Suscripción de Riesgo de Inundación con IA

Un factor de tarificación de inundación que supera a la zona de la FEMA y se bloquea a sí mismo antes que el examinador del DOI.

FloodProof apunta a una cartera real de siniestros por inundación del NFIP y demuestra que un compuesto de atributos reales del edificio clasifica las pérdidas mejor que la zona de inundación de la FEMA, audita cada variable tarifada por impacto dispar frente a datos demográficos reales del censo y ensambla el paquete de presentación al DOI listo para el examinador. Cuando una variable no cumple la regla del 80%, una puerta de políticas determinista se niega a marcar la presentación como lista y deriva al peor infractor a justificación actuarial humana.

1.69x

Lift fuera de muestra frente a la zona de la FEMA en captura de pérdidas del decil superior

40,615 siniestros reales del NFIP retenidos, Gini 0.31 vs 0.08

$3.1B

Dólares reales de siniestros de edificio pagados fuera de las zonas de alto riesgo de la FEMA (45.9%)

Esta cartera de Harris County, TX, sin modelar

NOT FILING-READY

La puerta bloqueó su propia presentación cuando 5 variables tarifadas no cumplieron la regla del 80%

La propia puntuación compuesta pasa con AIR 0.938

Cada cifra se recalcula en vivo a partir de datos públicos reales en cada ejecución. Atribúyalas a esta cartera de Harris County y a esta partición retenida, no como una garantía de mundo abierto.

La zona de la FEMA tarifica mal ambos lados, y un modelo más inteligente puede hacer fallar la presentación

La tarificación de inundación que se ancla a la Zona AE frente a la Zona X es una pregunta a nivel de propiedad que se responde con un mapa.

Anclar una tarifa de inundación a la zona de inundación de la FEMA cobra de más a la casa elevada dentro de la zona y de menos a la casa sobre losa fuera de ella. La exposición real de la aseguradora es una pregunta a nivel de propiedad que el mapa de zonas no puede responder. En esta cartera real de Harris County, $3.1B (45.9%) de los dólares de siniestros de edificio se pagaron en propiedades que la FEMA clasificó fuera de sus zonas de alto riesgo del Área Especial de Riesgo de Inundación. Eso sale directamente de los datos, sin ningún modelo de por medio.

La respuesta del mercado ha sido comprar un modelo mejor. Pero un factor de tarificación más inteligente es solo la mitad del trabajo. Cualquier tarifa aumentada con IA ahora tiene que superar una revisión de equidad del Departamento de Seguros, porque un factor que clasifica bien la pérdida también puede portar señal demográfica y no cumplir la regla del 80% de la EEOC, enviando una tarifa discriminatoria que el examinador rechazará. La Carta circular 2024-7 del DFS de Nueva York exige pruebas de discriminación por proxy, Colorado exige justificación por variable para las tarifas de seguro impulsadas por IA, y el Boletín modelo de IA de la NAIC ha sido adoptado por 24 o más estados. Un modelo mejor que se autoevalúa no es evidencia, y un modelo mejor que porta señal demográfica es una presentación que se devuelve.

La ingeniería duradera es la infraestructura alrededor del modelo: un backtest no circular, una auditoría de equidad sobre cada variable tarifada y una puerta que o bien produce el paquete de presentación del examinador o se niega a hacerlo. Eso es lo que construimos y lo que la demostración prueba con datos públicos reales.

Cómo funciona FloodProof

Nueve etapas medidas, desde siniestros reales de OpenFEMA hasta un veredicto de presentación determinista. Nada está codificado de forma fija.

Panel del pipeline en vivo de FloodProof que muestra 9 etapas completadas sobre 135,381 siniestros reales: leer registros OpenFEMA en caché, conservar siniestros de edificio pagados, hacer ingeniería de atributos reales del edificio, cargar demografía CDC-SVI y centroides de secciones censales, partir 70/30 con semilla 9 y ajustar el compuesto ridge, hacer backtest contra la zona de la FEMA a 1.694x, contabilizar $3.1B pagados fuera de las zonas de alto riesgo, cribar cada variable por impacto dispar, y una puerta de políticas determinista que devuelve NOT FILING-READY con floors derivado a un humano. — El pipeline de nueve etapas se ejecuta en vivo en cada ejecución. Las cifras críticas para la confianza son numpy puro, calculadas fuera de cualquier marco de agentes.

