5 простых причин, почему использовать AI в страховом бизнесе — это отличная идея

По моему опыту, интерес бизнеса к теме AI бывает трех видов: а) интересно, нужно немедленно внедрять! б) интересно, но ничего не понятно, и в) интересно, но нам не надо. Эта статья адресована тем представителям страхового бизнеса, которые относятся к последним двум категориям. Я попробую вас убедить, что искусственный интеллект в страховании — это не просто хорошая, а стратегически верная идея.

Приветствую! Это Влад Кармаков из Siberian.pro. В прошлый мы разбирали пользу AI для медицинских клиник, а ранее коротко касались использования возможностей нейросетей в ритейле и фудтехе. Сегодня взглянем на страховой бизнес. Именно здесь искусственный интеллект дает максимум измеримой выгоды. Технологии помогают страховщикам оптимизировать процессы, снижать издержки, бороться с мошенничеством и, что самое главное, предлагать клиентам принципиально новый уровень сервиса. Вот как это работает.

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 счяет 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.

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.

Едем дальше?

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.

Итак, 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.

Ущерб от страхового мошенничества в России оценивается в несколько миллиардов рублей ежегодно. Выявить изощренные схемы бывает крайне сложно, но нейросети и здесь способны помочь. 

Как именно AI помогает в борьбе с фродом?

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.

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, посчитать стоимость продления полиса, сформировать пакет документов, связаться с клиентом и т.д.

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. Мы в Siberian.pro активно разрабатываем AI-решения для самых разных направлений. 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. Вы из которых? Напишите в комментариях.