Contingent Capital Insurans: Dipacu Data & AI

Kerugian bencana yang diinsuranskan kini kerap melepasi AS$100 bilion setahun—dan 2025 menjadi tahun keenam berturut-turut paras itu ditembusi. Bila angka sebesar ini dah jadi “normal baharu”, cara syarikat insurans dan reinsurans melindungi kunci kira-kira pun tak boleh statik.

Sebab itu berita pada 18/12/2025 tentang SCOR memperbaharui semula kemudahan contingent capital untuk kali kelima (nilai €300 juta, tempoh 2026–2028) sebenarnya lebih besar daripada sekadar pengumuman korporat. Ia contoh jelas bagaimana pengurusan risiko moden bergerak ke arah perlindungan modal yang lebih dinamik, dipacu data, dan semakin sesuai untuk digandingkan dengan AI dalam insurans dan pengurusan risiko.

Artikel ini pecahkan apa maksud contingent capital, kenapa ia penting dalam era bencana iklim + risiko mortaliti, dan yang paling praktikal: bagaimana AI boleh jadikan strategi ini lebih tepat, lebih pantas, dan lebih kos efektif.

Kenapa SCOR ulang pembaharuan buat kali kelima?

Jawapan ringkasnya: contingent capital ialah “payung modal” yang hanya terbuka bila ribut betul-betul melanda—dan SCOR nak kepastian payung itu tersedia.

Dalam kes SCOR, kemudahan ini melindungi tiga perkara yang boleh menggoncang kunci kira-kira:

1. Kerugian bencana alam ekstrem (natural catastrophe)
2. Peristiwa mortaliti ekstrem (extreme mortality)
3. Kejatuhan besar harga saham (komponen “market trigger” yang jarang dibincang di luar kalangan modal pasaran)

Apa yang menarik, ini bukan eksperimen baharu. SCOR telah menggunakan struktur seumpama ini sejak 2010. Malah kemudahan awal itu pernah dicetuskan pada 2011, membolehkan SCOR membuat pengeluaran €75 juta, kemudian “top-up” semula pada 2012. Ini bagi saya bukti paling kuat: bila trigger berlaku, instrumen ini memang berfungsi—bukan sekadar teori.

Pembaharuan terkini mengekalkan saiz €300 juta, tempoh tiga tahun (2026 hingga 2028), dan mengehadkan pencairan ekuiti (dilution) kepada maksimum 10%.

Apa sebenarnya contingent capital dalam konteks reinsurans?

Jawapan ringkas: contingent capital ialah perjanjian yang membolehkan syarikat “mendapat modal baharu” secara automatik selepas kejadian tertentu, biasanya melalui instrumen seperti share warrants yang dilanggan pihak modal pasaran.

Bezanya dengan retrocession dan cat bond

Dalam dunia reinsurans, SCOR dan pemain besar lain biasanya bina “menara perlindungan” menggunakan beberapa lapisan:

• Retrocession: reinsurans untuk reinsurer (lebih tradisional)
• Catastrophe bonds / ILS: pindah risiko ke pasaran modal (lebih berstruktur)
• Sidecar: kenderaan modal untuk mengambil bahagian portfolio risiko
• Contingent capital: fokus kepada suntikan modal apabila trigger berlaku, bukan semata-mata pampasan tuntutan

Kalau retrocession dan cat bond lebih dekat dengan idea “siapa bayar tuntutan bila bencana berlaku”, contingent capital lebih dekat dengan “macam mana saya pastikan solvency kekal sihat selepas bencana + pasaran panik”.

Kenapa trigger saham dimasukkan?

Ini bahagian yang ramai terlepas. Selepas bencana besar, bukan sahaja tuntutan naik—sentimen pasaran pun boleh menjunamkan harga saham. Jika harga saham jatuh teruk, kos untuk raise capital melalui pasaran terbuka biasanya menjadi mahal dan mencairkan pegangan pemegang saham.

