Etika & AI dalam Insurans: Standard Profesional Kukuh

Kepercayaan ialah “mata wang” insurans. Tapi realitinya pahit: pada 2023, hanya 12% orang awam menilai tahap kejujuran dan etika jurujual insurans sebagai tinggi—jauh ketinggalan berbanding jururawat (78%) dan hampir setara dengan stereotaip jurujual kereta (8%). Angka ini bukan sekadar statistik; ia cerminan jurang persepsi yang memberi kesan langsung kepada jualan, pembaharuan polisi, dan reputasi industri.

Saya berpendapat ramai pemain industri masih melihat latihan etika (termasuk continuing education / CE) sebagai “urusan lesen”. Sedangkan etika ialah mekanisme kawalan kualiti—seperti audit dalaman—yang menentukan sama ada janji insurans (“kami akan hadir ketika anda paling perlukan”) betul-betul diterjemah dalam amalan.

Dalam siri AI dalam Pendidikan dan EdTech, kita selalu bercakap tentang pembelajaran diperibadikan, analitik prestasi, dan latihan berterusan yang lebih efektif. Kali ini, kita bawa kerangka itu ke dunia insurans dan pengurusan risiko: bagaimana AI boleh menguatkan standard etika, memudahkan pematuhan, mengesan penipuan, dan menjadikan keputusan underwriting/claims lebih telus—bukan untuk menggantikan manusia, tetapi untuk mengekalkan disiplin profesional.

Kenapa CE Etika masih “wajib” walaupun ramai rasa bosan

Jawapan ringkas: kerana undang-undang dan pematuhan saja tak cukup untuk memulihkan kepercayaan. CE etika wujud untuk melatih pertimbangan (judgement) dalam situasi kelabu—tempat paling mudah berlakunya salah laku, salah faham, atau konflik kepentingan.

Dalam banyak bidang profesional, etika bukan setakat “jangan menipu”. Ia merangkumi:

• Keadilan (produk sesuai dengan keperluan, bukan semata-mata komisen)
• Ketelusan (pendedahan terma penting, pengecualian, dan batasan polisi)
• Integriti (tiada manipulasi maklumat semasa permohonan atau tuntutan)
• Tanggungjawab (melindungi pelanggan, rakan sekerja, dan kepentingan awam)

Insurans ialah industri yang dibina atas janji. Bila janji itu terasa “bersyarat” atau “berbelit”, pelanggan bukan saja kecewa—mereka hilang kepercayaan.

Apa yang CE etika cuba betulkan dalam amalan harian

Kebanyakan isu etika dalam insurans muncul dalam situasi yang nampak kecil:

1. Cara menerangkan polisi: pelanggan faham atau sekadar angguk sebab takut nampak “tak tahu”?
2. Cadangan produk: sesuai atau terlebih perlindungan?
3. Dokumentasi: lengkap dan jujur atau “cukup-cukup makan”?
4. Pengendalian tuntutan: adil atau berat sebelah kerana tekanan KPI?

CE etika yang bagus tak sepatutnya jadi slaid panjang yang mengantuk. Ia perlu guna case study sebenar: konflik kepentingan, komisen tersembunyi, “grey area” pendedahan, dan keputusan tuntutan yang mudah dipertikai.

Landskap semasa: etika makin jadi standard yang dikuatkuasakan

Jawapan paling praktikal: CE etika bukan aksesori; ia syarat lesen. Di banyak tempat, keperluan etika lazimnya sekitar 3 jam setiap 2 tahun dalam kitaran CE yang lebih besar. Penguatkuasaan biasanya tegas: denda bagi kredit yang kurang, lesen boleh digantung atau tidak diperbaharui.

Walaupun contoh yang sering disebut dalam perbincangan global datang dari A.S., mesej yang patut kita ambil untuk pasaran serantau (termasuk Malaysia) ialah trend pengawal selia jelas: integriti, perlindungan pengguna, anti-penipuan, dan dokumentasi yang boleh diaudit semakin diberi perhatian.

Kenapa penguatkuasaan etika semakin ketat sekarang

Dua sebab utama:

• Skandal masa lalu mengajar pengawal selia bahawa kepakaran teknikal semata-mata tak mencegah salah laku.
• Produk makin kompleks (rider, pengecualian, penilaian risiko dinamik) membuatkan ruang “keliru pelanggan” semakin besar—dan ruang kelabu itulah tempat masalah mula bercambah.

