Του Γιώργου Συμεωνίδη

Στο πλαίσιο της ταχύτατης διάδοσης της τεχνητής νοημοσύνης (AI) στο χώρο της επιστήμης και καθώς πλησιάζουν οι εξετάσεις στο Πανεπιστήμιο Πειραιώς όπου έχω την τιμή να διδάσκω στο Μεταπτυχιακό της «Αναλογιστικής Επιστήμης και & Διαχείρισης Κινδύνων», μου δημιουργήθηκε η εξής απορία: Είναι το AI ικανό να επιτύχει στις εξετάσεις του μαθήματος Συνταξιοδοτικά Σχήματα και Κοινωνική Ασφάλιση;

Για το λόγο αυτό, έκανα εγγραφή στο ChatGPT και, μετά από λίγη μελέτη, εκπαίδευσα το σύστημα να αντιμετωπίζει τις εντολές που καταχωρώ ως φοιτητής αναλογιστικής επιστήμης και εναλλακτικά, ως σύμβουλος αναλογιστής (actuarial consultant). Έπειτα τροφοδότησα παλαιότερα θέματα εξετάσεων με ελάχιστες τροποποιήσεις στη γλώσσα, και τα παράφρασα αναλόγως με την ανάδραση που μου έδινε το σύστημα, χωρίς όμως να αλλοιώνεται έντονα η αρχική διατύπωση. Τα αποτελέσματα ήταν απίθανα και ομολογώ ότι μόνο δέος μπορεί να νιώσει κανείς μπροστά στην ποιότητα τόσο των αποτελεσμάτων όσο και της τεκμηρίωσης των απαντήσεων.

Δειγματοληπτικά, παραθέτω μερικές από τις απαντήσεις που έλαβα από το AI κατ’ αντιστοιχία με τις υποβληθείσες ερωτήσεις:

Θέμα 1ο: Ποιο είναι το βασικότερο μειονέκτημα του κεφαλαιοποιητικού συνταξιοδοτικού συστήματος;

Η απάντηση που αναμένουμε είναι συνοπτικά «ο κίνδυνος των αγορών», το ρίσκο δηλαδή που ενέχει η επένδυση των χρημάτων των ασφαλισμένων και συνταξιούχων καθώς αυτά επενδύονται στις χρηματαγορές. Ορίστε η απάντηση που έλαβα από το AI:

«Μία από τις μεγαλύτερες προκλήσεις στα κεφαλαιοποιητικά συνταξιοδοτικά συστήματα είναι η διαχείριση του επενδυτικού κινδύνου. Τα χρηματοδοτούμενα συνταξιοδοτικά συστήματα συνήθως επενδύουν τις εισφορές και των συμμετεχόντων στο πρόγραμμα προκειμένου να δημιουργήσουν τις αποδόσεις που απαιτούνται για τη χρηματοδότηση μελλοντικών πληρωμών παροχών. Ωστόσο, οι αποδόσεις αυτών των επενδύσεων μπορεί να είναι εξαιρετικά ασταθείς και εάν οι επενδύσεις δεν αποδώσουν όπως αναμένεται, ενδέχεται να μην υπάρχουν αρκετά χρήματα στο συνταξιοδοτικό ταμείο για να πληρωθούν τα υπεσχημένα οφέλη».

Αποτέλεσμα; Απάντηση επιτυχής!

Θέμα 2ο: Έχετε σωρεύσει ένα ποσό στο τέλος του εργασιακού σας βίου και θέλετε να αγοράσετε μια τμηματική περιοδική καταβολή. Εάν διαλέξετε κυμαινόμενο ποσό στην καταβολή σας, τι είναι πιο πιθανό να συμβεί στο ποσό που λαμβάνετε καθώς πλησιάζετε στο υπολογισθέν προσδόκιμο ζωής κατά τον αρχικό υπολογισμό τη στιγμή της συνταξιοδότησης; Το ποσό θα αυξάνει ή θα μειώνεται;

Η απάντηση είναι ότι βασικά το ποσό θα μειώνεται, καθώς θα πρέπει το κεφάλαιό μας να αρκέσει για το υπόλοιπο της ζωής μας, εκτός και εάν οι αποδόσεις είναι πάρα πολύ καλές, οπότε σε κάποια διαστήματα η μείωση θα αντισταθμίζεται. Και πάλι, το AI μας δίνει ακριβώς αυτή την απάντηση, με μεγάλη μάλιστα ανάλυση και εμβάθυνση.

