Страховка от убытков с помощью AI: как искусственный интеллект меняет правила игры в InsurTech
Именно в страховом бизнесе искусственный интеллект дает максимум измеримой выгоды. Технологии помогают компаниям оптимизировать процессы, снижать издержки, бороться с мошенничеством и, что самое главное, предлагать клиентам принципиально новый уровень сервиса. Вот как это работает.
Использование AI в андеррайтинге
Андеррайтинг — сердце страхового бизнеса. Оценить риски, спрогнозировать варианты развития событий, проработать варианты покрытия ущерба и соотнести это все с потенциальными затратами. Весь процесс основан на использовании математического моделирования и статистического анализа, но при этом часто полагается как на интуицию и опыт андеррайтера, так и на определенные эмпирические правила. Просто потому, что далеко не всегда андеррайтер работает с абсолютно полными данными.
Получается, что во многих случаях человеческий фактор в андеррайтинге — неотъемлемая часть процесса. А там, где соседствуют человеческий фактор и ограниченность анализируемых данных, нередки неоптимальные решения и упущенные возможности.
Как AI выполняет андеррайтинг? Сама суть нейросетей — работа с большими объемами данных. А страхование — это как раз про объемы. AI способен обрабатывать колоссальные горы информации из самых разных источников: от традиционных анкет и кредитных историй до информации с телематических устройств в автомобилях, данных с носимых гаджетов, и даже (при наличии согласия пользователя и соблюдении законодательства, конечно) анализа общедоступной информации из социальных сетей.
Речь, правда, не совсем о бытовых LLM, а о симбиозе нейросетей и алгоритмов машинного обучения, таких как градиентный бустинг. Получается такой промежуточный вариант между полностью автоматическим скорингом и ручным андеррайтингом, где работу человека выполняют нейросети.
Например, американская компания Zesty.ai использует спутниковые снимки вкупе с ИИ для оценки рисков, связанных с недвижимостью, таких как вероятность лесных пожаров, ураганов или наводнений. Это позволяет страховщикам точнее оценивать риски для конкретного объекта. Сфера применения, очевидно, может быть любой.
В автостраховании расчет премиальной части сильно зависит от навыка водителя. Общий стаж и коэффициенты в какой‑то мере дают понимание, насколько аккуратно водитель управляет машиной, но неопределенность все же слишком высока. А что если «поженить» телематическое приложение с AI?
Компания Root Insurance так и сделала. В этом случае данные телематики помогают оценить стиль вождения, а страховщик затем предлагает тарифы, основанные на реальном поведении водителя, а не на усредненных показателях.
А можно сделать иначе. Скажем, приложение Snapshot одного из старейших страховщиков США Progressive с помощью искусственного интеллекта автоматически вычисляет стоимость полиса на основе того, сколько и как именно клиент водит автомобиль. Водишь аккуратно — платишь меньше, а в случае ДТП получаешь больше.
Аналогичные AI‑решения внедряют многие страховые компании в Европе, например, Swiss Re, Allianz SE и сотни других. И тому есть причины.
Выгода AI‑андеррайтинга:
- Более точное ценообразование. Чтобы привлечь больше клиентов, страховщик может предложить максимально выгодный тариф тем из них, риски которых ниже. А высокорисковым клиентам предлагать обычные или повышенные расценки. Это напрямую влияет на рентабельность компании. Так, Swiss Re отчиталась о снижении операционных расходов на $1 миллион только за счет внедрения ИИ.
- Снижение уровня мошенничества на этапе входа. AI способен выявлять подозрительные паттерны в заявлениях, указывающие на попытку скрыть важную информацию или предоставить ложные сведения.
- Ускорение процесса. Автоматизация сбора и анализа данных сокращает время на принятие решения по страхованию с нескольких дней до нескольких минут. Темп жизни растет, и ждать решения «до конца недели» готовы все меньше клиентов. Например, в Allianz внедрение AI‑помощника BRIAN значительно ускорило этап рассмотрения документов в процессе андеррайтинга.
Рассылка: как вести бизнес в России
Пять полезных писем пришлем сразу после подписки. В них — бизнес‑идеи, готовые промпты для нейросетей, советы, как выбрать налоговый режим и получать пассивный доход
Урегулирование убытков
Процесс урегулирования убытков — момент истины для любого страховщика. Именно здесь формируется (или разрушается) лояльность клиента. Традиционно это долгая, многоэтапная процедура, связанная с бумажной волокитой и человеческим фактором.