El motor de puntuación

Un compuesto ridge de atributos reales de edificio de OpenFEMA (edad del edificio, número de plantas, indicador de elevación, código post-FIRM, ocupación, obstrucción) se ajusta en una partición de entrenamiento del 70% y se puntúa en la partición de prueba retenida del 30%. La cobertura asegurada se excluye deliberadamente de la puntuación porque el pago está acotado mecánicamente por ella, lo que haría circular el backtest. La línea base es el ratedFloodZone real y la etiqueta es el amountPaidOnBuildingClaim real, ambos independientes del modelo.

El backtest y la atribución

Los siniestros retenidos se ordenan por el compuesto y por la zona de la FEMA, y el motor informa la captura de dólares de pérdida del decil superior y el Gini de cada uno, junto con una atribución lineal exacta de Shapley de lo que impulsa la puntuación. Una semilla fija (SEED=9) hace reproducible la partición, de modo que la misma ejecución produce las mismas cifras.

La auditoría de equidad

El cribado de impacto dispar se ejecuta sobre cada variable tarifada, la propia puntuación compuesta, la cobertura de edificio asegurada y cada atributo del edificio, frente a la proporción real de minorías a nivel de sección censal del SVI de CDC/ATSDR. Para cada variable calcula el ratio de impacto adverso y si se sitúa dentro de la banda de la regla del 80% de la EEOC [0.80, 1.25].

La puerta de políticas determinista

La presentación se marca como lista solo si la muestra retenida es lo bastante grande, el lift del compuesto sobre la zona de la FEMA supera el mínimo exigido (1.10x o superior) y el ratio de impacto adverso se sitúa dentro de la banda, más una lista de verificación de presentación por estado. Si falla cualquier variable, la puerta emite NOT FILING-READY, nombra al peor infractor y lo deriva a justificación actuarial humana. Denegación por defecto: filing_ready si y solo si hay cero hallazgos bloqueantes.

El equipo LLM opcional

Un equipo Pydantic-AI de un explicador de factores, un justificador de equidad emparejado con un retador adversario y un redactor de memorandos de presentación puede aconsejar, pero la puerta decide. No se requiere clave de API. Los agentes se abstienen cuando no hay ninguna y la demostración determinista no se ve afectada. Cada cifra crítica para la confianza vive en numpy puro, fuera del marco de agentes.

Lo que la demostración demuestra con datos reales

Harris County, TX. Siniestros reales OpenFEMA del NFIP. Cada cifra siguiente se calcula en vivo.

Mapas lado a lado de FloodProof de la misma cartera de Harris County. A la izquierda, siniestros coloreados por tramo de zona de inundación de la FEMA, con el tamaño del punto igual a los dólares reales pagados. A la derecha, los mismos siniestros coloreados por riesgo compuesto de IA, con anillos dorados que marcan los fallos de la FEMA: propiedades que la FEMA clasificó como seguras y que el compuesto puntúa como de alto riesgo. Una insignia roja en la esquina dice Certificado de cumplimiento NOT FILING-READY. — La misma cartera, dos mapas. La vista por zona de la FEMA y la vista por compuesto de IA de los mismos siniestros de Harris County, con los anillos dorados que marcan las propiedades que la FEMA clasificó como seguras y que el compuesto señala como de alto riesgo.

