• 22 сентября, 2022

СберНПФ увеличил объём выплат клиентам по ОПС и НПО

За восемь месяцев 2022 года СберНПФ выплатил своим клиентам 8,1 млрд рублей. Примерно треть этой суммы пришлась на выплаты по негосударственному пенсионному обеспечению (НПО).

За январь — август 2022 года СберНПФ выплатил 5,6 млрд рублей по договорам обязательного пенсионного обеспечения (ОПС). Основная часть этой суммы (4,3 млрд рублей) — единовременные выплаты, которые получили 49 тыс. россиян. Год назад, по состоянию на 31 августа 2021 года, общий объём выплат по ОПС составил 2,8 млрд рублей.

Сегодня среди клиентов СберНПФ, застрахованных по ОПС, 59% женщин и 41% мужчин. В системе НПО гендерное распределение иное: женщины, которые самостоятельно копят на пенсию, составляют 64%.

В январе — августе 2022 года СберНПФ выплатил по договорам НПО 2,5 млрд рублей против 1,8 млрд рублей за аналогичный период прошлого года.

Виктор Поляков, операционный директор СберНПФ:

«Пенсионное обеспечение граждан является одной из важнейших социальных задач и для государства, и для компаний, работающих в этой сфере. СберНПФ на протяжении многих лет работает над тем, чтобы сохранить и приумножить средства наших клиентов, а также привить россиянам культуру самостоятельных накоплений, позволяющих не снижать на пенсии привычный уровень жизни. Оформление и получение выплат становится для наших клиентов простым и привычным действием, не требующим дополнительных усилий с их стороны».

Похожие статьи

СберМобайл и СберСтрахование застрахуют экраны детских смартфонов

СберМобайл совместно со СберСтрахованием запустил акцию для детей. При подключении тарифа СберKids можно бесплатно защитить экран смартфона на случай повреждений.

На сессии AI Journey на ВЭФ-2025 обсудят эволюцию развития…

Генеративный искусственный интеллект (GenAI) продолжает менять мир, и следующий этап эволюции — рассуждающие и самообучающиеся системы.

Учёные Сбера предложили новый способ борьбы с галлюцинациями моделей…

Исследователи Центра практического искусственного интеллекта Сбербанка разработали метод, который значительно снижает риски галлюцинаций больших языковых моделей (LLM).