Как использовать AI для урегулирования убытков в страховании? Технологии компьютерного зрения вкупе с искусственным интеллектом позволяют анализировать фотографии или видео поврежденного имущества (скажем, автомобиля после ДТП), автоматически определять степень повреждений и оценивать предварительную стоимость ремонта.
Дальше. NLP‑алгоритмы — а это именно то, чем сильны современные языковые модели, — могут анализировать тексты заявлений, извлекая ключевую информацию и проверяя полноту предоставленных документов. Еще один вариант — AI‑поддержка принятия решений, чтобы помочь сотрудникам быстрее и точнее классифицировать страховые случаи.
Американский иншуртех‑стартап Lemonade и вовсе выстроил весь бизнес вокруг активного использования AI и чат‑ботов для обработки заявлений через приложение страховой компании. В итоге урегулирование в 40% случаев обрабатывается мгновенно, а выплата по возмещению ущерба происходит в течение нескольких минут или даже секунд! При этом риски компании почти не выросли. Нейросеть способна мгновенно произвести сотни различных анти‑фрод проверок и сразу перенаправить подозрительные заявки на ручное рассмотрение.
Итак, чем AI помогает в урегулировании убытков:
- Радикальное сокращение сроков урегулирования. Примеры выше. Надо ли говорить, насколько сильно такое решение будет контрастировать с классическим подходом и насколько мощным конкурентным преимуществом окажется?
- Снижение операционных расходов. Автоматизация рутинных задач в страховании высвобождает время сотрудников для решения более сложных вопросов и снижает затраты на обработку каждого случая.
- Эффективное выявление мошенничества. AI‑алгоритмы могут в режиме реального времени анализировать данные по убытку, сравнивая их с известными мошенническими схемами и выявляя подозрительные несоответствия.
AI улучшает клиентский сервис
Речь не только о чат‑ботах, которые уже есть, кажется, у всех. И у нас в Siberian.pro, кстати, тоже. AI в страховании можно использовать намного креативнее, например, AI‑аналитика в страховании улучшает сервис.
Используя свои способности к анализу больших объемов данных, нейросеть способна проанализировать не только историю сообщений клиента, но и его профиль, ранее загруженные документы, данные скоринга и андеррайтинга и многое другое. В результате страховое приложение сразу предложит максимально адаптированные к потребностям клиента персонализированные предложения.
А если добавить интеграцию с медицинской картой или функциональность чекапов, как это сделали мы для СОГАЗ, то шансы, что клиент примет предложенный искусственным интеллектом полис, кратно возрастают.
Персонализация с помощью AI позволяет делать кастомные предложения, продвигать новые страховые продукты через кросселлинг и апселлинг, и напоминать о подходящих сроках окончания полиса. Подобные решения активно внедряют крупные страховщики практически по всему миру. Это и уже упоминавшийся выше Allianz, и AXA, и AllState, и Elevance Health.
Так, последняя компания активно внедряет технологии искусственного интеллекта в область оценки факторов риска при принятии решений, о чем я уже рассказал выше, но также использует AI для персонализированного общения с клиентами и для повышения эффективности работы персонала.
Подытожим, в чем выгода страхового бизнеса от внедрения чат‑ботов.
Снижение нагрузки на колл‑центр. До 80% типовых запросов могут быть обработаны AI, что позволяет операторам‑людям сосредоточиться на сложных и нестандартных ситуациях. Например, компания Cognigy утверждает, что их AI‑агент обрабатывает до 20 миллионов звонков в год и уже сэкономил их клиенту, страховой компании из Fortune 100, свыше 475 тысяч часов работы сотрудников.
Повышение удовлетворенности и лояльности клиентов. Мгновенные ответы и ощущение персонального внимания ценятся клиентами. При условии, что ответы действительно будут персонализированы, а традиционного для чат‑ботов тупления не будет.
Новые возможности для апселлинга. AI может выявлять потребности клиентов и предлагать релевантные продукты в нужный момент.
Антифрод и борьба с мошенничеством
Ущерб от страхового мошенничества в России оценивается в несколько миллиардов рублей ежегодно. Выявить изощренные схемы бывает крайне сложно, но нейросети и здесь способны помочь.
AI‑системы используют продвинутые алгоритмы машинного обучения, включая анализ взаимосвязей (network analysis) и выявление аномалий, для обнаружения подозрительных паттернов, которые могут указывать на мошенничество.
Например, AI может выявить группу лиц, систематически участвующих в сомнительных страховых случаях, или обнаружить нетипичные детали в заявлении, которые расходятся с обычной практикой. Скажем, если один и тот же юрист засветился в одном подтвержденном кейсе фрода и нескольких пока не подтвержденных, то это тревожный звоночек. Важный момент: все это происходит за секунды, длительных многодневных расследований не требуется.
