Lifecycle managment - waar ligt de rol van de actuaris?
Wie kunstmatige intelligentie (AI) toepast in het actuariële vakgebied, heeft meer nodig dan geavanceerde algoritmen.
Een bruikbare en beheerste AI-toepassing vraagt om vakinhoudelijke expertise, robuuste modelontwikkeling, betrouwbare data, een solide technische infrastructuur en zorgvuldig ingerichte governance. Daarom staat de volledige levenscyclus van een AI-model centraal.
De levenscyclus van een AI-model
Binnen de actuariële praktijk kan een gestructureerde Model Development Life Cycle (MDLC) worden gebruikt. Deze levenscyclus bestaat uit de volgende fasen:
- Probleemdefiniëring: de doelstelling, gebruikers en relevante actuariële, ethische en wettelijke randvoorwaarden vaststellen.
- Dataverzameling en -voorbereiding: data identificeren, verzamelen en beoordelen op kwaliteit, volledigheid en mogelijke bias.
- Exploratieve data-analyse: patronen, uitschieters en mogelijke risico’s in de data onderzoeken.
- Modellering: het model ontwikkelen, trainen en kalibreren.
- Evaluatie en validatie: de prestaties, stabiliteit, betrouwbaarheid en eerlijkheid van het model testen.
- Implementatie: het model binnen de organisatie in gebruik nemen.
- Monitoring en onderhoud: modelprestaties, datakwaliteit en veranderende omstandigheden doorlopend controleren.
- Uitfasering: modellen die niet langer geschikt of relevant zijn gecontroleerd buiten gebruik stellen.
Een AI-model is na de implementatie niet af. Het model moet doorlopend worden gemonitord en waar nodig worden aangepast aan veranderende data, marktomstandigheden en regelgeving.
Governance als randvoorwaarde
De International Actuarial Association (IAA) benadrukt in haar AI Governance Framework dat governance gedurende de gehele levenscyclus nodig is. Het raamwerk onderscheidt drie onderdelen:
- Ontwerp van AI-systemen: aandacht voor eerlijkheid, transparantie en uitlegbaarheid.
- Ontwikkeling van AI-systemen: aandacht voor datakwaliteit, modeltraining en beheersmaatregelen.
- Inzet en monitoring: documentatie, versiebeheer, onderhoud en uiteindelijke uitfasering.
Governance omvat processen en documentatie, maar ook duidelijke rollen en verantwoordelijkheden. Dit sluit aan bij de drielijnsstructuur van bedrijfsvoering, risicobeheer en interne audit. Zorgvuldige vastlegging van risico’s, beheersmaatregelen en besluitvorming is daarbij noodzakelijk.
NIST AI Risk Management Framework
Het NIST AI Risk Management Framework is een internationaal referentiekader. Het onderscheidt vier samenhangende functies:
- Govern: beleid, verantwoordelijkheden en toezicht inrichten.
- Map: de context, stakeholders en risico’s identificeren.
- Measure: prestaties en risico’s meten en beoordelen.
- Manage: geïdentificeerde risico’s beheersen en beperken.
Deze functies ondersteunen organisaties bij het structureel beheersen van AI-risico’s gedurende de volledige levenscyclus van een model. Het raamwerk sluit aan bij bestaande principes voor Enterprise Risk Management en bij actuariële kernwaarden, zoals zorgvuldigheid, uitlegbaarheid en verantwoordelijkheid.
De rol van de actuaris
Actuarissen kunnen in vrijwel iedere fase van de levenscyclus van een AI-model een rol vervullen. Vanuit professionele standaarden beoordelen zij onder meer de geschiktheid van modellen, de kwaliteit van data en aannames, de validatie van modellen en de werking van passende beheersmaatregelen.
Mogelijke verantwoordelijkheden zijn onder meer:
- Bias en ongewenste vertekeningen in historische datasets signaleren.
- Beoordelen of modellen geschikt zijn voor het beoogde actuariële doel.
- Onafhankelijke modelvalidaties uitvoeren of begeleiden.
- Modeldrift en veranderingen in onderliggende datapatronen monitoren.
Daarnaast hebben actuarissen een bredere maatschappelijke verantwoordelijkheid. Zij dragen bij aan het veilige, transparante en verantwoorde gebruik van AI. Ook beoordelen zij of nieuwe technieken in het publiek belang worden ingezet.
Betekenis voor de actuaris
De levenscyclus van een AI-model omvat meer dan modelontwikkeling. Een beheerste toepassing vraagt om een samenhangende aanpak van ontwikkeling, governance, risicobeheersing en monitoring. Voor actuarissen sluit dit aan op hun expertise in modellering, risicobeheer en validatie. Hun professioneel oordeel blijft nodig om te beoordelen of een model geschikt, uitlegbaar en verantwoord is. Tegelijk kent ieder model grenzen. De werking kan veranderen door nieuwe data, marktomstandigheden of regelgeving. Doorlopende monitoring en periodieke herbeoordeling blijven daarom noodzakelijk.
Bronnen
- IAA AITF (2025), Artificial Intelligence Governance Framework.
- NIST (2023), AI Risk Management Framework, NIST AI 100-1.
- The Actuary (2025), Check your AI: a framework for its use in actuarial practice.