• 10 февраля, 2021
  • 159

Есть ли место искусственному интеллекту в страховой отрасли?

Сорокин Кирилл

Главный архитектор Infinidat в России и СНГ

Применение искусственного интеллекта остаётся одним из наиболее перспективных направлений повышения бизнес-эффективности для любой отрасли рынка, включая страхование.

Ещё в 2016 году только 1.33% страховых компаний инвестировало средства в проекты искусственного интеллекта согласно аналитическому отчету Deloitte. Однако уже в 2017 году компания Accenture в своем отчете отмечала, что 75% из 550 опрошенных руководителей страховых компаний считали, что искусственный интеллект значительно изменит или полностью трансформирует индустрию страхования в течение ближайших трех лет. С того момента мы увидели значительный рост реализованных проектов как в России, в том числе в компаниях «СОГАЗ», «РЕСО-Гарантия», «Тинькофф Страхование», «Сбербанк Страхование», «Ренессанс Страхование» и прочих, так и за границей, хотя его темпы всё ещё уступают ожиданиям.

Одной из помех для широкого распространения ИИ является трудоемкость процесса внедрения, например, у страховой группы «СОГАЗ» он занял более года. Первоначальная трудность — определить область бизнеса, а также тип и объем соответствующих данных, которые будут включены в анализ. Как правило, это требует, во-первых, качественных и уже накопленных данных, во-вторых, инвестиций в непредсказуемое по объемам и по продолжительности увеличение мощностей в собственной вычислительной инфраструктуре, в первую очередь в области хранения данных.

В условиях цифровой экономики традиционный подход к системам хранения данных (СХД) создает ряд проблем. Во-первых, он создает разрозненные системы, поскольку обычно внедряется несколько решений на различных носителях. Это увеличивает сложность и затраты при одновременном снижении производительности бизнеса. Более того, каждое хранилище будет иметь свою емкость, недоступную для другой СХД. Когда требуется дополнительное пространство для анализа новых данных, его необходимо добавлять максимально оперативно, что еще больше увеличивает расходы и, учитывая время, необходимое для внедрения, снижает скорость реагирования бизнеса.

Во-вторых, становится невозможным легко вносить изменения в производственные или критически важные данные. В результате организациям потребуется поддерживать большие репозитории высокопроизводительного хранения, чтобы обеспечить быстрый доступ ко всем данным, которые могут потребоваться для анализа.

Парадоксально, но и здесь может помочь искусственный интеллект, используемый в алгоритмах управления данными СХД. Эти алгоритмы в реальном времени реагируют на динамически изменяющиеся рабочие нагрузки, обеспечивая непрерывную оптимизацию производительности данных. В результате компании могут хранить данные на экономически эффективном оборудовании, получая при этом скорость и производительность, превосходящие показатели систем All-Flash, за небольшие деньги.

Использование же публичных облаков для подобных задач вместо выделенной инфраструктуры проблематично из-за наличия персональных данных. Поскольку зачастую проекты ИИ повышают эффективность не моментально, а заранее предсказать точный процент увеличения прибыли проблематично, у компаний возникает вопрос целесообразности подобных инвестиций в краткосрочной перспективе, который только усугубляется во время пандемии. Также отсутствие большого количества квалифицированных специалистов на российском рынке в силу новизны направления не способствует ускорению роста проектов ИИ.

С другой стороны, количество потенциальных сценариев применения ИИ поистине велико. Как отмечает McKinsey, это, например, улучшение пользовательского опыта и сокращение времени ожидания с помощью чат-ботов, более умная загрузка операторов колл-центров, ускорение принятия решений и определения суммы выплаты в случае страховых случаев на базе предыдущих инцидентов. Другими возможностями являются повышение точности и скорости андеррайтинга (увеличение в 1.5-2 и несколько раз соответственно для АО «СОГАЗ»), анализ угроз и выявление случаев мошенничества, привлечение новых клиентов и разработка новых страховых программ на основе анализа соцсетей и отзывов пользователей.

Недавно вступили в силу изменения в закон об ОСАГО, теперь страховщики могут учитывать свои факторы при расчете тарифа. Наверняка им придется обрабатывать больше данных. Расчет индивидуальных тарифов для водителей после вступления в силу изменений в закон об ОСАГО — по сути та же вышеописанная задача андеррайтинга. Это один из наиболее популярных сценариев применения ИИ и машинного обучения в области страхования.

Оценка личностных факторов, рисков и, как следствие, индивидуальных тарифов для водителей — ресурсоемкая задача как с точки зрения сбора и обработки больших объемов информации, так и с точки зрения человеческих ресурсов, требуемых для анализа собранных данных. Использование ИИ поможет одновременно и значительно ускорить процесс принятия решения, и повысить качество определения тарифа по сравнению с ручной обработкой данных. Что самое примечательное, со временем по мере накопления базы клиентов точность определения тарифа будет всё более и более повышаться, поскольку качество работы ИИ напрямую зависит от объёмов накопленных данных.

Более качественный анализ водителей поможет как учесть дополнительные риски для страховых компаний, так и предоставить более привлекательные тарифы для благонадежных клиентов. Снижение цены даже на несколько процентов из-за использования ИИ может значительно повысить привлекательность компании на высококонкурентном рынке страхования.

Страхование здоровья, также постепенно набирающее обороты, открывает новые горизонты использования ИИ, с накоплением значительного объема данных возможно создание моделей предсказывающих вероятность заболеваний и рекомендующих проактивные действия, а также оценка здоровья новых клиентов. При этом требования к работе с такими данными все ужесточаются и для достижения длительных сроков хранения необходимо применять решения, которые могут обеспечить как оперативный доступ и возможность использования накопленной информации для ИИ, так и невысокую стоимость за ТБ при высокой плотности.

Потенциальная выгода от использования ИИ склонит руководителей страховых компаний ко включению подобных проектов в стратегии средне- и долгосрочного развития.

Похожие статьи