«Σε ένα πρόγραμμα μεταβλητής δόσης πληρωμής, το ποσό πληρωμής προσαρμόζεται συνήθως με βάση διάφορους παράγοντες, όπως αλλαγές στα επιτόκια, αποδόσεις επένδυσης και αλλαγές στο προσδόκιμο ζωής. Εάν το σχέδιό σας έχει σχεδιαστεί για να προσαρμόζει το ποσό πληρωμής με βάση το προσδόκιμο ζωής, τότε είναι πιθανό το ποσό πληρωμής να μειωθεί καθώς πλησιάζετε το υπολογιζόμενο προσδόκιμο ζωής σας τη στιγμή της συνταξιοδότησης.

Ωστόσο, εάν το πρόγραμμα έχει σχεδιαστεί για να διατηρεί ένα σταθερό ποσό πληρωμής ανεξάρτητα από τις αλλαγές στο προσδόκιμο ζωής, τότε το ποσό πληρωμής πιθανότατα θα παραμείνει το ίδιο. Από την άλλη πλευρά, εάν τα επιτόκια και οι αποδόσεις των επενδύσεων αυξηθούν με την πάροδο του χρόνου, είναι πιθανό το ποσό πληρωμής να αυξηθεί ώστε να αντικατοπτρίζει τις βελτιωμένες αποδόσεις της επένδυσης.»

Αποτέλεσμα; Απάντηση επιτυχής!

Συνέχισα να τροφοδοτώ το AI με προβλήματα από τα αντίστοιχα αναλογιστικά εγχειρίδια, με μικρές τροποποιήσεις, ώστε να είμαι σίγουρος ότι δεν υπάρχουν σε κάποια βάση δεδομένων όμοια. Τα αποτελέσματα ήταν και πάλι ανέλπιστα καλά. Για παράδειγμα, σε πρόβλημα όπως το παρακάτω:

Θέμα 3ο: Η Μαίρη, γεννημένη 1/1/1992, προσλήφθηκε ως risk manager στην Τράπεζα Βήτα την 1/1/2017. Ο μισθός της για το 2022 είναι 20.000 €. Ποιο είναι το κανονικό κόστος την 1/1/22; Δίδονται: κανονική παροχή ίση με 50% του μέσου όρου τριετίας πριν τη συνταξιοδότηση, τόκος 6%, ωρίμανση 5%, καμία έξοδος πέρα από θάνατο, κανονική ηλικία συνταξιοδότησης 65 έτη, μέθοδος Entry Age Normal (και διάφορες παράμετροι υπολογισμού).

Το AI ξεκίνησε αναλύοντας τα βήματα που πρέπει να ακολουθήσουμε ως ενώ παράλληλα παρέθετε τη μέθοδο υπολογισμού και τεκμηρίωνε τις πράξεις που ακολουθούσαν:

«Για να υπολογίσουμε την παροχή στα 65 της Μαίρης, χρειαζόμαστε τον μισθό της για τα επόμενα 43 έτη (65 - 22 = 43), καθώς και τον μέσο όρο του μισθού της για τα τρία προηγούμενα έτη. Ο μισθός της για το 2022 είναι 20.000 €, άρα μπορούμε να υπολογίσουμε τον μισθό της για τα επόμενα 43 έτη ως εξής:»

«Το κανονικό κόστος (normal cost) υπολογίζεται ως το ποσό που απαιτείται για να καλύψει τις μελλοντικές συνταξιοδοτικές υποχρεώσεις της εταιρείας, δηλαδή την αξία των μελλοντικών συντάξεων της Μαίρης, λαμβάνοντας υπόψη το επιτόκιο και τη μελλοντική αύξηση του μισθού της. Η μέθοδος Entry Age Normal λαμβάνει υπόψη την ηλικία της Μαίρης κατά την πρόσληψη και τη χρησιμοποιεί ως αρχή για τον υπολογισμό της συνταξιοδοτικής της παροχής.»

Και συνέχισε παραθέτοντας αποτελέσματα τα οποία δεν ήταν πάντοτε σωστά, αλλά εξαρτιόταν πολλές φορές από την ακριβή διατύπωση που είχε δοθεί.

