ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СТРАХОВОЙ ДЕЯТЕЛЬНОСТИ

COMPETENCE APPROACH IN TRAINING PERSONNEL OF ENTERPRISES

Alexander Vyatkov

Student, Faculty of Information Technologies, Kosygin Russian State University,

Moscow, Russia

АННОТАЦИЯ

В статье описываются возможности и сценарии использования искусственного интеллекта в страховании, где он потенциально может быть полезен.

В процессе написания статьи были изучены особенности применения искусственного интеллекта в страховании в России, барьеры на пути распространения искусственного интеллекта в страховании

ABSTRACT

The article describes the opportunities and scenarios for the use of artificial intelligence in insurance, where it can potentially be useful.

In the process of writing the article we studied the specifics of the application of artificial intelligence in insurance in Russia, barriers to the spread of artificial intelligence in insurance.

Ключевые слова: искусственный интеллект, страхование, ИИ в России, проблемы, перспективы.

Keywords:  artificial intelligence, insurance, AI in Russia, problems, prospects.

Введение

В этом эссе мы поговорим об искусственном интеллекте и его применении в страховании. Начнем с определения: искусственный интеллект - это область компьютерных наук, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно ассоциируем с человеческим разумом - пониманием языка, обучением, способностью рассуждать, решением проблем и т.д. В настоящее время ИИ используется в различных областях, включая страхование. В этом эссе мы рассмотрим, как ИИ используется в страховании, банковском деле и какие проблемы возникают при расширении сферы применения.

Главная часть

Искусственный интеллект (ИИ) позволяет компьютерам обучаться на практике, адаптироваться к заданным параметрам и выполнять задачи, которые ранее могли выполнять только люди. В большинстве реализаций ИИ - от компьютерных шахматистов до беспилотных автомобилей - необходимы возможности глубокого обучения и обработки естественного языка. С помощью этих технологий компьютеры можно "обучить" выполнять определенные задачи, обрабатывая большие объемы данных и выявляя в них закономерности.

Искусственный интеллект трансформирует страховую отрасль способами, которые когда-то были немыслимы. Искусственный интеллект способен произвести революцию в страховой отрасли, улучшив качество обслуживания клиентов, повысив эффективность и сократив расходы. Применение искусственного интеллекта в страховой деятельности потенциально может улучшить андеррайтинг, обработку претензий, выявление мошенничества и обслуживание клиентов.

Одним из наиболее важных применений ИИ в страховой отрасли является андеррайтинг. ИИ может помочь страховщикам анализировать огромные объемы данных и делать более точные прогнозы о рисках. Используя алгоритмы машинного обучения, страховщики могут выявлять закономерности в данных, которые не видны человеку. Это может помочь страховщикам выявить риски, которые они, возможно, упускали из виду в прошлом, что может привести к более точному ценообразованию и лучшему управлению рисками.

Обнаружение мошенничества - еще одна область, где ИИ может быть применен в страховой деятельности. Страховое мошенничество является серьезной проблемой для страховщиков, которая ежегодно обходится им в миллиарды долларов. Используя ИИ, страховщики могут анализировать данные из нескольких источников для выявления закономерностей, указывающих на мошенничество. Это может помочь страховщикам на ранней стадии выявлять мошеннические претензии и предотвращать убытки.

Наконец, искусственный интеллект может быть использован для улучшения обслуживания клиентов в страховой отрасли. Чат-боты на базе искусственного интеллекта могут предоставлять клиентам мгновенные ответы на их вопросы и помогать им ориентироваться в процессе страхования. Это может повысить удовлетворенность клиентов и снизить нагрузку на представителей службы поддержки клиентов.

Искусственный интеллект также может быть использован для улучшения обработки претензий. Обработка претензий - это трудоемкий и дорогостоящий процесс для страховщиков. Используя искусственный интеллект, страховщики могут автоматизировать многие задачи, связанные с обработкой претензий, такие как обработка документов, выявление случаев мошенничества и оценка претензий. Это может помочь страховщикам сократить расходы и повысить скорость и точность обработки претензий.

