H A I C

I I

By Shanique (Nikki) Hall, CIPR Manager  to be using AI technology to enhance customer experience 
  by  improving  convenience,  transparency,  meliness  and 
I   customer engagement. 
What  was  once  science  fic on  has  fast  become  a  funda-  
mental  part  of  our  everyday  lives.  The  no on  of  ar ficial  There are a number of new and emerging technologies set 
intelligence  (AI),  whether  on  movie  screens  or  in  science- to  revolu onize  the  financial  services  and  insurance  indus-
fic on books, has long been part of our imagina ons. While  try,  including,  telema cs,  IoT,  blockchain,  digital  pla orms  
robots  have  yet  to  take  over  the  world,  the  use  of  AI  has  and AI. These breakthrough technologies are reshaping the 
increased exponen ally across industries over the past sev- insurance industry by providing innova ve ways to measure, 
eral years. The rise in accessible data, increased compu ng  control and price risk; engage with customers; reduce cost; 
capabili es and changing consumer expecta ons has led to  improve  efficiency;  expand  insurability;  and  create  new 
a strong accelera on of AI development. We are now using  products and business models.  
AI  throughout  the  landscape  of  our  lives—o en  without   
realizing it—whether it is Google’s search engine, a  virtual  The  NAIC  recently  formed  the  Innova on  and  Technology 
assistant  (such  as  Apple’s  Siri),  or  online  stores  that  know  (EX)  Task  Force  to  explore  the  technological  developments 
what you want before you log in.   in the insurance sector. The Task Force will provide a forum 
  for  discussion  of  innova on  and  technology  developments 
We have go en so comfortable with technology doing new  in order to educate state insurance regulators on how these 
and amazing things every day we o en do not stop to think  developments  will  affect  consumer  protec on,  insurer  and 
about  the  science  behind  it.  At  its  essence,  AI  can  be  de- producer  oversight,  and  the  state  insurance  regulatory 
fined as the science of making computers do things requir- framework.  
ing  intelligence  when  done  by  humans,  including  learning,   
planning,  reasoning,  problem  solving  and  decision-making.  A I  
Various  AI-related  technologies,  such  as  natural  language  AI  is  the  study  and development by  which  a computer and 
processing (NLP), computer vision, robo cs, machine learn- its systems are given the ability to successfully accomplish a 
ing  and  speech  recogni on,  have  substan ally  progressed  task typically requiring a human’s intelligent behavior. Mer-
over the years to coalesce into systems that do, think, learn  riam-Webster  defines  AI  as  a  branch  of  computer  science 
and con nuously adapt.  dealing  with  the  simula on  of  intelligent  behavior  in  com-
  puters; and the capability of a machine to imitate intelligent 
Consequently,  AI  is  rapidly  evolving  and  crea ng  viable  op- human behavior.  
portuni es for business growth. It is disrup ng and improv-  
ing  organiza ons  across  all  industries,  including  insurance.  Currently,  within  tradi onal  industries,  many  tasks  are 
Companies such as IBM, Apple, Google, Facebook and Ama- achieved  by  humans—for  example,  gathering  informa on, 
zon are leveraging AI pla orms and solu ons for customers,  analyzing data by running a model or using personal judge-
partners and employees. While insurers are in the early stag- ment, and finally making a decision. Algorithms or machines 
es of catching this wave, they are said to be ripe for transfor- are used to assist humans, but the tasks are s ll led by hu-
ma on  in  areas  such  as  underwri ng,  customer  service,  mans.  AI  allows  technology  to  replace  humans  on  all  of 
claims,  marke ng  and  fraud  detec on.  Three-quarters  of  these steps—from data collec on and analysis down to the 
insurance  execu ves  (globally)  believe  AI  will  either  signifi- final decision-making. 
cantly change or completely transform the industry over the   
next  three  years,  according  to  Accenture’s  Insurance  Tech‐ Over the years, scien st have consistently tried to find a way 
nology Vision 2017 report (Accenture Report).  to  bridge  the  gap  between  man  and  machine.  English  com-
  puter  scien st  Alan  Turing  is  widely  considered  to  be  the 
Advances  in  AI  have  also  caught  the  a en on  of  venture  father of AI. In the 1940’s, at the dawn of compu ng, Turing 
capitalists and other investors. InsurTech (technology based  was grappling with the ques on: “Can machines think?”  He 
solu ons  for  insurance)  startups  in  AI  were  one  of  the  later published a paper in 1950 en tled, Compu ng Machin‐
ho est  ckets in 2016. According to the Accenture Report,  ery  and  Intelligence,  in  which  he  described  what  is  now 
the number of InsurTech startups with a focus on big data,  known  at  the  “Turing  Test”  for  determining  whether  a  ma-
AI,  and  the  Internet  of  Things  (IoT)  has  skyrocketed  in  re- chine  is  “intelligent.”  During  this  me,  the  term  AI  had  not 
cent years, a rac ng nearly half of the total funding spent  been coined. John McCarthy later coined the term in 1955, a 
globally  on  Insurtechs  in  2016.  InsurTech  startups  are  said  (Continued on page 3)