Αποτέλεσμα; Απάντηση (συχνά) επιτυχής!

Τι μας διδάσκει το μικρό αυτό πείραμα:

Το επάγγελμα του αναλογιστή έχει πάρα πολύ μικρά ποσοστά ανεργίας, είναι καλά αμειβόμενο, αλλά ταυτόχρονα ραγδαία εξελισσόμενο. Στη μικρή του ιστορία με τίτλο “The last Actuary”, για την οποία έλαβε εύφημο μνεία από την Society of Actuaries, ο Mark Farell αναφέρει ότι ο αναλογισμός ως επάγγελμα έχει στον πυρήνα του την αρχή της ικανότητας να προβλέπεις το μέλλον και να αντιμετωπίζει τον κίνδυνο. Σε μια εποχή που όλα εξελίσσονται ταχύτατα, το κέντρο του ενδιαφέροντος μεταφέρεται από την παραδοσιακή, σε νέα πεδία όπως η ενσωμάτωση άλλων επιστημών, η εργασία με big data και οι νέες μέθοδοι εργασίας (π.χ. Agile). Παράλληλα, η μειωμένη αναγνώριση των τυπικών προσόντων σε πολλά επαγγέλματα σε όφελος πιο ουσιαστικών δεξιοτήτων που θα καθίστανται πιο απαραίτητες για τη διεκπεραίωση των εργασιών, απομακρύνουν την οποιαδήποτε αίσθηση εργασιακής ασφάλειας που υπήρχε στο παρελθόν.

Παράλληλα, όπως συχνά επισημαίνω στους φοιτητές, τα hard skills δεν είναι τα μοναδικά που καθορίζουν την εξέλιξη και ανέλιξη ενός επαγγελματία, αλλά είναι εντελώς απαραίτητα και τα soft skills, τα οποία μεταδίδονται δυσκολότερα, αδρανούν πολλές φορές υπό την πίεση της καθημερινότητας, ενώ σε κάποιο βαθμό είναι αδιάσπαστο κομμάτι του ψυχισμού και της ανατροφής των ανθρώπων και παγιώνονται στην παιδική ηλικία, με πολύ μικρή ικανότητα εξέλιξής τους μετέπειτα. Αυτά είναι άλλωστε που – όπως όλα δείχνουν – θα μας διαχωρίζουν πολύ σύντομα από την τεχνητή νοημοσύνη, καθώς η δεύτερη σκέφτεται αλλά –προς το παρόν – δεν αισθάνεται.

Συνολικά, το επάγγελμα του αναλογιστή περνά και θα περάσει σε μια νέα φάση εξέλιξης και εύχομαι να μην αποτύχουμε να εντοπίσουμε την ανάγκη της μετάλλαξής του, καθώς ελλοχεύει ενεργά το ενδεχόμενο της εξαφάνισης, κατά την πάγια αρχή της βιολογίας.

Μπορείτε να διαβάσετε το άρθρο και στα αγγλικά:

Artificial Intelligence (AI): Can it ace an actuarial exam? What does this mean for the actuarial profession?

In the context of the rapid spread of artificial intelligence (AI) in the field of science and as the exams are approaching at the University of Piraeus where I have the honor of teaching the Master's degree in "Actuarial Science and Risk Management", the following question came to me: Is AI able to pass the Pension Schemes and Social Security course exams?

For this reason, I signed up for ChatGPT and, after a bit of study, trained the system to deal with the orders I enter as an actuarial science student and alternatively, as an actuarial consultant. I then fed in past exam questions with minimal changes to the language, and paraphrased them accordingly with the feedback the system gave me, without drastically altering the original wording. The results were incredible and I must confess that one can only feel awe at the quality of both the results and the illustration of the answers.

As a sample, here are some of the answers I received from the AI corresponding to the questions asked:

Topic 1: What is the main disadvantage of the funded pension system?

The answer we expect is, in short, "market volatility", that is, the risk involved in investing the money of the insured and pensioners as it is invested in the market. Here is the response I got from the AI:

“One of the biggest challenges in funded pension systems is managing investment risk. Funded pension schemes typically invest the contributions of plan participants in order to generate the returns needed to fund future benefit payments. However, the returns on these investments can be extremely volatile and if the investments do not perform as expected, there may not be enough money in the pension fund to pay the promised benefits.”