Банковский сектор

Говоря о применении ИИ в финансах, мы должны начать с банковского сектора. В банковском секторе ИИ действительно помогает повысить качество обслуживания клиентов: генерируя для них актуальные предложения в нужное время и используя правильный канал коммуникации. Сфера их работы довольно обширна:

- Чат-боты и голосовые помощники

- Персонализация продуктов и предложений - Биометрия

- Распознавание изображений -  используется для распознавания клиентов в отделениях и отправки им индивидуальных предложений.

 - Роботы-ассистенты

Теперь давайте перейдем к основной части - использованию искусственного интеллекта в страховой отрасли. Бухгалтерские системы часто основаны на ИТ-решениях от SAP, наиболее популярными из которых являются SAP S4/HANA со встроенными функциями машинного обучения/искусственного интеллекта. Использование подобной технологии западными страховщиками является необходимостью, поскольку для подготовки отчетности в соответствии с международными стандартами МСФО их системы должны быть способны обрабатывать огромные объемы данных за короткое время, при этом желательно минимизировать ошибки, связанные с человеческим фактором. В России переход страховых компаний на финансовую отчетность, эквивалентную МСФО, состоялся в 2017 году, на 10 лет отстав от западных участников страхового рынка. [3]

Возможности и сценарии использования искусственного интеллекта в страховании, где он потенциально может быть полезен.

Помимо ускоренной подготовки финансовой отчетности, искусственный интеллект находит множество других применений в страховании. По данным исследовательской компании Munich RE и ERGO (Технический тренд 2020*), страховщикам следует обратить внимание на следующие тенденции в области искусственного интеллекта:

- Использование технологии дополненной реальности для принятия управленческих решений,

 - Реконструкция событий, повлекших страховой случай, с помощью машинного зрения;

- Чат-боты и виртуальные собеседники как новые каналы коммуникации с клиентами;

- Использование высокоточных данных, собранных и обработанных машинами, для устранения человеческого фактора при заключении договоров страхования и принятии решений о возмещении.;

- Автоматическая обработка текстов на естественном языке (отзывы, запросы клиентов и т.д.) для улучшения обслуживания клиентов;

- Использование виртуальных средств кибербезопасности для предотвращения утечки данных и мошенничества.

Искусственный интеллект в первую очередь востребован там, где требуется обрабатывать большие объемы данных, а когда речь заходит о страховании, то это означает практически везде. Впервые он был применен андеррайтерами, которых конкуренция мотивирует использовать самые передовые решения для оценки рисков и максимально точного подбора портфелей. В других страховых бизнес-процессах решения с использованием искусственного интеллекта активно тестируются, апробируются и, в наиболее продвинутых компаниях, уже используются. Эта технология уже помогает выбирать лучшие варианты страхования на основе цифрового профиля клиента, прогнозировать перекрестные продажи и отправлять персонализированные уведомления клиентам. Одним из самых ярких примеров использования искусственного интеллекта является корректировка тарифа для каждого клиента. когда выдается полис, обученная система, используя различные показатели и ретроспективные данные, может определить, стоит ли повышать или понижать тариф для конкретного потребителя.

Прогнозирование рисков и цен - это задачи, для решения которых изучается множество параметров. Например, при оценке рисков в автостраховании они учитывают водительский стаж, время года, историю клиентов, социальные факторы, ситуацию в городе, а при установлении цен учитывают рыночную конъюнктуру, уровень заработной платы в городе, прогнозируют отток клиентов, чтобы сбалансировать затраты.

Однако существуют также некоторые потенциальные проблемы и риски, связанные с использованием ИИ в страховании. Например, могут возникнуть проблемы, связанные с конфиденциальностью и безопасностью данных, а также с возможностью того, что ИИ может привести к предвзятости при принятии решений. Страховщикам будет важно решить эти проблемы и обеспечить ответственное и этичное использование искусственного интеллекта.

Искусственный интеллект в страховании в России

Есть две основные проблемы, которые препятствуют распространению искусственного интеллекта и машинного обучения на российском страховом рынке. Во-первых, одного желания недостаточно для цифровой трансформации бизнеса - необходимо коренным образом изменить мышление и управленческие подходы, проводить политику открытого обмена идеями и следовать проверенной методологии разработки, тестирования и внедрения инновационных продуктов. Во-вторых, российский рынок пока не создал условий для эффективного взаимодействия крупных страховых компаний со стартапами: в Европе, например, для таких целей уже много лет функционируют "инновационные лаборатории", поддерживаемые бизнесом и/или государством. Одной из наиболее значимых возможностей для использования искусственного интеллекта в страховании в России является андеррайтинг.

