AI Fundamentals
Internationale organisaties stemmen de definitie van een systeem voor kunstmatige intelligentie (AI) steeds meer op elkaar af.
Veel organisaties en beroepsgroepen sluiten aan bij de definitie van de Organisatie voor Economische Samenwerking en Ontwikkeling (OECD):
“An AI system is a machine-based system that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions that can influence physical or virtual environments.”
Voor de actuariële beroepsgroep in Europa is vooral de definitie in de EU AI Act richtinggevend. De EU AI Act biedt een geharmoniseerd kader voor de definitie en regulering van AI-systemen. Deze definitie sluit nauw aan bij internationale standaarden, met name die van de OECD. Het doel is juridische duidelijkheid en consistentie. Internationaal blijven er verschillen. De Europese Unie hanteert een brede en uniforme definitie. De Verenigde Staten leggen meer nadruk op door mensen vastgestelde doelen. China volgt een meer gefragmenteerde benadering via verschillende veiligheids- en technologiewetten.
Volgens de EU AI Act is een AI-systeem een machinegebaseerd systeem dat is ontworpen om met verschillende niveaus van autonomie te functioneren. Het systeem kan zich na ingebruikname aanpassen en genereert op basis van expliciete of impliciete doelstellingen output, zoals voorspellingen, inhoud, aanbevelingen of beslissingen. Die output kan fysieke of virtuele omgevingen beïnvloeden. De Europese Commissie publiceerde in februari 2025 aanvullende richtsnoeren om te verduidelijken wanneer een systeem wel of niet onder deze definitie valt.
Niet elk statistisch of actuarieel model is automatisch een AI-systeem. Traditionele modellen, zoals lineaire regressie, logistische regressie en veel gegeneraliseerde lineaire modellen (GLM’s), vallen mogelijk buiten de reikwijdte als zij geen autonomie, aanpassingsvermogen of zelflerende kenmerken hebben. Beoordeel ieder model daarom zorgvuldig. Zodra een model adaptieve algoritmen of geautomatiseerde leerprocessen bevat, kan het alsnog onder de EU AI Act vallen.
Overzicht van AI-technologieën en -technieken
Voor het actuariële vakgebied zijn de volgende AI-technologieën en -technieken het meest relevant:
Supervised learning
Het model leert op basis van gelabelde trainingsdata. Voorbeelden zijn beslisbomen, random forests en gradient boosting, zoals XGBoost. In de verzekeringspraktijk worden deze technieken onder meer gebruikt voor het modelleren van schadefrequenties en voor pricing.
Unsupervised learning
Het model zoekt patronen in data zonder labels. Voorbeelden zijn clustering, zoals k-means, en dimensiereductie, zoals principalecomponentenanalyse (PCA). Mogelijke toepassingen zijn fraudedetectie en klantsegmentatie.
Generatieve AI en Large Language Models
Deze modellen kunnen tekst genereren, samenvatten en verwerken. Voorbeelden zijn GPT-x en Claude. Binnen het actuariaat worden zij onder meer gebruikt voor het verwerken van contract data, het opstellen van rapportages en het beantwoorden van vragen.
Neurale netwerken en deep learning
Deze complexere modelarchitecturen zijn geschikt voor ongestructureerde data, zoals tekst, beeld en geluid. Recurrente neurale netwerken (RNN’s) en transformers worden gebruikt voor tijdreeksanalyse en taalmodellen.
De geschiktheid van een techniek hangt af van het doel, de beschikbare data en de vereiste uitlegbaarheid. Ook geavanceerde modellen kennen grenzen. De actuariële professional blijft verantwoordelijk voor een zorgvuldige beoordeling van de uitkomsten en voor het professioneel oordeel over het gebruik ervan.
Bronnen
- OECD, Explanatory memorandum on the updated OECD definition of an AI system (EN), OECD Artificial Intelligence Paper. Bekijk het explanatory memorandum.
- International Actuarial Association (IAA), “Artificial Intelligence Governance Framework” (2025). Bekijk het governanceframework.
- Actuarial Association of Europe (AAE), “Navigating Europe’s AI Act: Implications for Actuaries” (2024). Lees hier de paper.