Autor: Glauto Lisboa Melo Junior. Dottorando di Ricerca nell´Università degli Studi di Perugia. glauto.lisboamelojunior@studenti.unipg.it
Resumen: O setor de seguros, com maior ênfase que em outros mercados, incorpora técnicas próprias da era do Big Data. O uso destas técnicas acarreta diferentes impactos aos direitos e interesses dos consumidores. Este artigo visa analisar, sob o atual regramento da União Europeia, as diversas implicações legais e pontos para discussão de se aplicar o aprendizado de máquina, definir perfis de consumidores ou tomar decisões automatizadas no ramo de seguros. Procura ainda oferecer uma precisão desses conceitos partindo da reconstrução de sua compreensão à luz de uma interpretação normativa sistemática. Privilegia ainda a exploração de temas ligados ao uso dessas novas tecnologias, como causalidade, correlação, leis antidiscriminação e discriminação algorítmica, precificação e da noção de consumidor médio.
Palabras clave: novas tecnologias; contratos de seguro; consumidores; aprendizado de máquina; definição de perfis; decisões automatizadas; causalidade e correlação; discriminação; precificação; consumidor médio.
Abstract: The insurance industry, with greater emphasis than in other markets, incorporates new techniques of the Big Data era. The application of these techniques has different impacts on the rights and interests of consumers. This article aims to analyze, under the current European Union regulations, the various legal implications and debating points when applying machine learning, profiling consumers or automated decision-making in the insurance business. The objective is also to offer a precision of these concepts starting from the reconstruction of their understanding in the light of a systematic normative interpretation. The study also focuses on the exploration of themes linked to the use of these new technologies, such as causality, correlation, antidiscrimination laws and algorithmic discrimination, pricing and the standard of average consumer.
Key words: new technologies; insurance contracts; consumers; machine learning; profiling; automated decisions; causality and correlation; discrimination; pricing; average consumer.
Sumario:
I. INTRODUÇÃO.
II. CONCEITUAÇÕES IMPORTANTES.
1. Definição de perfis.
2. Aprendizado de máquina.
3. Tomada de decisão automatizada.
III. COLETA DE INFORMAÇÕES: CONFLITOS FRENTE ÀS DECISÕES TOMADAS COM BASE NA APRENDIZAGEM DE MÁQUINAS E À FORMAÇÃO DE PERFIS DE CONSUMIDORES.
1. Diferenças entre a causalidade e a correlação.
2. Possibilidade de extração de informações com base em correlações.
IV. AS CONDIÇÕES DO RGPD PARA A APLICAÇÃO DE TOMADA DE DECISÃO AUTOMATIZADA NO ÂMBITO DO SETOR DE SEGUROS.
1. Momento da aplicação das condições previstas no RGPD para a tomada de decisão automatizadas.
A) Consequências legais ou outras consequências materiais para o cliente.
B) Nenhum envolvimento humano.
2. Condições que devem ser satisfeitas na tomada de decisões automatizada.
A) Motivos válidos para tomada de decisão automatizada.
B) Nenhum uso de categorias especiais de dados.
C) Direito à intervenção humana e oportunidade de contestar a decisão.
V. DISCRIMINAÇÃO DE PREÇOS E A RECUSA DE FORNECIMENTO COM BASE NO PERFIL.
1. Discriminação de preços com base no que o cliente está disposto a pagar.
2. Discriminação de preços com base nas características do cliente.
VI. A PROIBIÇÃO DE DISCRIMINAÇÃO POR MOTIVOS RACIAIS, ÉTNICOS, DE GÊNERO, RELIGIÃO E OUTROS APLICADA AO APRENDIZADO DE MÁQUINA.
1. Discriminação devido a erros no engajamento do algoritmo.
2. Discriminação por um algoritmo porque certos grupos têm de fato características estatisticamente corretas.
VII. A DEFINIÇÃO DE PERFIS E O SEU IMPACTO NO CONCEITO DE CONSUMIDOR MÉDIO.
VIII. CONCLUSÃO.
Revista indexada en SCOPUS (Q3), REDIB, ANVUR (Clase “A”), LATINDEX, CIRC (B), MIAR, RRDe (Q1), IDR (C3)
Referencia: Actualidad Jurídica Iberoamericana Nº 18, enero 2023, ISSN: 2386-4567, pp. 2134-2165