Андеррайтинг - это процесс оценки риска и определения соответствующих премий по страховым полисам. С помощью искусственного интеллекта страховщики в России могут анализировать огромные объемы данных и делать более точные прогнозы относительно рисков. Это может помочь страховщикам выявить риски, которые они могли упустить в прошлом, что приведет к более точному ценообразованию и более эффективному управлению рисками.

Еще один сценарий, в котором ИИ может быть полезен, - это обработка претензий. Обработка претензий - трудоемкий и дорогостоящий процесс для страховщиков в России. Используя ИИ, страховщики могут автоматизировать многие задачи, связанные с обработкой претензий, такие как обработка документов, выявление мошенничества и оценка претензий. Это поможет страховщикам сократить расходы и повысить скорость и точность обработки претензий.

Обнаружение мошенничества - еще одна область, где ИИ может быть использован в страховании в России. Страховое мошенничество - серьезная проблема для страховщиков в России, которая ежегодно обходится им в миллиарды рублей. Используя ИИ, страховщики могут анализировать данные из разных источников, чтобы выявить закономерности, свидетельствующие о мошенничестве. Это поможет страховщикам выявлять мошеннические претензии на ранней стадии и предотвращать убытки.

ИИ также может быть использован для улучшения обслуживания клиентов в страховой отрасли в России. Чат-боты на базе ИИ могут мгновенно давать ответы на вопросы клиентов и помогать им ориентироваться в процессе страхования. Это может повысить удовлетворенность клиентов и снизить нагрузку на представителей службы поддержки.

Помимо этих сценариев, существует множество других возможностей для использования ИИ в страховании в России. Например, ИИ можно использовать для разработки более персонализированных страховых продуктов на основе индивидуальных данных клиента. Он также может быть использован для улучшения оценки новых рисков, таких как киберриски или климатические риски.

Препятствия на пути распространения ИИ в страховании

Несмотря на возможности, которые искусственный интеллект и машинное обучение открывают практически на всех этапах жизненного цикла клиента страховой компании, в России развитие этой технологии пока находится на ранней стадии. Примеров того, как искусственный интеллект прочно внедряется в деятельность компании, пока очень мало. Например, "РЕСО-Гарантия" использует ИИ для оценки спроса на свои продукты, "Тинькофф Страхование" анализирует риски клиентов, "Ренессанс Страхование" использует нейронные сети для анализа фотографий страховых случаев, а "Сбербанк страхование жизни" активно продвигает чатбот, который прогнозирует сотни медицинских симптомов, чтобы назначить нужного врача.

Одной из вероятных причин снижения темпов роста может быть небольшой размер рынка страхования. По данным KPMG, в 2019 году объем рынка страхования составил 1,5 триллиона рублей или 1,5 % ВВП (для сравнения: в США - 1,5 триллиона долларов и 10 % ВВП). Небольшой объем рынка неизбежно приводит к большому количеству данных, которые системы машинного обучения должны правильно обрабатывать.

Кроме того, крупномасштабное внедрение таких систем требует значительных инвестиций в разработку и поддержку, а также времени на обучение ИИ на основе реальных данных и создание необходимой инфраструктуры. В нынешних экономических реалиях такие инвестиции могут показаться нецелесообразными.

Наконец, клиенты страховых компаний также должны быть готовы к развитию рынка в технологическом плане. Серьезную роль играет страх утечки персональных данных, без которого внедрение машинного обучения на страховом рынке невозможно.

Исследование ACN показало, что многие участники рынка начали более или менее активно внедрять ИИ в свою деятельность примерно три года назад. Для разработки и широкого использования более сложных сценариев, вероятно, потребуется больше времени, особенно учитывая все вызовы, с которыми столкнется бизнес в 2020 году.

Искусственный интеллект в страховании: чем он может быть полезен

Искусственный интеллект и машинное обучение становятся одним из ключевых трендов на мировом страховом рынке. Однако, по данным исследования ACN, страховщики в России пока осторожно относятся к использованию машинного обучения, и говорить о широком применении ИИ в рабочих процессах пока рано.

Существует три этапа взаимоотношений страховой компании и клиента, на которых возможности искусственного интеллекта и машинного обучения могут быть особенно полезны.

