Об эксперте: Александр Гогленков, заместитель гендиректора, директор по развитию «СберСтрахования».
Китайский ориентир и возмещение убытков
— Как давно ИИ начали использовать в страховании и для каких задач?
— Примерно в середине 2000-х годов. В основном это были американские компании. Например, Progressive Corporation (один из крупнейших автостраховщиков США. — «РБК Тренды») в 2008 году запустила модель, которая на основе страховой истории клиента давала персонализированную цену для полисов.
С 2010-х страховые компании начали переходить в цифру, и клиенты получили возможность полностью взаимодействовать с ними онлайн. Такая оцифровка данных позволила намного эффективнее и масштабнее использовать инструменты ИИ.
Если говорить о современном рынке, то для нас ключевым ориентиром является Китай. Интересный факт: количество людей, которые занимаются развитием ИИ внутри китайских страховых компаний, измеряется тысячами. В России — сотнями.
— То есть использование ИИ — это не новая история для страхового рынка?
— В целом нет, но она относительно новая для России. У нас начали заниматься ИИ примерно в середине 2010-х. Сейчас вся наша стратегия в «СберСтраховании» основана на использовании ИИ. У нас есть задача быть максимально операционно-эффективными, максимально цифровыми. Поэтому мы будем внедрять ИИ практически во всех процессах и на всех этапах взаимодействия с клиентом. Где-то искусственный интеллект уже работает, где-то планируем его запустить.
— Можно ли выделить самые важные для страховой отрасли ИИ-решения?
— Мне сложно выделить что-то одно. Я бы сказал, что это набор инструментов и моделей, которые используются на разных этапах взаимодействия с клиентом.
— Каким образом ИИ участвует в урегулировании убытков?
— Мы используем ИИ, например, в продукте для защиты банковских карт. Допустим, произошло страховое событие: с карты списались деньги, а клиент эту транзакцию не совершал. Возможно, он потерял карту или кто-то получил доступ к данным карты и что-то по ней приобрел.
Клиент может заполнить форму в приложении, сообщить о происшествии и запросить возмещение убытков. Далее включается модель: она анализирует транзакцию и с учетом полученных данных формирует решение: готовы ли мы возместить убытки в моменте, или это более сложный кейс, и его надо урегулировать в ручном режиме.
— Какую максимальную сумму убытков вы готовы доверить ИИ для урегулирования?
— До ₽25 тыс. Сейчас ИИ самостоятельно принимает решение по 90% таких заявлений, поданных через мобильное приложение.
Пока мы не готовы использовать ИИ-модель на очень крупных страховых случаях. Они происходят нечасто — их недостаточно, чтобы хорошо обучить модель и однозначно полагаться на ее решение.
Оценка рисков для здоровья и автомобиля
— ИИ уже применяют в медицинском страховании? И если да, то каким образом?
— Тут используются несколько иные модели. Они, в частности, помогают формировать так называемый эталонный прейскурант. В разных клиниках разные услуги могут быть описаны по-разному. Модель сопоставляет все это с тем, как мы видим их на своей стороне.
В результате она быстро понимает, включен ли тот или иной риск в покрытие или нет. И может автоматически формировать первичное заключение о том, готовы ли мы оплатить ту или иную услугу.
— Это заключение потом должно пройти через специалиста?
— Да, это связано в том числе с тем, что ДМС для нас — довольно молодой вид страхования. Он существует в компании около трех лет. Чтобы принимать автоматические решения, нам нужно еще набрать определенное количество статистики. Пока что модель дообучается.
— А когда наберется вся необходимая статистика, с помощью алгоритмов можно будет снижать издержки в медстраховании?
— Однозначно да. Думаю, это должно происходить по аналогии с защитой банковских карт. Сначала мы сможем автоматически решать с помощью ИИ самые простые ситуации, потом переходить к более сложным. Хотя, думаю, наиболее сложные кейсы еще долго останутся на ручном подтверждении.
— В мире все больше девайсов, которые помогают следить за здоровьем и генерируют много цифровых данных. Можно ли использовать это в страховании? Например, чтобы подсказывать клиентам какие-то превентивные меры по здоровью и таким образом снижать число страховых случаев?
— С точки зрения практического применения есть схожие моменты в медицинском и автостраховании. В медицине данные можно собирать через носимые девайсы, в автостраховании — с помощью телематики.
