• 2 апреля, 2019
  • 166

Как машинное обучение реформирует страховую индустрию

Кувшинов Юрий

Генеральный директор Mains Lab

Отечественные страховые компании в процессе принятия решений пока используют не более 15% доступной информации. Мировой опыт свидетельствует о том, что компании упускают ценные закономерности и сигналы, содержащиеся в данных. Страховые компании, которые смогут адаптироваться к новым, более жестким условиям конкуренции, внедрив современные технологии, получат качественные портфели договоров и довольных клиентов как процессом сопровождения договоров, так и качеством урегулирования страховых событий. Темпы проникновения машинного обучения в страховую индустрию за рубежом, позволяют предполагать, что в перспективе 2-3 лет машинное обучение в России станет основным инструментом для принятия управленческих и аналитический решений в компаниях.

При выборе страховой компании для автовладельцев определяющим фактором является качество урегулирования убытков. Поэтому урегулирование убытков стало одной из областей наиболее активного применения машинного обучения.

Повышение уровня конкуренции подталкивает страховые компании к максимальной автоматизации процесса урегулирования убытков, повышению уровня технологических требований к партнерам, предоставляющим услугу независимой экспертизы. И это неудивительно. Технологии машинного обучения способны обеспечить высокую точность оценки ущерба при сохранении конкурентной себестоимости услуг.

За рубежом оценка ущерба и противодействие мошенничеству на основе анализа больших данных обеспечивает страховым компаниям огромное конкурентное преимущество. В России машинное обучение для оценки стоимости ремонта авто применено впервые в 2019 году. Компании Mains Lab и TK Service вывели на рынок ИТ платформу на основе технологии машинного обучения, которая позволит страховщикам на 30-40% снизить количество ошибок в оценке ущерба по моторным видам страхования.

Уже сейчас TK Service обеспечивает для своих партнеров – страховых компаний 100% контроль качества расчетов. Модели, основанные на методах машинного обучения, могут выявлять неявные взаимосвязи между факторами, характеризующими обстоятельства ДТП, и использовать их для предсказания мошенничества. Кроме того, машинное обучение используется для сверки фотографий автомобиля и повреждений, заявленных в акте осмотра. При выявлении несоответствий убыток повторно проверяется экспертом.

В дальнейших планах компаний обновление платформы, которое позволит осуществлять дистанционную экспертную оценку на основании фотографий автомобиля.

У машинного обучения есть потенциал к тому, чтобы изменить страховую индустрию, улучшая существующие продукты и услуги, эффективность взаимодействия с партнерами. Технологию можно использовать не только для оценки стоимости восстановления повреждений в ДТП, в том числе удаленной. Экономия за счет принятия решений в онлайн, автоматизации области урегулирования убытка, взаимодействия с независимой оценкой – все это должно серьезно отразиться на конечной стоимости полиса для потребителей страховых услуг.

Похожие статьи

Машинное обучение на службе страхования

Машинное обучение, базовая составляющая технологии искусственного интеллекта, внедряется во многих отраслях, обеспечивая ощутимую пользу для бизнеса. Все ингредиенты, наконец, доступны –…