Первый этап: Оформление страхового полиса и выбор тарифа

Уже сегодня страховые компании используют алгоритмический анализ для прогнозирования вероятности наступления страхового случая для конкретного клиента перед оформлением страхового полиса. Здесь все зависит от объема коррелирующих данных для составления прогноза - чем больше больших данных у компании, тем выше вероятность правильного результата. Поэтому в настоящее время наиболее подходящей областью для применения подобных систем является автострахование, где нет недостатка ни в количестве выданных полисов, ни в объеме страховых случаев, подлежащих анализу. Например, по данным Центрального банка РФ, на конец 2019 года в России действовало около 40 млн полисов ОСАГО и за год было произведено более 2 млн выплат по ОСАГО.

Следующий шаг для страховых компаний - применение машинного обучения для ценообразования скоринговых моделей. В большинстве своем страховщики сегодня используют достаточно простую систему установления тарифов: на ценообразование влияют как "безубыточные" клиенты с высоким уровнем безаварийности, так и "убыточные", которые обращаются за страховыми выплатами несколько раз в год. Поэтому неизбежно, что "безубыточные" клиенты в конечном итоге компенсируют страховой компании затраты на "убыточных" клиентов.

Классический пример использования ИИ для повышения эффективности персонального биллинга - анализ телематических данных, получаемых от специальных комплексов, установленных в застрахованных автомобилях. Телематика собирает реальные эксплуатационные факторы в виде понятных данных: соблюдение скоростного режима, резкие ускорения и торможения, работа автомобиля в ночное время, пробег и общее время вождения. В результате более спокойные водители, которые ездят реже, могут получить более выгодный тариф.

Практика персональных тарифов на основе телематических данных распространена на рынках США и Европы, но постепенно появляется и в российских страховых компаниях. Например, "Тинькофф Страхование" устанавливает на автомобили клиентов телематические системы MetaSystem* (Деятельность компании Meta Platforms Inc., признана экстремистской и запрещена на территории Российской Федерации). Один из блоков подключается к диагностическому разъему OBD II, а второй - к аккумулятору автомобиля. Внутри блоков находятся антенны GSM/ГЛОНАСС, акселерометры и модули передачи данных GSM. По результатам его интерпретации клиенты страховщика, которых ИИ посчитает менее "рискованными" для компании, могут рассчитывать на скидку до 50 % от стоимости полиса КАСКО. Подобные условия также предлагают "АльфаСтрахование", "Ингосстрах", "Росгосстрах" и другие российские компании.

Наконец, ИИ теоретически может решить еще одну головную боль страховщиков - отсеять мошенников до того, как они оформят страховой полис. Большие данные и в этом случае играют решающую роль: ИИ может изучать информацию о клиентах, рейтинги платежеспособности, социальные связи, истории звонков на "мошеннические" номера и другие данные, чтобы оценить благонадежность того или иного человека. Кстати, в данном случае ИИ полезен не только для самой страховой компании, но и для "хороших клиентов", ведь цены на страховые продукты формируются исходя из убыточности портфеля компании. Это значит, что чем меньше страховая компания теряет на мошенничестве, предотвращая его на начальном этапе, тем дешевле могут быть ее продукты.

Второй этап: Урегулирование страховых случаев

На данном этапе ИИ открывает очень важную точку роста, которая снимает со страховщиков значительную часть головной боли. Крупным страховым компаниям приходится работать с сотнями и тысячами партнеров по ремонту и оценке ущерба в регионах Российской Федерации. По каждому страховому случаю проходит множество документов: счета-фактуры, акты осмотра и оценки, фотодокументы. Потенциал автоматизации учета этих документов вполне очевиден. Однако сфера применения технологии в данном случае еще шире: страховая компания может использовать ИИ для защиты от недобросовестных партнеров, которые предоставляют заведомо ложные данные (например, фотографии небольшой царапины на бампере автомобиля и указание на серьезные скрытые повреждения в акте осмотра). Перекрестная проверка фотографий и поиск похожих отчетов об осмотре позволят своевременно прекратить сотрудничество с такими партнерами.