Di sinilah AI menjadi relevan—bukan sebagai gimik teknologi, tetapi sebagai alat untuk mengurangkan ruang kelabu melalui struktur, bukti, dan jejak audit.

Bukti: latihan etika memang mengubah tingkah laku (bukan teori kosong)

Jawapan berasaskan data: latihan etika yang direka dengan baik mengurangkan salah laku. Kajian terhadap 1.2 juta penasihat kewangan sepanjang 10 tahun mendapati mereka yang melalui peperiksaan pelesenan dengan kandungan etika lebih kukuh adalah 25% kurang berkemungkinan melakukan salah laku kemudian.

Satu lagi dapatan yang saya rasa paling penting: kesan paling kuat berlaku pada awal kerjaya. Ini selari dengan dunia pembelajaran—tabiat yang dibentuk awal lebih mudah kekal.

Dalam organisasi pula, program etika yang berstruktur (latihan berulang, saluran aduan, budaya bercakap benar) biasanya berkait dengan:

• lebih sedikit insiden salah laku
• lebih ramai pekerja berani “raise the flag” bila nampak isu

Terjemahan ringkasnya: etika ialah sistem, bukan poster nilai di dinding.

Di sinilah AI masuk: AI sebagai “penguat etika” dalam insurans

Jawapan terus-terang: AI boleh menguatkan standard profesional bila ia digunakan untuk ketelusan, konsistensi, dan pengesanan risiko—bukan untuk mengaburkan keputusan. Kalau AI digunakan tanpa kawalan, ia boleh jadi punca ketidakadilan. Kalau digunakan dengan betul, ia jadi lapisan disiplin yang sukar dicapai secara manual.

1) Automasi pematuhan: semak dokumen, semak pendedahan, semak proses

Banyak salah laku bermula daripada kecuaian: borang tak lengkap, pendedahan tak jelas, atau rekod komunikasi tidak kemas. AI boleh membantu dengan:

• Semakan pra-hantar: mengesan medan penting yang kosong atau bercanggah (contoh: pekerjaan berisiko tinggi tetapi kelas risiko dipilih rendah)
• Pengesanan bahasa berisiko dalam skrip jualan/nota ejen (contoh: janji berlebihan seperti “confirm lulus”, “pasti boleh claim”)
• Checklist automatik untuk memastikan pendedahan terma kritikal dibuat dan direkod

Hasilnya bukan sekadar “lebih cepat”. Hasilnya ialah lebih konsisten—dan konsistensi ialah asas keadilan.

2) Pengesanan penipuan: lindungi pelanggan jujur, lindungi dana risiko

Penipuan tuntutan bukan sekadar masalah kewangan; ia masalah etika kerana ia memindahkan kos kepada pelanggan yang jujur melalui premium yang naik.

AI boleh mengesan corak yang sukar dilihat manusia, contohnya:

• tuntutan berulang dengan corak masa/lokasi yang mencurigakan
• rangkaian pihak ketiga yang sama muncul dalam banyak kes (bengkel, klinik, vendor)
• anomali dokumen (format, metadata, ketidakselarasan maklumat)

Namun garis etika di sini jelas: AI patut menanda kes untuk semakan, bukan terus menghukum. Keputusan akhir perlu ada semakan manusia dan peluang pelanggan memberi penjelasan.

3) Ketelusan keputusan underwriting & claims: dari “black box” ke “boleh dijelaskan”

Ramai pelanggan marah bukan sebab ditolak semata-mata—tetapi sebab mereka tak faham kenapa.

Prinsip yang saya pegang: kalau anda tak boleh jelaskan alasan keputusan, itu risiko reputasi.

Amalan yang lebih sihat:

• gunakan pendekatan model boleh dijelaskan untuk keputusan kritikal
• sediakan sebab utama (top factors) dalam bahasa mudah
• simpan jejak audit: data apa digunakan, versi model apa, siapa meluluskan

Ini bukan sekadar isu teknologi. Ini isu etika dan perlindungan pengguna.

