivos externos no es injustamente discriminatorio El asegurador debe establecer que las fuentes de datos externos, los algoritmos o los modelos predictivos se basan en principios actuariales sólidos con una explicación o razón válida para cualquier correlación declarada o conexión causal.
El Departamento se reserva el derecho de auditar y examinar los criterios, programas, algoritmos y modelos de aseguramiento de una aseguradora, incluso dentro del alcance de los exámenes regulares de conducta del mercado, y tomar medidas disciplinarias, incluidas multas, revocación y suspensión de la licencia, y el retiro de formas de productos.
Dirija cualquier pregunta relacionada con esta carta circular a: Peter Dumar, abogado jefe de seguros, Life Bureau, Departamento de Servicios Financieros del Estado de Nueva York, One Commerce Plaza, Albany, Nueva York 12257 o por correo electrónico a peter.dumar@dfs.ny.gov .
Sinceramente
James Regalbuto Director
Adjunto de Seguros de Vida
Adjunto de Seguros de Vida
1. La historia criminal solo incluye condenas pasadas o asuntos criminales pendientes. No incluye arrestos, súplicas o encarcelamientos anteriores por los cuales una persona no fue condenada por ningún delito; o historial de disputas civiles, tales como apariciones en tribunales de vivienda, litigios civiles, embargos, bancarrota, etc. Vea la Ley Ejecutiva § 296 (16). La historia criminal incluye ser sancionada por el gobierno de los Estados Unidos (o por cualquier agencia del mismo), o por cualquier organización internacional de la cual el gobierno de los Estados Unidos (o cualquiera de sus agencias) sea miembro, por lavado de dinero, terrorismo, tráfico, etc.
sábado, 2 de marzo de 2019
Cultura y Economía del Envejecimiento
Hablamos con una de las mayores autoridades intelectuales y científicas en la investigación predictiva de la longevidad y la cultura del envejecimiento, y que preside la Escuela de Pensamiento de Fundación Mutualidad Abogacía.
Gracias a las reflexiones de José Miguel Rodríguez-Pardo, vamos a conocer con mayor detalle el contenido de este nuevo proyecto de la Mutualidad, que nace con la vocación de aportar conocimiento y ser una llamada de atención a la falta de conciencia de la sociedad sobre la cuarta edad o Gran Edad.
Para los que todavía no han oído hablar de este nuevo proyecto de la Mutualidad, defínanos qué es la Escuela de Pensamiento de la Fundación Mutualidad Abogacía.
La entrevista integra se puede leer en
Suscribirse a:
Entradas (Atom)