Кстати, определение характера и степени повреждения автомобиля по фотографиям - еще одна возможность использования ИИ. Определенный мировой опыт в этой области уже накоплен: Китайский страховой гигант Ping An Insurance утверждает, что использует ИИ практически на всех этапах обслуживания клиентов, включая оценку ущерба. В интервью Bloomberg генеральный директор Ли Юань Сионг отметил, что благодаря ИИ удалось снизить комбинированный коэффициент убыточности компании - он примерно на 3 % ниже, чем в среднем по рынку, что в долгосрочной перспективе очень весомо, особенно учитывая масштабы компании.

Возможности применения искусственного интеллекта при урегулировании убытков довольно широки, причем не только в автостраховании. Например, автоматическое сопоставление назначений врачей и диагнозов в ДМС может сэкономить страховщикам огромные суммы на оплате анализов, в которых нет необходимости.

Третий этап: Забота о клиентах

Сила искусственного интеллекта способна поднять клиентоориентированность страховщиков на недостижимый ранее уровень. И все это благодаря значительной автоматизации и оперативности.

Суть процесса заключается в последовательности действий, которые запускаются при наступлении страхового случая. Например, если в застрахованном автомобиле сработал датчик подушки безопасности, консоль страховой компании автоматически вызовет скорую помощь, направит аварийного комиссара на помощь клиенту, а специалисты службы поддержки позвонят, чтобы успокоить и помочь. При необходимости будет вызван эвакуатор, который доставит машину точно в то место, где клиент сможет ее забрать в ближайшее время. Такая симфония процессов возможна только при использовании сложных алгоритмов, учитывающих сотни параметров - от удаленности самого клиента до загруженности дилерского центра, в который автомобиль будет отправлен на ремонт.

Заключение

В заключение я хочу сказать, что ИИ действительно может изменить все отрасли, и страхование в том числе. В настоящее время этот механизм уже изменил некоторые сферы, но на самом деле он мало изучен, поэтому мы не можем однозначно сказать, хорошо это или плохо, но я уверен, что в некоторых случаях это необходимо, например: вызов робота для решения простых вопросов, монотонная работа, не требующая участия человека. Применение искусственного интеллекта в страховой деятельности имеет потенциал для трансформации отрасли. ИИ может помочь страховщикам улучшить андеррайтинг, обработку претензий, выявление мошенничества и обслуживание клиентов. По мере развития технологий искусственного интеллекта мы можем ожидать появления еще большего числа инновационных приложений искусственного интеллекта в страховой отрасли. Страховщики, использующие ИИ, будут иметь больше возможностей для конкуренции в будущем и предоставления своим клиентам более качественных продуктов и услуг.

Список литературы:

1. Artificial intelligence. What it is and why it matters. SAS Institute Inc. https://www.sas.com/ru_ru/insights/articles/analytics/what-is-artificial-intelligence.html
2. Artificial intelligence (AI). TADVISER https://1prime.ru/finance/20200902/831980390.html
3. Artificial intelligence in insurance. msg Plaut. Natalia Memnonova. https://www.msg-plaut.com/ru/news/iskusstvennyj-intellekt-v-strakhovanii
4. Press about insurance, insurance companies and the insurance market. Alexander KRAINIK, Director of Insurance Business Development, Compare.ru https://www.insur-info.ru/press/159214/
5. The impact of artificial intelligence along the insurance value chain and on the insurability of risks. Martin Eling, Davide Nuessle & Julian Staubli https://link.springer.com/article/10.1057/s41288-020-00201-7
6. Explainable Artificial Intelligence (XAI) in Insurance. Emer Owens, Barry Sheehan, Martin Mullins, Martin Cunneen, Juliane Ressel, German Castignani https://www.mdpi.com/2227-9091/10/12/230
7. The Impact of Big Data and Artificial Intelligence (AI) in the Insurance Sector. OECD (2020) www.oecd.org/finance/Impact-Big-Data-AI-in-the-Insurance-Sector.htm.
8. Перспективы правового регулирования использования технологии искусственного интеллекта в страховой деятельности в российской федерации и за рубежом. Научный руководитель: старший преподаватель. Департамента правового регулирования экономической деятельности ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации» Н.А. ЕФИМОВА
9. Технологии искусственного интеллекта. А.С. Потапов. Учебное пособие. 2010 – с. 3
10. Системы искусственного интеллекта. С. Н. Павлов. Учебное пособие. 2011 – с. 13