Быстрее, выше, сильнее: как искусственный интеллект помогает страховому бизнесу

В борьбе с консерватизмом 

87% американских страховщиков ежегодно тратят до 5 миллионов долларов или более на технологии искусственного интеллекта. В России же около 40% компаний отрасли ни разу не инвестировали в ИИ-решения и не понимают, зачем им это нужно. 

Такая разница в подходах связана с тем, что цифровизация российского страхового рынка началась позднее. А без достаточного уровня цифровизации страховщику попросту недоступны ИИ-решения. Соответственно, хоть сколько-нибудь заметный интерес к ИИ появился совсем недавно. 

Страховой бизнес в России прекрасно понимает, что консервативный подход мешает привлекать новых клиентов и удерживать старых. Ведь современный пользователь ищет удобный сервис здесь и сейчас, без бумажной волокиты и бюрократии, а желательно еще и с гибким тарифом и удаленным обслуживанием. Цифровизация бизнес-процессов и внедрение ИИ как раз помогают страховщикам повысить качество услуг и успешно конкурировать на рынке в новой реальности.

Многофункциональный интеллект

Российский страховой бизнес внедряет искусственный интеллект для таких целей: 

• андеррайтинг,
• урегулирование убытков,
• коммуникация,
• ценообразование,
• выявление мошенничества,
• обслуживание.

Андеррайтинг

Андеррайтинг — оценка потенциальных рисков наступления страхового случая у потенциального клиента. На базе этой оценки устанавливается размер тарифной ставки. 

От качества этой процедуры зависит доход страховой компании. Андеррайтер безосновательно отклоняет массу заявок — страховая недополучает прибыль. Принимает все заявки подряд и неправильно оценивает риски — компания выплачивает огромные суммы по страховым случаям.

«Зетта Страхование» использует машинное обучение и анализ данных для более точного страхового андеррайтинга. В стандартном виде процедура предусматривает анализ 20 параметров. Алгоритм учитывает 70: возраст, штрафы, характеристики автомобиля и другие факторы. Технологии позволяют страховщику лучше выявлять потенциальные риски. Клиенты в свою очередь получают персонализированные тарифы до 20% дешевле среднерыночной стоимости. 

Например, при ручном страховом андеррайтинге молодой водитель на одной и той же машине, что и 40-летний, оформит полис дороже. При интеллектуальном, где помимо возраста учитываются десятки характеристик, стоимость вполне может оказаться гораздо ниже. 

Урегулирование убытков

Этот этап следует после оформления полиса при наступлении страхового случая. Страховщик подсчитывает убытки и выплачивает компенсации.

Если страховой андеррайтинг проведен корректно, урегулирование убытков пройдет более предсказуемо.

Урегулирование страховых убытков могут производить в ручном режиме. Тогда собранный клиентом пакет документов рассматривают эксперты страховой компании. И только после этого возмещается ущерб. Компания СберСтахование с 2023-го решает эту задачу с ИИ. Нейросеть самостоятельно оценивает документы и выносит вердикт о компенсации. Пока что результаты работы ИИ перепроверяют сотрудники. Но вскоре искусственный интеллект полностью возьмет эту процедуру на себя, что сделает ее более точной и беспристрастной.

Управление урегулированием убытков с помощью ИИ-технологии ускоряет срок выплат с нескольких дней до считанных часов. 

Коммуникация

Клиенты, которые только начали пользоваться продуктами, могут не понимать, как, например, подавать заявление при наступлении страхового случая, куда и когда обращаться. Страховые компании обычно разделяют цепочки контакта, поэтому пользователю может быть трудно сориентироваться самостоятельно. 

Чат-боты «Ингосстраха» отвечают на частые вопросы по базе знаний. Компания подсчитала, что благодаря снижению нагрузки на инфраструктуру доход от операций возрос от 2 до 3 раз.

Один из ярких примеров — чат-бот «УРАЛСИБ Страхование» для круглосуточной поддержки клиентов в Telegram и Whatsapp. На данный момент он обрабатывает 80% обращений. 

ИИ чат-бот оснащен модулем распознавания естественного языка, благодаря чему он безошибочно определяет тему обращения, и аналитической панелью для сбора данных о поведении пользователя. Чат-бот страховой связан не только с базой знаний, но и с внутренними системами. Так что он способен и отвечать на любые вопросы пользователей, и изменять параметры полисов. 

Чат-боты «Ингосстраха» отвечают на частые вопросы по базе знаний. Компания подсчитала, что благодаря снижению нагрузки на инфраструктуру доход от операций возрос от 2 до 3 раз.

Ценообразование

Страховщики задействуют машинное обучение и IoT для формирования индивидуальных тарифов. Датчики постоянно передают информацию в страховые компании, а те в свою очередь анализируют стиль вождения и формируют исходя из него индивидуальный тариф. Клиенты с рискованным стилем вождения получат менее выгодный тариф. А безопасные водители смогут сэкономить на страховке. 

Выявление мошенничества

На этапе урегулирования страховых убытков и проверки документов уделяют пристальное внимание поиску фрода — попыток обманом получить компенсацию. ИИ помогает предотвращать мошенничество.

ИИ для бизнеса эффективнее человека в решении данной задачи. Это доказывает статистика. Одна известная IT-платформа страхования грузов с модулем на базе ИИ за 2022-й выявила в 27 раз больше подозрительных операций, чем службы ИБ страховщиков. 

Обслуживание

Страховая компания «Ингосстрах» одна из первых в России внедрила нейросети для согласования медицинских услуг. Система на базе ИИ распознает текст запроса от клиники, определяет диагноз, анализирует документы и параметры страховки клиента.

При этом пользователь большинство своих жалоб направляет через чат-бот, минуя кол-центр, освобождая ресурсы страховщиков. 

СК «Группа Ренессанс Страхование» повышает качество и скорость принятия страховых решений с помощью нейросетей. При этом прогнозирует и кросс-продажи в случаях пролонгации и урегулирования, что позволяет бесшовно интегрироваться в жизнь клиентов. Также организация применяет нейросети для анализа фото при урегулировании страхового случая.

Рискованное дело

Большинство участников рынка РФ отмечают катастрофическую нехватку дата-сайентистов, дата-инженеров и дата-аналитиков. И это основное препятствие на пути внедрения ИИ в России. 

Сопутствующая проблема — дороговизна построения собственной экспертизы для разработки, интеграции, а затем и постоянной доработки алгоритмов. Расходами на содержание высококвалифицированного штата здесь все не ограничится. ИИ-решения зависимы от качества и объема данных, на которых обучаются. Для эффективного функционирования ИИ-решений необходимо обеспечить качественные сбор и хранение данных, а также их очистку и подготовку для анализа.

Данные не могут работать сами по себе. Для их анализа, а затем принятия решений для минимизации финансовых потерь и повышения прибыли требуются квалифицированные специалисты. При необходимости оперативно расширить IT-департамент нужной экспертизой можно нанять выделенную команду.

Заключение

Многие страховые компании в России сегодня не имеют достаточных ресурсов для сбора и анализа массивов данных, необходимых для интеграции и развития ИИ-решений. Поэтому они зачастую ограничиваются простыми моделями машинного обучения.

Более того, в текущих условиях страховые компании и не стремятся к радикальной перестройке процессов. Вместо этого они внедряют проверенные ИИ-решения, которые способны значительно сократить время, затрачиваемое на рутинные задачи, и уменьшить количество ошибок при выполнении действий, требующих высокой точности. 
Другой способ улучшить результаты деятельности страховой компании — точечное внедрение готовых решений, способных за короткий срок помочь увеличить прибыль.