Gráfico de lift fuera de muestra de FloodProof con tarjetas de cifras destacadas: $3125.0M de siniestros reales de edificio pagados fuera de las zonas de alto riesgo de la FEMA, lift de captura del decil superior de 1.694x del compuesto frente a la zona de la FEMA, 45.9% de participación de todos los dólares reales de siniestro fuera de las zonas de alto riesgo, y 40,615 siniestros reales retenidos en el backtest. Un gráfico de barras compara el compuesto de IA contra solo la zona de la FEMA en captura de dólares de siniestro del decil superior y Gini. — El resultado fuera de muestra: lift de captura del decil superior de 1.694x en 40,615 siniestros retenidos, Gini 0.31 vs 0.08.

En los 40,615 siniestros reales retenidos, el compuesto captura 1.69x los dólares de pérdida del decil superior de la línea base de la zona de la FEMA, con Gini 0.31 frente al 0.08 de la zona. Como la puntuación se ajusta en entrenamiento y se lee en la partición retenida, y la línea base y la etiqueta son ambas independientes del modelo, este es un resultado genuinamente fuera de muestra y no uno autoevaluado.

El lift se mantiene robusto aproximadamente en el rango de 1.69x a 1.85x entre semillas aleatorias, así que no es una partición afortunada. El alcance es una cartera de un condado y una partición retenida del 30%, y lo decimos.

La auditoría no pretende que la IA sea el problema. La propia puntuación compuesta cumple la regla del 80% con AIR 0.938, cribada frente a secciones censales reales del SVI de CDC/ATSDR. Pero el cribado se ejecuta sobre cada variable tarifada, y 5 fallan: la peor es el número de plantas con AIR 0.363, seguida del valor asegurado con 0.526 y, de forma llamativa, el propio tramo de zona de la FEMA con 1.467.

Detectar un riesgo de cumplimiento en los datos antes de que lo haga el examinador es el valor. La puerta entonces se niega a marcar la presentación como lista y deriva al peor infractor, floors, a justificación actuarial humana.

Modal del certificado de cumplimiento de FloodProof marcado NOT FILING-READY. Una tabla de impacto dispar criba cada variable de tarificación frente a secciones censales reales del SVI 2022 de CDC/ATSDR: la puntuación compuesta pasa con AIR 0.938, mientras que 5 de las variables tarifadas no cumplen la regla del 80%, la peor siendo floors con 0.363, luego la cobertura de edificio asegurada con 0.526, y el propio tramo de zona de la FEMA con 1.467. Una línea roja indica que el peor infractor floors se deriva a justificación actuarial humana y que la tarifa no se aprueba automáticamente, con una lista de verificación de presentación al DOI por estado debajo. — La auditoría de impacto dispar criba cada variable tarifada. El compuesto pasa con 0.938; 5 variables fallan, incluido el propio tramo de zona de la FEMA.

Documento de presentación al DOI estatal de FloodProof titulado Factor de tarificación de inundación aumentado con IA para la cartera de la aseguradora de Harris County, TX, sellado NOT FILING-READY. Contiene un memorando actuarial, una tabla de backtest fuera de muestra que muestra que el compuesto captura 1.694x los dólares de pérdida del decil superior de la zona de la FEMA con Gini 0.31 vs 0.08 en 40,615 siniestros reales, y una tabla de importancia de atributos con contribuciones lineales exactas de Shapley. — El paquete de presentación al DOI listo para el examinador: memorando actuarial, el backtest fuera de muestra y la atribución de atributos, producido o bloqueado por la puerta.

Dónde encaja FloodProof, con honestidad

Esta es una demostración del mecanismo, no un pipeline desplegado. Aquí está exactamente qué es real y qué es un stub.