Contingent capital cuba menyelesaikan masalah itu: modal tersedia mengikut syarat yang dipersetujui awal, bukan ikut mood pasaran.

Satu ayat yang senang diambil petikan: Contingent capital bukan menggantikan insurans; ia menggantikan panik kewangan selepas bencana.

Mengapa bencana + mortaliti kini lebih “sukar dihargakan”

Jawapan ringkasnya: volatiliti meningkat, korelasi berubah, dan data makin kompleks.

1) Risiko bencana alam semakin tidak simetri

Corak bencana bukan sekadar “lebih kerap” atau “lebih kuat”. Yang menyusahkan underwriter ialah taburan kerugian jadi lebih “ekor panjang” (tail risk). Ini yang buat satu kejadian boleh menelan bajet setahun.

2) Mortaliti ekstrem bukan lagi risiko yang boleh dipandang sebagai jarang berlaku

Risiko mortaliti ekstrem berkait rapat dengan:

• wabak/penyakit berjangkit
• krisis kesihatan awam
• gelombang haba (heatwave) dan impak kesihatan
• gangguan sistem kesihatan dan bekalan ubat

Dan ya—dalam perbincangan pengurusan risiko, mortaliti semakin rapat dengan iklim dan mobiliti manusia.

3) Risiko pasaran bergerak serentak

Bencana besar → tuntutan besar → tekanan solvency → harga saham tertekan. Struktur yang ada komponen trigger saham mengakui realiti ini.

Di sinilah AI masuk: bukan untuk “cantikkan dashboard”, tapi untuk kurangkan risiko salah langkah

Jawapan terus: AI boleh meningkatkan ketepatan pemodelan, mempercepat keputusan perlindungan modal, dan memantau trigger secara lebih awal.

Saya selalu lihat organisasi buat silap: mereka ada model bencana, ada model mortaliti, ada model pasaran—tetapi semuanya hidup dalam silo. Contingent capital pula memerlukan pandangan menyeluruh kerana trigger dan impak berlaku merentas domain.

1) AI untuk ramalan risiko bencana: daripada statik kepada “near real-time”

Model bencana tradisional bagus, tetapi banyak yang bergantung pada katalog sejarah dan simulasi yang dikemas kini berkala. AI boleh bantu pada lapisan operasi:

• menggabungkan data satelit, sensor, dan ramalan cuaca
• mengesan perubahan pendedahan (exposure) portfolio mengikut masa
• mengemas kini anggaran kerugian event-based lebih cepat

Kesan praktikal: pasukan risiko boleh menjawab soalan yang sangat bernilai sebelum renewal:

• “Adakah kita patut naikkan had perlindungan untuk Q1 2026?”
• “Portfolio mana yang makin ‘tebal’ di zon banjir/angin ribut?”

2) AI untuk risiko mortaliti: fokus pada isyarat awal (early warning)

Untuk mortaliti ekstrem, AI paling berguna bila ia:

• mengesan corak luar biasa pada tuntutan hayat/kematian (anomaly detection)
• menggabungkan data epidemiologi, mobiliti, dan indikator kesihatan awam
• mensimulasikan senario tekanan (stress scenarios) yang lebih luas daripada “sekali-sekala berlaku”

Dalam bahasa mudah: AI boleh bagi amaran awal bahawa tail risk sedang membesar, walaupun belum lagi muncul dalam angka tuntutan rasmi.

3) AI untuk pengoptimuman kos perlindungan (risk protection cost)

SCOR menyatakan contingent capital memberi manfaat ekonomi bersih berbanding alternatif tradisional tertentu dan membantu optimakan kos perlindungan. AI boleh menyokong ini melalui:

• portfolio optimization (contoh: pilih kombinasi retrocession + cat bond + contingent capital)
• analisis sensitiviti: “kos naik 15% jika kita turunkan attachment point sebanyak X”
• scenario pricing: harga perlindungan ikut taburan kerugian terkini, bukan purata lama

Jika anda CFO atau Head of Risk, ini yang anda mahu: justifikasi angka yang defensible bila bentang kepada lembaga.