— Какие препятствия есть в медстраховании?
— Здесь важно иметь согласие клиентов на использование данных. Конечно, почти в любом телефоне можно посмотреть количество шагов, во многих — отслеживать изменения давления, пульса. Но готов ли каждый из нас к тому, что эти данные будут использоваться и повлияют на цену полиса?
Эти вопросы пока не решены, но в перспективе мы хотим использовать такие модели в медстраховании.
— А в страховании автомобилей?
— В страховании автомобилей один из наиболее интересных для нас сегментов — юрлица. Телематика потенциально интересна именно для них. С ее помощью компания может контролировать передвижение своего парка, расход бензина. А в качестве дополнительного параметра мы сможем подсвечивать и риски по каждому водителю. Тут ценность для клиента очевидна.
Персональные полисы и данные
— Дает ли использование ИИ какую-то ощутимую выгоду участникам страхового рынка?
— Среди самых важных аспектов для страховщика — выявление склонности к покупке и прогнозирование оттока клиентов. Если мы видим, что конкретный клиент склонен покинуть компанию, то по определенным признакам можно понять, почему это может произойти. И сделать ему предложение с учетом этих данных, то есть дать более интересную модификацию продукта.
Использование ИИ во внутренних процессах позволяет оптимизировать постпродажное обслуживание, урегулирование убытков. Уже сейчас по 50% убытков подача заявлений и возмещение происходят через мобильное приложение, что позволяет пропускать их через ИИ-модель. В результате снижается нагрузка на весь операционный блок.
— А клиент получает какую-то выгоду?
— Снижение нагрузки дает нам возможность оптимизировать цену. Кроме того, анализируя набор объектов и поведенческие особенности клиента, можно выявить в его полисе риски, которые не актуальны для этого человека. А затем либо исключить их и снизить цену, либо заменить на реально значимые риски за те же деньги.
Для клиента также важна скорость процессов. Например, по разбитым стеклам в рамках каско мы выдаем направление на ремонт за одну минуту. А компенсацию при краже денег с карты — за полчаса. Наша конечная цель — проводить выплаты мгновенно после подачи заявления.
— Некоторые эксперты рисуют такое будущее для страхования: благодаря ИИ компании заранее знают обо всех рисках для конкретного человека и могут предложить ему превентивно от них застраховаться. Насколько мы сейчас от этого далеки?
— Мы двигаемся в эту сторону. Чем больше у страховщика оцифрованных данных, тем лучше он понимает клиента и причины, по которым возникают страховые события. И тем шире он может смотреть на окружение клиента, его имущество, страхуемые объекты и их специфику.
Один из элементов нашей стратегии заключается в том, чтобы на основании данных клиента прогнозировать риски для конкретных объектов. Скажем, два человека могут жить в одном и том же многоквартирном доме, но на разных этажах. И риски для них будут разными. Например, жителю последнего этажа не нужно страховать квартиру от битья окон.
Имея подобные данные, мы сможем формировать индивидуальный страховой пакет персонально под человека, его объекты и его поведенческие особенности. Включать в этот пакет актуальный для клиента набор рисков и давать ему персональную цену.
Полномочия ИИ и ответственность
— Какие риски и этические противоречия возникают при использовании ИИ в страховании?
— Самый главный этический вопрос состоит в том, где должны заканчиваться границы использования искусственного интеллекта. По мере совершенствования технологии можно будет передать ИИ все больше полномочий и ответственности. Поэтому нужно разграничивать сферы принятия решений.
Второй вопрос: кто будет отвечать за ошибки искусственного интеллекта? Такие дискуссии идут везде, не только в страховании. Несколько лет назад в России был разработан Кодекс этики в сфере искусственного интеллекта, где указано, что ответственным всегда остается человек. Отсюда вытекает задача обучения и настройки моделей таким образом, чтобы случаи ошибок были сведены к нулю.
— Недавно Госдума приняла закон о страховании рисков от применения ИИ. Нужно ли это отрасли и насколько она готова страховать подобные риски?
— Уверен, что разработчики ИИ тепло встретят такое страхование. Оно позволит защитить их от значительных финансовых потерь. Это может быть как повреждение дорогостоящего экспериментального оборудования, так и судебные или репутационные издержки.
Однако в части разработки такого продукта пока остается много вопросов: размер покрытия, способ фиксации страхового случая, границы ответственности страховщика.