Tool: Fair Insurance Framework Serious Game
Welke vorm heeft de tool?
Een online serious game over eerlijk en rendabel gebruik van algoritmes in de verzekeringssector. Je krijgt verschillende dilemma’s en op het einde een score voor hoe eerlijk en rendabel jouw keuzes waren.
Wat is het doel van de tool?
De serious game is een toegankelijke manier om kennis te maken met de complexiteit van AI in de verzekeringssector. Het kan gebruikt worden als conversation starter binnen een bedrijf om zo eenzelfde taal te gaan spreken over de problematiek rond AI. Of ter introductie aan externe of nieuwe medewerkers.
Voor wie is de tool bedoeld?
Managers, Beleidsmaker, Data Scientist, Communicatie, Nieuwe Medewerkers; in de verzekeringsector of daarbuiten als fairness relevant is.
Zijn er speciale vereisten of benodigdheden voor het inzetten of gebruiken van de tool?
Nee, het is een webapplicatie
Gebruikservaring: Kun je vertellen hoe je de tool in de praktijk gebruikt hebt, en met welk doel? Wat beviel er, en wat heb je ervan geleerd?
De game riep leuke discussies op en werkte goed om het gesprek te beginnen. Het gerelateerde Fair Insurance Framework kan worden gebruikt als naslagwerk.
Volwassenheid: is de tool een concept in ontwikkeling, of morgen inzetbaar?
Inzetbaar
Zelfstandigheid: is de tool zelfstandig te gebruiken?
Ja
Bij welke richtlijn uit het manifest sluit de tool aan?
Maak weloverwogen en transparante keuzes; Betrek belanghebbenden en faciliteer tegenspraak
Bij welk uitgangspunt uit het RAAIT manifest sluit de tool aan?
Gelijke kansen en inclusiviteit; Leg regie én verantwoordelijkheid bij de mens
Bij welke uitdaging van Responsible Applied AI past de tool?
AI Literacy (use); Organisation (Context)
Bij welke categorie uit het DOT Framework past de tool?
Workshop; Field; Library; Showroom
Maker
Rijk Mercuur
Contactpersoon van de tool
Rijk Mercuur: rijk.mercuur@hu.nl
Wetenschappelijke publicatie
Mercuur, R., van Otterloo, S., & Aldewereld, H. (2025, July). A Five-Phase Framework for Fair Insurance: Reviewing Strategies for Digital Price Differentiation. In European Workshop on Algorithmic Fairness (pp. 251-264). PMLR. https://proceedings.mlr.press/v294/mercuur25a.html