4) AI untuk latihan etika (EdTech): mikro-pembelajaran yang benar-benar melekat

Dalam konteks AI dalam Pendidikan dan EdTech, CE etika boleh diperbaharui dengan cara yang lebih “hidup”. Bayangkan program latihan yang:

• memberi simulasi kes (contoh: pelanggan salah faham pengecualian; ejen tergoda “ringkaskan” penerangan)
• menilai keputusan peserta dan menerangkan risiko undang-undang/etika secara spesifik
• menyesuaikan modul berdasarkan kelemahan individu (pembelajaran diperibadikan)
• merekod kemajuan untuk audit dalaman dan pematuhan

Ini cara yang lebih jujur: kita akui orang belajar melalui situasi, bukan definisi.

Rangka kerja praktikal: “Etika + AI” yang selamat untuk organisasi insurans

Jawapan yang boleh terus digunakan: gabungkan latihan etika, tadbir urus AI, dan kawalan operasi. Berikut rangka kerja 6 langkah yang saya sering cadangkan.

1) Tetapkan standard keputusan yang adil

Definisikan apa maksud “adil” dalam organisasi anda:

• kriteria underwriting yang konsisten
• layanan tuntutan yang setara untuk kes setara
• toleransi risiko yang jelas (bukan ikut mood atau tekanan)

2) Wujudkan polisi tadbir urus AI

Pastikan ada:

• pemilik model (accountability)
• polisi data (kualiti, privasi, akses)
• jadual semakan bias dan prestasi model

3) Gunakan AI sebagai alat semakan, bukan tukang hukum

Untuk kes berimpak tinggi:

• human-in-the-loop wajib
• prosedur rayuan/semakan perlu jelas

4) Rekodkan “bukti etika” dalam proses

Bukan untuk menyusahkan staf—untuk melindungi semua pihak:

• log keputusan
• ringkasan sebab
• rekod pendedahan terma penting

5) Naik taraf CE: gabungkan literasi AI

CE etika moden patut memasukkan minimum literasi AI:

• apakah bias data
• apa itu drift model
• bila perlu eskalasi kepada semakan manusia

6) Ukur dengan metrik yang betul

Antara metrik yang patut dipantau:

• kadar aduan pelanggan (mengikut produk/agen)
• kadar pembetulan fail (post-audit)
• masa penyelesaian tuntutan vs kadar pertikaian
• kes false positive penipuan (untuk elak menzalimi pelanggan jujur)

Apa yang pembaca boleh buat minggu ini (langkah kecil, impak besar)

Jawapan paling berguna selalunya yang paling mudah dibuat.

• Jika anda pengurus agensi: pilih 2 situasi kelabu yang kerap berlaku dan jadikan ia latihan bulanan 20 minit.
• Jika anda ejen/pegawai tuntutan: mula simpan nota penjelasan standard untuk keputusan penting—bahasa mudah, bukan jargon.
• Jika anda pemilik produk/insurtech: audit satu aliran kerja AI dan tanya, “Kalau pelanggan minta sebab, kita boleh terangkan tak?”

Disiplin kecil yang berulang lebih berkesan daripada kempen besar setahun sekali.

Penutup: Etika bukan modul—ia cara kerja, dan AI boleh membantu

CE etika wujud kerana industri insurans perlu membina semula kepercayaan secara konsisten, bukan secara retorik. Data menunjukkan latihan etika mengurangkan salah laku, terutamanya bila dilakukan pada fasa awal kerjaya dan diulang secara berkala.

Bila AI masuk ke underwriting, tuntutan, dan pematuhan, standard etika tak boleh jadi “lampiran”. Ia mesti jadi reka bentuk asal—dengan ketelusan, audit, dan semakan manusia untuk keputusan yang memberi impak besar.

Untuk siri AI dalam Pendidikan dan EdTech, mesejnya mudah: latihan etika yang dibantu AI boleh jadi lebih praktikal, lebih diperibadikan, dan lebih berkesan—dan itu cara paling realistik untuk menaikkan semula martabat profesional insurans. Jika organisasi anda mahu mulakan, soalan yang patut ditanya hari ini ialah: proses mana paling berisiko dari sudut etika, dan di mana AI boleh membantu kita jadi lebih telus?