Componente	En esta demostración	Estado
Siniestros, demografía, geografía	OpenFEMA FimaNfipClaims (170,803 registros, 135,381 puntuados), CDC/ATSDR SVI 2022, Census Gazetteer 2023	Real, público, sin clave de API
Puntuación, backtest, auditoría de equidad, puerta	Compuesto ridge, lift fuera de muestra y Gini, cribado de impacto dispar, puerta de políticas determinista	Real, numpy puro y Python
Flujos de señal de proveedores (ZestyAI Z-FLOOD, ICEYE SAR-depth)	Adaptadores detrás de un esquema real, divulgados en pantalla como stubs	Stub, reemplazo de producción documentado
Conector Guidewire / Duck Creek	Consulta en caché caliente en /api/score que responde en menos de 50 ms	Stub, no una integración en vivo
Equipo Pydantic-AI (explicador de factores, justificador de equidad, redactor de memorandos)	Narrativa consultiva únicamente; se abstiene sin clave de API	Opcional, consultivo, nunca decide

Hoja de trabajo del factor de tarificación de FloodProof para una sección censal de Harris County, con un control «Obtener factor de tarificación vía conector Guidewire» expandido. El registro de consola lo etiqueta stub guidewire-integration-data-manager y devuelve un factor de tarificación compuesto desde una consulta en caché caliente, divulgado en la IU como un stub y no como una integración en vivo. — La historia de cotización-vinculación en línea es concreta pero honesta: el conector Guidewire es una consulta en caché stub, etiquetada como tal en la IU.

Lo que esta demostración no hace

No ejecuta un flujo en vivo de ZestyAI, ICEYE, First Street, Guidewire o Duck Creek. Esos son stubs.
No afirma cumplimiento ni certificación del DOI. El paquete de presentación es un artefacto de evidencia, no asesoramiento jurídico, y ningún examinador ha aprobado nada.
No presenta una cifra modelada de fuga anual en dólares. El dato honesto de cabecera es el $3.1B real y sin modelar pagado fuera de las zonas de alto riesgo de la FEMA, más el lift fuera de muestra.
No usa rásteres externos (superficie impermeable, DEM, NOAA Atlas-14). El compuesto usa los atributos reales de edificio del propio OpenFEMA; los rásteres son un enriquecimiento futuro documentado.
No tiene clientes, aseguradoras, despliegues, testimonios ni ROI. Ninguna aseguradora nombrada lo ha usado. Es una demostración del mecanismo sobre la cartera de un condado.
No pretende que su propio modelo esté sesgado. El compuesto cumple la regla del 80% con AIR 0.938; el punto es que la auditoría y la puerta detectan las variables que fallan.

Preguntas que hacen los equipos de suscripción y de cumplimiento

¿Esto sustituye los modelos de inundación que ya compramos, como ZestyAI o ICEYE?

No. FloodProof no es otro modelo de inundación que compita con ZestyAI o ICEYE. Es la capa de integración y evidencia que se sitúa alrededor de cualquier modelo que use: un backtest no circular fuera de muestra contra la línea base real de la zona de la FEMA, una auditoría de impacto dispar sobre cada variable tarifada y una puerta determinista que produce el paquete de presentación al DOI listo para el examinador o lo bloquea. Ese valor se sostiene a cualquier calidad de modelo, porque un modelo mejor que se autoevalúa no es evidencia y un modelo mejor que porta señal demográfica es una presentación que su examinador rechaza.

¿Cómo saben que el lift del compuesto sobre la zona de la FEMA no es solo sobreajuste?

El backtest es no circular por construcción. El compuesto se ajusta en una partición de entrenamiento del 70% y se puntúa en el 30% retenido que nunca vio, la línea base es la zona real clasificada por la FEMA y la etiqueta son los dólares reales de siniestro pagados. Tanto la línea base como la etiqueta son independientes del modelo, y la cobertura asegurada se excluye deliberadamente para que la puntuación no pueda hacer trampa con el tope de pago. En 40,615 siniestros reales retenidos del NFIP el compuesto captura 1.69x los dólares de pérdida del decil superior de la línea base de la zona de la FEMA (Gini 0.31 vs 0.08), y el resultado se mantiene aproximadamente en el rango de 1.69x a 1.85x entre semillas aleatorias.

¿Qué hace realmente la puerta cuando una variable de tarificación no cumple la regla del 80%?