Похожие антифрод системы на базе нейросетей успешно внедряют в компании Zurich, а консалтинговая компания Deloitte прогнозирует, что AI‑системы в страховании могут сохранить американским страховым компаниям до $160 миллиардов долларов в год к 2030 году. Российский рынок страхования существенно меньше по объему, но тем не менее важность AI‑детекторов мошенничества сложно переоценить и у нас. И вот почему.
Повсеместное использование больших языковых моделей и нейросетей привело к тому, что уже сегодня 7 из 10 опрошенных стали меньше доверять контенту в интернете. А ведь AI‑системы можно использовать не только для выявления мошенничества в сфере страхования, но и для самого мошенничества. И это, увы, уже реальность. Следовательно, ответственные страховщики отчасти вынужденно, но вступят в это противостояние AI‑меча и AI‑щита уже в ближайшее время.
Результаты внедрения ИИ‑антифрода в страховании:
- Сокращение потерь от мошенничества. Предотвращение даже нескольких крупных мошеннических выплат может сэкономить компании миллионы.
- Улучшение финансовых показателей. Отказ от выплат по фродам напрямую влияет на прибыльность страховой компании.
- Повышение справедливости. Честные клиенты не должны переплачивать из‑за мошенников.
AI повышает производительность сотрудников
Вообще, под это определение так или иначе подходят и предыдущие четыре кейса. Однако существует целый пласт офисных задач, которые сотрудники страховых компаний выполняют практически ежедневно.
Эти задачи не то чтобы очень сложны или ресурсоемки, но их много и они (до недавнего времени) не поддавались автоматизации. О чем речь? О самых базовых и типовых операциях:
- ввод данных в формы или CRM;
- перенос из одной системы в другую;
- однотипные вычисления, преобразования;
- агрегирование данных с внешних источников;
- передача данных во внешние источники;
- аналитика по формальным критериям и т.д.
В страховом бизнесе из таких операций состоит рабочий день примерно всех страховых агентов. Собрать данные по клиенту, рассчитать стоимость продления полиса, сформировать пакет документов, связаться с клиентом и т.д.
Все эти действия можно поручить AI‑агентам. Число операций, выполняемых вручную, сокращается в разы, а время их выполнения — на порядок. Например, у нас в Siberian.pro был кейс, когда разработанный AI‑агент снизил нагрузку на финансовый отдел компании в несколько раз, полностью исключив переработки и ошибки расчета. А в другом случае мы разработали AI‑автоматизацию для аутстаф‑подразделения клиента и повысили производительность отдела в 4 раза.
Что дает внедрение ИИ‑агентов во внутренние процессы страховой компании:
- Уменьшение нагрузки на персонал. Пусть ваши люди занимаются сложной и интересной работой, а рутину оставим роботам. Например, ДОМ.РФ после внедрения AI‑системы внутренней автоматизации отмечает уменьшение рутины на 35%.
- Снижение операционных расходов. За счет уменьшения объемов непродуктивной работы AI‑агенты помогают снизить расходы компании.
- Более глубокие интеграции. Автоматизируя традиционно «ручные» процессы, вы выходите на новый уровень автоматизации бизнеса в целом. Хороший пример я уже приводил ранее — стартап Lemonade. Такая полностью digital история в духе Тинькофф‑банка образца 2012 года.
Подождите! Разве можно доверять AI такие ответственные решения?
AI эффективен ровно настолько, насколько хороши данные, на которых его обучали. Да, галлюцинации случаются, поэтому о полной замене человека нейросетями речь не идет ни в одной отрасли, и страховой бизнес не является исключением.
Однако устранить рутину, ускорить типовые операции, снизить затраты — на все это ИИ в страховании способен уже сейчас. Реальные проблемы — не галлюцинации, а этические вопросы, отсутствие правоприменительной практики и нехватка квалифицированных разработчиков и линейного персонала, чтобы воплотить в жизнь все продуктивные идеи, завязанные на искусственный интеллект.
Впрочем, ситуация медленно, но верно меняется. Причем простые интеграции стоят недорого, а эффект дают практически сразу. Уверен, постепенно подтянется и правовая база для комплексных систем страхования на базе искусственного интеллекта.
Компании, которые сегодня активно инвестируют в технологии, внедряют страхование с применением искусственного интеллекта и перестраивают свои бизнес‑процессы, не просто повышают свою эффективность — они закладывают фундамент для лидерства в страховой отрасли завтрашнего дня. Те же, кто предпочитает оставаться в зоне комфорта традиционных подходов, рискуют безнадежно отстать.