2        August 2017|  CIPR Newsle er 

 H A I I C I I (C )

F 1: E A I

1950-1970: AI as a  1980-2000: Military and  2005 onwards: Large tech companies 

concept; no real  academia begin to show  invest in commercial applica ons of 
applica on  interest in AI  AI/machine learning 
Source: PwC Analysis. 

few years a er Alan Turing’s death. Since the advent of the  known as AI (Figure 2 on the following page). They are o en 

Turing Test, it has been widely used as a benchmark to see if  used to describe AI in more detail, alongside the term AI, or 
humans can create machines with a high enough level of AI,  independently.  An  example  of  their  defini on  and  scope  is 
which is “indis nguishable” from humans. In June 2014, Eu- as follows: 
gene Goostman, a Ukrainian chatbot, was the first computer   
program to pass the Turing Test. Goostman managed to con-  Machine  learning  is  a  subfield  of  AI  based  around  the 
vince  10  out  of  30  judges  it  was  a  real  person  during  the  science  and  engineering  of  making  machines  “learn” 
course of a five-minute chat conversa on.  for  themselves.  At  its  most  basic,  machine  learning  is 
  the  prac ce  of  using  algorithms  to  parse  data,  learn 
More  than  60  years  a er  Turing  published  his  paper,  ma- from it, understand it, and then make a determina on 
chines  that  think  like  humans  have  not  yet  arrived,  but  or predic on.  
there are now machines approaching having intelligence to   Deep learning is a type of machine learning using mul -
the  extent  suggested  by  Turing.  AI  technology  has  pro- layered  neural  networks  to  learn  and  improve  upon 
gressed  immensely  and  con nues  to  develop  and  improve  itself  for  next  me,  just  as  humans  would.  It  is  about 
all the  me (Figure 1). It has become increasingly proficient  designing highly complex algorithms that can make ro-
at  performing  tasks  historically  difficult  for  computers  to  bots  intelligent,  such  as  face  recogni on  techniques 
execute,  including  recognizing  images,  iden fying  spoken  used  in  drones  to  detect  and  target  terrorists,  or 
words and using unstructured data.   pa ern  recogni on/computer  vision  algorithms  to  au-
  toma cally pilot a plane, a train, a boat or a car. Deep 
It is important to note AI is not a monolithic subject area. It  learning is used by Google in its voice and image recog-
comprises a number of mechanisms adding to the no on of  ni on algorithms and by Ne lix and Amazon to decide 
what  it  means  to  be  intelligent.  Machine  learning,  deep  what you want to watch or buy next. 
learning  and  natural  language  processing  (NLP)  are  all  ex-
amples  of  terms  rela ng  to  the  collec on  of  technologies 
(Continued on page 4)

August 2017 |  CIPR Newsle er    3    

 H A I I C I I (C )

F 2: C A I *
S :N

* IVR denotes interac ve voice response and RPA denotes robo c process automa ons. 