Se niega a marcar la presentación como lista. La puerta de políticas es Python determinista con un invariante: filing_ready si y solo si hay cero hallazgos bloqueantes. En esta cartera de Harris County la propia puntuación compuesta cumple la regla del 80% con AIR 0.938, pero la auditoría señala 5 variables tarifadas que fallan, la peor el número de plantas con AIR 0.363. La puerta emite NOT FILING-READY, nombra al peor infractor y lo deriva a justificación actuarial humana en lugar de enviar una tarifa discriminatoria. Los agentes aconsejan, el código decide.

¿Esto se ejecuta sobre datos de siniestros reales o sobre una muestra sintética?

Reales. La demostración se ejecuta sobre 170,803 registros brutos de siniestros OpenFEMA del NFIP de Harris County, Texas, de los cuales se puntúan 135,381 con un siniestro de edificio pagado, más demografía real de secciones censales del SVI 2022 de CDC/ATSDR y el Census Gazetteer 2023. Son datos públicos sin clave de API, almacenados en caché en la primera ejecución. Una salvedad honesta que la demostración divulga en pantalla: la FEMA censura las geocoordenadas de los siniestros aproximadamente al centroide de la sección censal, de modo que el backtest se ejecuta a la resolución que permiten los datos públicos.

¿Los flujos de proveedores y el conector Guidewire están en vivo en esta demostración?

No, y la demostración lo dice en pantalla. Los flujos ZestyAI Z-FLOOD y ICEYE SAR-depth y el conector Guidewire Integration Data Manager son stubs detrás de un esquema real. El endpoint del conector es una consulta en caché caliente que responde en menos de 50 ms para hacer concreta la integración de cotización-vinculación en línea. La vía de producción es el cambio de configuración documentado, no una reescritura, y la afirmación honesta es un stub, no una integración en vivo.

¿«Un factor de tarificación que su examinador del DOI puede aprobar» significa que está certificado como conforme?

No. El paquete de presentación al DOI es un artefacto de evidencia —un memorando actuarial, el backtest fuera de muestra, la atribución de atributos y una lista de verificación por estado—, no una certificación ni asesoramiento jurídico. «El examinador puede aprobar» es el objetivo de diseño, no una garantía de que algún examinador haya aprobado nada. Ninguna aseguradora lo ha usado en producción, y no hay despliegues, clientes ni casos de estudio. A medida que 24 o más estados adoptan el Boletín modelo de IA de la NAIC, el punto es que la puerta produce la prueba que un examinador pide y falla con honestidad cuando los datos no sostienen una presentación.

Investigación técnica

La investigación detrás de esta demostración: la arquitectura, el diseño de verificación y el plano empresarial.

Solución completa

Explorar la solución de suscripción de riesgo de inundación con IA →

Si tarifica el riesgo de inundación, nos gustaría intercambiar impresiones

La zona de la FEMA deja miles de millones fuera de sus líneas, y la revisión de equidad ahora forma parte de la presentación.

Si su equipo está resolviendo cómo poner un factor de tarificación de IA delante de un examinador del DOI sin enviar una variable que no cumpla la regla del 80%, nos gustaría de verdad saber cómo lo están pensando. El problema es de toda la industria y las respuestas también lo serán.

Tarificación de cartera y evaluación de equidad

✓ Backtest no circular fuera de muestra contra su línea base de la zona de la FEMA
✓ Auditoría de impacto dispar sobre cada variable tarifada
✓ Dónde el mapa de zonas tarifica mal su cartera, en dólares de siniestro
✓ Una lectura de qué variables fallarían una revisión del DOI

Construcción del motor de tarificación y presentación

✓ Factor de tarificación compuesto sobre sus atributos reales y flujos de proveedores
✓ Puerta de políticas determinista: filing_ready si hay cero hallazgos bloqueantes
✓ Paquete de presentación al DOI listo para el examinador con listas de verificación por estado
✓ Conector Guidewire o Duck Creek, cambio de configuración no reescritura

Conectar por WhatsApp Enviar un correo a nuestro equipo

Redes sociales

También publicado en

LinkedIn · Empresa LinkedIn · Fundador YouTube Medium Dev.to Substack Instagram Facebook X