Как технологии ИИ применяются в страховании? 

Искусственный интеллект в страховании применяется в первую очередь для оптимизации операционных процессов, сокращения затрат, контроля убыточности и повышения качества обслуживания клиентов. Первые кейсы использования многофакторных самообучающихся моделей у крупных страховщиков были зафиксированы уже в 2010-х годах – в основном они были связаны с ценообразованием на основании страховой истории клиентов и иной имеющейся информации о профиле рисков. 

Сегодня же направления использования искусственного интеллекта значительно расширились:

• Автоматизация операционных процессов: от обработки заявлений до формирования выплатных дел, что снижает операционные затраты и минимизирует риск ошибок и упущений по сравнению с результатами ручного труда.
• Анализ больших данных и оценка рисков при андеррайтинге: на сегодняшний день модели стали гораздо более сложными и позволяют учитывать не только риск-профиль отдельно взятого страхователя, но и кумулятивные эффекты рисков в портфеле, взаимосвязи, макроэкономические факторы, разнообразные поведенческие сценарии. Применение моделей при тарификации позволяет компаниям ускорить процесс принятия решений, оптимизировать тарифы для отдельно взятых клиентов или групп клиентов и лучше контролировать убыточность портфеля. Кроме того, применение ИИ при андеррайтинге позволяет персонализировать продукт и оптимизировать состав рисков, повышая клиентскую ценность в конечном итоге.
• Урегулирование убытков: уже сегодня модели применяются не только для обработки заявлений, но и для выявления мошеннических действий страхователей. Многие компании продвинулись дальше и используют модели для анализа данных и поиска поведенческих аномалий, направленного на выявление мошенничества до момента заявления, в том числе и при первичном андеррайтинге. Все это в совокупности помогает страховым компаниям оптимизировать портфель и контролировать убыточность.
• Планирование и прогнозирование: модели с применением ИИ помогают компаниям лучше адаптироваться под меняющиеся рыночные тренды, строить прогнозы клиентских потребностей и оптимизировать в конечном счете ценностные предложения для клиентов, повышая объем подписанных договоров.
• Генерация контента и клиентский сервис: генеративный ИИ может применяться в том числе при формировании предложений, маркетинговых материалов, регулярных коммуникаций с клиентами, повышая вовлеченность клиентской базы и ее лояльность. Уже сейчас большинство компаний используют различной сложности чат-боты, выступающие доступными помощниками для клиентов по всевозможным вопросам в любой момент времени.
   

Каковы перспективы и ограничения применения технологий ИИ в страховании?

Перспективы развития ИИ в страховании сопряжены с еще более глубоким проникновением в клиентский сервис и повышением качества клиентского пути внутри компании на всех этапах, с дальнейшим усложнением и оптимизацией моделей тарификации и оценки рисков, а также с анализом конкурентной среды. Развитие технологий в любом случае требует от компаний включения в этот процесс, в противном случае более быстрые конкуренты окажутся далеко впереди. 

В то же время объем инвестиций в технологии ИИ на российском рынке пока носит сдержанный характер. Страховые компании подходят достаточно осмотрительно к применению новых технологий и придерживаются сбалансированного подхода к их внедрению, опираясь на результаты.

Развитие новых технологий всегда сопряжено с возникновением новых рисков, некоторые из которых в настоящий момент могут быть еще не идентифицированы. Ключевыми из них сейчас считаются риски информационной безопасности и защиты клиентских данных. Кроме того, в роли объективного ограничения всегда выступает уровень развития ИТ-инфраструктуры, поскольку развитие технологий ИИ и увеличение масштабов их применения оказываются ресурсоемкими с точки зрения обеспечения физическими мощностями. Здесь на помощь компаниям в последние годы стали приходить всевозможные дата-центры и облачные хранилища. Однако использование услуг сторонних провайдеров может увеличить подверженность киберрискам, в связи с чем поиск баланса рисков и выгод – ключевой вызов при применении технологий ИИ и принятии решений о выборе соответствующей ИТ-архитектуры.