 NLP  is  another  important  component  of  AI.  NLP  in-  AI’ I I I  
volves  intelligent  analysis  of  wri en  language.  NLP  ap- AI  has  slowly  ingrained  itself  into  our  everyday  lives,  from 
plica ons  a empt  to  understand  natural  human  com- taking full responsibility (as is the case of driverless vehicles) 
munica on, either wri en or spoken, and communicate  and  in  some  cases  in mately  listening  to  our  every  move 
in  return  using  similar,  natural  language.  NLP  is  the  (i.e.,  in  the  home,  with  Amazon’s  Echo).  At  Amazon  Go,  
technology  making  it  possible  for  Alexis,  Siri,  Cortana  Amazon’s  prototype  grocery  store,  customers  can  walk  in, 
and other virtual assistants do their magic.  grab  the  items  they  want,  and  walk  out  without  paying  or 
  wai ng in a checkout line. Amazon will automa cally charge 
The  recent  accelera on  in  AI  is  being  driven  by  excep onal  the customer’s account and send a receipt. Run out of cere-
technological advances along with a major shi  in customer  al? No problem. Amazon Prime customers can place an or-
expecta ons.  Higher  computer  power,  memory  capacity,  der from their phone and get same-day delivery. Consumers 
cloud  compu ng,  big  data  technologies,  and  global  connec- have  come  to expect these  easy, hassle-free  experiences—
vity  of  both  people  and  machines  have  enabled  machines  and AI is powering many of them. 
to  run  complex  algorithms  faster  than  humans  and  handle   
more input data than a human could. Consequently, AI sys- Shaped by their experiences with other industries, insurance 
tems are now able to perform tasks previously requiring hu- customers,  par cularly  millennials,  now  expect  quick  on-
man intelligence, such as visual and speech processing, deci- demand services. However, unlike Amazon and many other 
sion-making and language transla on.   product and service providers, insurance is an industry with 
  low customer engagement. Tradi onally an insurer has just 
The successes of AI are also being facilitated by the massive  two  touch-points  to  interact  with  customers:  the  first  is 
amounts of data we have today. The wealth of data we now  when it sells a product and the second is during the claims 
create is astonishing, and the speed at which data is gener- process. A 2014 Morgan Stanley Research and Boston Con-
ated  has  only  made  data  management  tools  like  AI  all  the  sul ng  Group  study  found  consumers  interacted  less  with 
more  important.  Whether  it  is  structured  or  unstructured  insurers than with any other industry, so the consumer ex-
data  (e.g.,  social  media,  wearables,  telema cs,  sensors,  perience with insurers tends to lag behind others.  
news,  weather  and  traffic  reports),  AI  is  helping  organiza-  
ons make sense of big data. As AI is able to execute com- As such, AI has the poten al to affect the insurance industry 
plex  analyses  and  computa ons  at  a  speed  impossible  for  in mul ple ways. The most obvious areas it can be used in-
humans,  it  generates  faster  insights.  Driverless  cars  create  clude  claims  processing,  underwri ng,  fraud  detec on  and 
roughly 4 terabytes a day of data. Sta s cal models cannot  (Continued on page 5)
handle that amount of data.  
4        August 2017|  CIPR Newsle er 
 H A I I C I I (C )

F 3: F C U C Customer Service and Marke ng 
E P To  improve  customer  experience,  many  insurers  are  in-
ves ng in virtual assistants like chatbots. A chatbot is a digi-
tal  service  capable  of  holding  natural  sounding  conversa-
ons with human beings with the aim of accomplishing par-
cular tasks, such as answering ques ons. Two-thirds of the 
insurance execu ves surveyed in the Accenture Report said 
they now use some sort of chatbot in at least one business 
area to create be er customer interac ons.  
 
Chatbots  are  powered  by  NLP  to  converse  with  customers 
using  mobile  apps  and  messaging  pla orms  such  as 
WhatsApp  and  Facebook  Messenger.  They  answer  ques-
ons, give basic advice, and address common inquiries and 
transac ons—freeing  up  human  reps  to  handle  the  more 
complicated  situa ons  and  saving  consumers  me  from 
having  to  navigate  their  way  around  complicated  websites 
or  me-consuming  contact  centers  (Figure  3).  Moreover, 
chatbots are accessible around the clock with no hold  mes.  
 
One  example  is  Geico’s  virtual  assistant  “Kate,”  which 
launched  earlier  this  year.  Kate  answers  basic  policy  and 
billing ques ons within the app like, “Do you want to know 
the  current  balance  on  your  auto  insurance  policy?,”  or, 
“What about the date of your next payment?” Another ex-
ample  is  Allstate’s  chatbot,  the  Allstate  Business  Insurance 
Expert (or ABle). ABle walks customers through the quo ng 
process and retrieves documents for agents. 
 
Claims Management and Fraud Detec on 
AI is also changing the way claims are processed. By leverag-
ing AI technology to help manage claims, insurers are look-
ing to reduce the  me it takes for a claim to be processed, 
and,  in  turn,  reduce  the  handling  costs,  while  improving 
customer service. The Accenture Report notes insurers have  customer experience. Claims management can be augment-
begun to use AI technologies as a tool to help improve over- ed using machine learning techniques in different stages of 
all customer experience, with the technology enhancing the  the  claim  handling  process.  For  example,  machine  learning 
way  sales  and  services  are  executed,  facilita ng  faster  models can help automa cally assess the severity of damag-
claims  processing,  and  enabling  more  accurate  individual  es and predict the repair costs from historical data, sensors 
risk-based underwri ng processes.  and images. 
   