4) AI untuk pemantauan trigger dan tindakan automasi

Bila kontrak ada trigger (bencana/mortaliti/saham), organisasi perlukan:

• pemantauan berterusan
• bukti data dan jejak audit
• proses keputusan yang pantas

AI + automasi boleh buat “control tower” yang:

• memantau metrik trigger
• menjana laporan dalaman untuk solvency dan pengurusan krisis
• menyediakan playbook tindakan (siapa buat apa dalam 24 jam pertama)

Bagaimana organisasi di Malaysia boleh ambil pelajaran (walaupun bukan reinsurer global)

Jawapan ringkas: prinsipnya sama—ketahanan modal dan keputusan berasaskan data.

Walaupun contingent capital seperti SCOR lebih lazim untuk pemain besar, idea di sebaliknya boleh diadaptasi oleh:

• syarikat insurans am (banjir, ribut, kebakaran, gangguan perniagaan)
• pengendali takaful (perlindungan keluarga dan kesihatan)
• syarikat korporat besar yang beli perlindungan risiko dan mahu struktur pembiayaan kecemasan

“Checklist” praktikal: jika anda mahu meniru minda SCOR

1. Kenal pasti tail risk utama: banjir, ribut, gangguan rantaian bekalan, mortaliti, cyber (ikut portfolio).
2. Tetapkan metrik trigger dalaman: bukan untuk kontrak sahaja, tetapi untuk keputusan—contoh, ambang kerugian agregat suku tahunan.
3. Bina data mart risiko: satukan data tuntutan, exposure, geografi, kesihatan, dan pasaran.
4. Mulakan dengan AI yang mudah diaudit: model ramalan yang boleh diterangkan (explainable AI) biasanya menang dalam mesyuarat risiko.
5. Uji melalui stress test: jalankan 10–20 senario ekstrem, bukan 2–3.

Satu pendirian saya: AI yang tak boleh dipertahankan dalam audit dan perbincangan regulator hanya akan jadi projek IT, bukan projek pengurusan risiko.

Soalan lazim yang selalu muncul (dan jawapan terus)

Adakah contingent capital sama seperti “pinjaman kecemasan”?

Tidak. Ia lebih dekat kepada modal bersyarat yang diaktifkan bila trigger berlaku, lazimnya melalui instrumen ekuiti seperti waran.

Kenapa had pencairan ekuiti (10%) itu penting?

Sebab ia meletakkan “pagar” kepada pemegang saham: organisasi mendapat modal, tetapi kesan pencairan tidak terbuka tanpa had.

Adakah AI boleh menggantikan model aktuari?

Tidak. AI yang berguna dalam insurans biasanya menguatkan aktuari, bukan mengambil alih. Aktuari menetapkan rangka risiko; AI mempercepat bacaan dunia sebenar dan mengemas kini andaian.

Langkah seterusnya: jadikan pemindahan risiko lebih pintar, bukan lebih rumit

Pembaharuan contingent capital SCOR untuk tempoh 2026–2028 menunjukkan satu realiti: syarikat insurans dan reinsurans yang serius tentang ketahanan modal sedang bina campuran perlindungan—tradisional + pasaran modal + struktur bersyarat.

Bagi siri “AI dalam Insurans dan Pengurusan Risiko”, pengajaran paling bernilai ialah ini: bila perlindungan makin kompleks, data dan AI bukan pilihan—ia keperluan operasi. Tanpa AI, organisasi mudah lambat bertindak, tersalah harga perlindungan, atau terlepas isyarat awal.

Jika anda sedang merancang 2026 (bajet, renewals, ataupun roadmap analitik), cuba tanya pasukan anda satu soalan yang sangat praktikal: apakah keputusan risiko paling mahal yang kita buat tahun ini—dan data/AI apa yang boleh mengurangkan kebarangkalian silap itu pada 2026?