Result; Pass!

Topic 2: You have accumulated an amount of money at the end of your working life and want to buy an annuity. If you choose a variable amount in your payment, what is most likely to happen to the amount you receive as you approach your originally calculated life expectancy at retirement? Will the amount increase or decrease?

The simple answer for a student would be: the amount will be reduced, as our capital should last us the rest of our lives, unless the returns are very good, in which case at some point the reduction will be compensated. Again, AI gives us exactly this answer in great analysis and depth.

“In a variable payment plan, the payment amount is usually adjusted based on various factors, such as changes in interest rates, investment returns and changes in life expectancy. If your plan is designed to adjust the payment amount based on life expectancy, then it is possible that the payment amount will decrease as you approach your estimated life expectancy at retirement.

However, if the plan is designed to maintain a fixed payment amount regardless of changes in life expectancy, then the payment amount will likely remain the same. On the other hand, if interest rates and investment returns increase over time, it is possible that the payment amount will increase to reflect the improved investment returns.”

Result; Pass!

I continued to feed the AI with problems from the respective actuarial textbooks, with slight modifications to make sure there were no duplicates in some database. The results were, again, astonishing! For example, in a problem like the following:

Issue 3: Mary, born 1/1/1992, was hired as a risk manager at Beta Bank on 1/1/2017. Her salary for 2022 is €20,000. What is the normal cost for Mary on 1/1/22? Given: normal benefit equal to 50% of three-year average before retirement, 6% interest, 5% maturity, no exit beyond death, normal retirement age 65 years, Entry Age Normal method (and various calculation parameters).

The AI began by analyzing the steps that need to be followed while providing the calculation method and illustrating the process that followed:

“To calculate Mary's age 65 benefit, we need her salary for the next 43 years (65 - 22 = 43), plus the average of her salary for the previous three years. Her salary for 2022 is €20,000, so we can calculate her salary for the next 43 years as follows:”

"The Normal cost is calculated as the amount required to cover the company's future pension obligations, i.e. the value of Mary's future pensions, taking into account the interest rate and her future salary increase. The Entry Age Normal method takes Mary's age at recruitment into account and uses that as a starting point for calculating her pension benefit.'

Then AI went on to quote results that were not always correct, but often depended on the exact formulation given.

Result; (often) successful – pass!

Key takeaway?

The actuarial profession has very low unemployment rates, is well paid, but at the same time rapidly evolving. In his short story “The last Actuary”, for which he received an honorable mention from the Society of Actuaries, Mark Farell states that the actuarial profession has at its core the principle of being able to predict the future and deal with risk. At a time when everything is evolving rapidly, the center of interest is shifting from the traditional, to new fields such as the integration of other sciences, working with big data and new work methods (e.g. Agile). At the same time, the reduced recognition of formal qualifications in many professions in favor of more essential skills that will become more necessary to carry out tasks in the near future, reduces the sense of job security that existed in the past.

At the same time, as I often point out to university students, hard skills are not the only ones that determine the development and advancement of a professional. Soft skills are absolutely necessary and they are harder to teach, often become inactive under the pressure of everyday life, while in some degree they make up an inseparable part of the psyche and upbringing of people and they are consolidated in childhood, with very little ability to develop them later. Soft skills are - as everything shows – the only thing that will very soon separate us from artificial intelligence, as the latter thinks but - for now - does not feel.

All in all, the actuarial profession is undergoing deep change and will go into a new phase of evolution. I sincerely hope we will not fail to detect the need for its adaptation and mutation, as the possibility of extinction actively lurks, according to biology principles.

Ο Γιώργος Συμεωνίδης είναι Πιστοποιημένος Αναλογιστής, Διδάκτορας των Οικονομικών της Ασφάλισης, Αντιπρόεδρος της Διεθνούς Ένωσης Συμβούλων Αναλογιστών και διδάσκων του Τμήματος Στατιστικής και Ασφαλιστικής Επιστήμης του Πανεπιστημίου Πειραιώς.

Giorgos Symeonidis is a Certified Actuary, PhD in Insurance Economics, Vice-President of the International Union of Actuarial Consultants and lecturer at the Department of Statistics and Insurance Science at the University of Piraeus.