Moreover,  insurers  are  si ng  on  a  treasure-trove  of  big  Metromile, a pay-per-mile car insurer, recently launched an 
data,  the  main  ingredient  AI  requires  to  be  successful.  automated claims system designed to speed up the process 
When asked about the benefits of embedding AI into their  of  verifying  and  paying  out  claims.  Its  new  AI-powered 
interfaces,  more  than half  of  the  insurance  execu ves  sur- claims assistant, AVA, promises to verify and resolve claims 
veyed  in  the  Accenture  Report  cited  be er  data  analysis  in seconds. AVA will also soon be able to issue instant pay-
and insight. The abundance of data fused with unstructured  ments and assist with scheduling repairs. Another example 
data  can  be  leveraged  to  increase  customer  engagement,  is  Zurich  Insurance,  which  is  deploying  AI  in  deciding  per-
create  more  personalized  service  and  more  meaningful  sonal  injury  claims.  Its  chairman  recently  noted  “We  re-
marke ng  messages,  sell  the  right  product  to  customers  cently  introduced  AI  claims  handling  ...  and  saved  40,000 
and actually target the right customer.   (Continued on page 6)
 

August 2017 |  CIPR Newsle er    5    

 H A I I C I I (C )

work hours, while speeding up the claim processing  me to  Underwri ng 

five seconds.”  Underwri ng is fundamental for every kind of insurance poli-
  cy. An insurer’s capacity to underwrite risk effec vely, that is 
Earlier this year, peer-to-peer insurer Lemonade reported a  to assess all risk factors present in a given policy and to price 
claim handling world record—3 seconds and no paperwork.  accordingly, is crucial. Factors like health history, age, gender 
According  to  Lemonade,  a  policyholder  submi ed  a  the   and  lifestyle  are  all  cri cal  components  of  an  underwri ng 
claim  for  a  $979  Canada  Goose  Langford  Parka  on  Dec 23,  assessment.  AI  can  help  move  underwri ng  from  a  manual 
2016.  Within  seconds,  AI  Jim,  Lemonade’s  AI  claims  bot,  process  predicated  on  historical  data  to  an  automated  pro-
reviewed the claim, cross referenced it with the policy, ran  cess using real- me data from thousands of sources to help 
18  an -fraud algorithms  on it,  approved  it  and  sent  wiring  insurers build a fuller picture of their customers.  
instruc ons  to  the  bank,  informing  the  policyholder  the   
claim was paid at replacement cost and closed. However, it  In health  insurance,  for example, data  from wearable devices 
is  important  to  note  the  claims  process  is  highly  complex  such  as  Fitbit  can  track  a  customer’s  ac vity.  AI  technologies 
and is seldom as simple as this example.   can analyze this wealth of informa on quickly and accurately. 
  However,  while  AI  can  help  improve  and  speed  up  under-
In  addi on, AI  is  expected to  reduce  the  instance  of  insur- wri ng, most agree it can not replace expert human insight and 
ance fraud by flagging suspicious claims. One of the biggest  should be viewed as a means to augment human capabili es.  
sources  of  frustra on  for  insurance  agents  lies  in  trying  to   
iden fy  fraudulent  claims.  Insurers  can  leverage  AI  using  These areas of AI are all just the beginning. AI technology is 
intelligent automa ons, self-learning and analyzing pa erns  self-learning.  This  means  over  me  the  systems  can  adapt, 
to help iden fy fraudulent claims. AI can help to match in- capture  data  and  improve  their  own  analysis  capabili es. 
forma on  from  the  claim  to  the  policy  and  checks  for  red  Moreover,  advances  in  AI  extend  far  beyond  cool  social 
flags alongside the agent. In addi on, AI understands previ- apps. Thanks to great progress in deep learning, AI is making 
ous  behavioral  pa erns  of  a  customer  and  can  detect  inroads in fields of computer vision (e.g., where computers 
pa erns  or  ac vi es  with  a  high  probability  to  be  fraudu- understand  the  content  and  context  of  images).  For  exam-
lent otherwise invisible to the human eye.   ple,  medical  startups  claim  they  will  soon  be  able  to  use 
  (Continued on page 7)

F 4: T N I T F F
AI, B D I T I S

Big Data Analy cs  AI  IoT 

Source: Accenture. 

6        August 2017|  CIPR Newsle er 

 H A I I C I I (C )

computers to read X-rays, MRIs, and CT scans more rapidly  A A  
and accurately than radiologists. Be er image recogni on is 
also crucial to unleashing improvements in robo cs, auton- Shanique (Nikki) Hall is the manager of 
omous drones, and self-driving cars.   the  NAIC  Center  for  Insurance  Policy 
  and  Research  (CIPR).  She  joined  the 
C   NAIC  in  2000  and  currently  oversees 
Over the years, we have seen en re industries transformed  the  CIPR’s  primary  work  streams,  in‐
cludingthe  CIPR  Newsle er;  studies; 
due  to  new  technologies—from  music  to  banking,  publish-
events; webinars and website. Ms. Hall 
ing,  travel  and  even  taxis.  Insurance  is  now  grappling  with 
has  extensive  capital  markets  and 
the risks and opportuni es of new technologies. The emer- insurance  exper se  and  has  authored 
gence  of  AI  is  a  powerful  form  of  technology  with  the  po- copious  ar cles  on  major  insurance 
ten al  to  disrupt  the  en re  insurance  value  chain.  So  far,  regulatory  and  public  policy  ma ers.  She  began  her  career  at 
the  impact  of  AI  in  insurance  has  been  minimal.  However,  J.P. Morgan Securi es as a research analyst in the Global Eco‐
the  adop on  of  AI  within  insurance  is  gaining  momentum  nomic  Research  Division.  At  J.P.  Morgan,  Ms.  Hall  analyzed 
and has been an important catalyst for insurers to improve  regional economic condi ons and worked closely with the chief 
their services to remain compe ve.   economist  to  publish  research  on  the  principal  forces  shaping 
the  economy  and  financial  markets.  Ms.  Hall  has  a  bachelor’s 
 
degree in economics from Albany State University and an MBA 
AI  was  one  of  the  most  popular  themes  in  InsurTech 
in financial services from St. John’s University. She also studied 
startups last year. According to CB Insights, total funding to  abroad at the London School of Economics. 
InsurTech  startups  in  2016  hit  $1.7  billion.  Big  data/
analy cs,  AI  and  the  IoT  collec vely  accounted  for  70%  of 
the total value invested. In addi on, analysis of data on 450  Bibliography: 
Insurtech deals over the last three years found deals based   Accenture’s  Technology  Vision  for  Insurance  2017.  April  2017.  Re-
trieved  from:  h ps://s3.amazonaws.com/assets.accenture.com/PDF/
on AI and IoT rose by 79% last year (Figure 4 on the previ- Accenture‐Tech‐VisionReport‐2017.PDF. 
ous page). It will be essen al for state insurance regulators   Ahmadi,  Babak.  “How  Ar ficial  Intelligence  is  Change  the  Insurance 
to  engage  with  InsurTechs  to  understand  the  future  direc- Business.” Feb. 13, 2017. Retrieved from www.medium.com. 
on of the industry, as well as the kind of improvements AI   Barton,  David.  “Why  the  Insurance  Industry  is  turning  to  Machine 
is having in the Insurtech space.  Learning.”  Innova on  Enterprise.  Retrieved  from:  h ps://
channels.theinnova onenterprise.com/ar cles/why‐the‐insurance‐
  industry‐is‐turning‐to‐machine‐learning. 
While  AI  provides  opportuni es  for  tradi onal  insurers  to   Copeland,  Jack.  “What  is  Ar ficial  Intelligence.”  AlanTuring.net.  Re-
modernize  themselves,  a  number  of  obstacles  to  its  adop- trieved  from:  www.alanturing.net/turing_archive/pages/reference%
on  in  the  insurance  industry  remain.  Implemen ng  AI  is  20ar cles/what%20is%20ai.html. 
not  straigh orward.  Insurers  face  challenges  integra ng AI   Corea,  Francesco.  “Why  AI  Will  Transform  Insurance.”  Insurance 
Thought  Leadership.  Jan.  1,  2017.  Retrieved  from:  h p://
into  their  exis ng  technology  due  to  issues  such  as  data  insurancethoughtleadership.com/why‐ai‐will‐transform‐insurance/. 
quality,  privacy  and  infrastructure  compa bility,  according    “How  Insurers  Can  Harness  Ar ficial  Intelligence.”  Cognizant.  July 
to  the  Accenture  Report.  Regula on  is  also  an  important  2016. Retrieved from: www.cognizant.com/whitepapers/how‐insurers
factor. Machine learning algorithms can parse through mas- ‐can‐harness‐ar ficial‐intelligence‐codex2131.pdf. 
sive amounts of data, generate predic ons and make deci-  Hughes  Neghaiwi,  Brenna.  “Zurich  Insurance  starts  using  robots  to 
decide personal injury claims.” Reuters.  May 18, 2017. 
sions  without  the  ability  to  explain  to  humans  what  it  is 
doing. Transparency will be needed as insurers will have to   “Insurance  and  Technology:  Evolu on  and  Revolu on  in  a  Digital 
World.” Morgan Stanley. September 8, 2014.  
explain  the  pricing  policies  to  their  customers.  “The  com-
 Noto, Grace. “The Future  of InsurTech? AI and IoT, Says Accenture.” 
puter said so” is not an acceptable answer.  Bank Innova on. Retrieved from: h p://bankinnova on.net/2017/03/
  the‐future‐of‐insurtech‐ai‐and‐the‐iot‐says‐accenture/ 
In  the  short-term,  AI  can  help  insurers  automate  some  of   Novarica  Research  Quarterly.  Q4  2016.  Retrieved  from:  h ps://
the  rou ne  administra ve  processes  done  manually  and  novarica.com/ai‐in‐insurance/. 
could help  with  underwri ng,  fraud  and claims  processing.   Sun, Alex. “How chatbots can se le an insurance claim in 3 seconds.” 
VentureBeat.  May  2017.  Retrieved  from:  h ps://
In  the  long-term,  as  AI  technology  evolves,  insurers  may  venturebeat.com/2017/05/27/how‐chatbots‐can‐se le‐an‐insurance‐
need to not only address data quality and privacy concerns,  claim‐in‐3‐seconds/ 
but also revamp their IT architectures to support AI features    TALLT  InsurTech  Disrup on  Trends  2017.  Retrieved  from: 
and technical dependences. They will need to iden fy part- www.tallt.ventures/wp‐content/uploads/2017/05/Insurtech‐
Disrup on‐Trends‐2017_vFINAL.pdf. 
ners, hire or train for new skill sets, and put new develop-
 “Why  the  Insurance  Industry  Can’t  Risk  Overlooking  Ar ficial  Intelli-
ment processes and infrastructure in place.   gence.” Harvard Business Review. Nov. 22, 2016. 
   
August 2017 |  CIPR Newsle er      7    
 
 
 NAIC Central Office
Center for Insurance Policy and Research
1100 Walnut Street, Suite 1500 
Kansas City, MO 64106-2197 
Phone: 816-842-3600    
Fax: 816-783-8175
http://www.naic.org http://cipr.naic.org

To subscribe to the CIPR mailing list, please email CIPRNEWS@NAIC.org or SHALL@NAIC.ORG

© Copyright 2017 Na onal Associa on of Insurance Commissioners, all rights reserved. 

 
The  Na onal  Associa on  of  Insurance  Commissioners  (NAIC)  is  the  U.S.  standard-se ng  and  regulatory  support  organiza on  created  and  gov-
erned by the chief insurance regulators from the 50 states, the District of Columbia and five U.S. territories. Through the NAIC, state insurance 
regulators  establish  standards  and  best  prac ces,  conduct  peer  review,  and  coordinate  their  regulatory  oversight.  NAIC  staff  supports  these 
efforts  and  represents  the  collec ve  views  of  state  regulators  domes cally  and  interna onally.  NAIC  members,  together  with  the  central  re-
sources of the NAIC, form the na onal system of state-based insurance regula on in the U.S. For more informa on, visit www.naic.org. 
 
The views expressed in this publica on do not necessarily represent the views of NAIC, its officers or members. All informa on contained in 
this document is obtained from sources believed by the NAIC to be accurate and reliable. Because of the possibility of human or mechanical error 
as well as other factors, however, such informa on is provided “as is” without warranty of any kind. NO WARRANTY IS MADE, EXPRESS OR IM‐
PLIED, AS TO THE ACCURACY, TIMELINESS, COMPLETENESS, MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OF ANY OPINION
OR INFORMATION GIVEN OR MADE IN THIS PUBLICATION.

This publica on is provided solely to subscribers and then solely in connec on with and in furtherance of the regulatory purposes and objec ves 

of the NAIC and state insurance regula on. Data or informa on discussed or shown may be confiden al and or proprietary. Further distribu on 
of this publica on by the recipient to anyone is strictly prohibited. Anyone desiring to become a subscriber should contact the Center for Insur-
ance Policy and Research Department directly.  

30        August 2017|  CIPR Newsle er