Как искусственный интеллект радикально меняет страховую отрасль

• Искусственный интеллект (ИИ) может помочь страховщикам оценивать риски, выявлять мошенничество и сокращать количество человеческих ошибок в процессе подачи заявок. В результате страховщики лучше подготовлены для продажи клиентам наиболее подходящих планов.
• Клиенты получают выгоду от оптимизированного обслуживания и обработки претензий, которые обеспечивает ИИ.
• Некоторые страховщики считают, что по мере развития машинного обучения потребность в андеррайтерах-людях может уйти в прошлое, но до этого дня могут пройти годы.
• Эта статья предназначена для страховщиков, владельцев бизнеса и клиентов страховых компаний, заинтересованных в том, какую пользу им приносит ИИ.

Хотя это отрасль, которая на протяжении столетий доказала свою устойчивость к изменениям, страхование переживает цифровую революцию. С появлением передовых алгоритмов машинного обучения андеррайтеры предоставляют больше информации, чтобы лучше оценивать риски и предлагать индивидуальные премиальные цены. С другой стороны, ИИ оптимизирует процесс страхования, чтобы связать заявителей с перевозчиками более эффективно и с меньшим количеством ошибок.

Эти быстрые изменения означают большие успехи как для страховщиков, так и для заявителей. Вот как ИИ находится на переднем крае страховой отрасли и куда он может двигаться в ближайшие годы.

Оценка риска

Исторически сложилось так, что страховые андеррайтеры полагались на предоставленную заявителем информацию для оценки страховых рисков клиентов. Проблема, конечно, в том, что заявители могут быть нечестными или делать ошибки, что делает эти оценки рисков неточными.

Машинное обучение, в частности понимание естественного языка (NLU), позволяет страховщикам анализировать более абстрактные источники информации, такие как обзоры Yelp, публикации в социальных сетях и документы SEC, собирая вместе соответствующую информацию, чтобы лучше оценить потенциальный риск страховой компании.

«Наша способность фактически просматривать эти текстовые источники данных и извлекать очень важную информацию значительно увеличилась (с NLU)», — сказал Энди Брин, старший вице-президент по цифровым технологиям в Argo Group. «Мы используем эти источники информации, которые раньше были недоступны или легко распространялись».

Более точные оценки рисков означают более подходящие премии. В отрасли, где самая большая разница между страховыми компаниями заключается не в их продуктах, а в их ценах, более индивидуализированная модель воздействия может иметь большое значение, говорит Софья Погреб, главный операционный директор Next Insurance.

«Традиционно (отрасль предлагала) продукты с «наименьшим общим знаменателем»: стандартная политика ответственности», — сказал Погреб. «То, что вы получаете в итоге, — это очень недифференцированный продукт, где у пекарни и прачечной одинаковая политика. Это не правильный подход к клиенту. Имея возможность автоматически потреблять больше данных, мы увидим больше настроек, и клиенты получат выгоду, платя за покрытие, которое им действительно нужно».

Если вы не уверены, какое покрытие вам нужно для вашего бизнеса, ознакомьтесь с видами страхования, которые следует рассмотреть вашему бизнесу, и нашим руководством по выбору страхования для малого бизнеса.

Обнаружение мошенничества

Мошенничество является серьезной проблемой для страховых компаний, а ИИ является ключевым сторожевым псом в борьбе с мошенническими претензиями. Как отмечает Samsung в сообщение в блоге о предотвращении страхового мошенничествавсе дело в обнаружении закономерностей, которые могут ускользнуть от человеческого познания:

«Французская стартап-компания Shift Technology использует эту технологию в своих службах предотвращения мошенничества, которые уже обработали более 77 миллионов претензий. Алгоритмы когнитивного машинного обучения достигли уровня точности 75% для обнаружения мошеннических страховых случаев. Алгоритмы машинного обучения предоставляют подробную информацию о подозрительных претензиях с потенциальной ответственностью и оценками стоимости ремонта, а также предлагают процедуры, которые могут решить проблему и усилить защиту от мошенничества».

«Способность машинного обучения помочь в выявлении предполагаемого мошенничества хорошо известна, но наука о данных, управляемая человеком, пока так же способна», — сказал Ариел Воланов, управляющий директор Finserv Experts. «Ключевое различие с течением времени будет заключаться в стоимости. Профессиональные преступники будут держать руку на пульсе ведущих в отрасли индикаторов мошенничества и адаптировать свое поведение к ним. Ученые-люди должны будут повторять свой анализ с течением времени, чтобы не отставать, в то время как алгоритмы машинного обучения со временем обучаются на основе наблюдаемых изменений в базовых данных».

Сокращение человеческих ошибок

Цепочка распределения в страховой отрасли извилиста и сложна. По словам Брина, ряд посредников изучает информацию между страхователем и перевозчиком, что приводит к большому количеству человеческих ошибок и ручной работы, что замедляет процесс. Однако ИИ начинает решать эту проблему.

Алгоритмы могут сократить время и количество ошибок при передаче информации из одного источника в другой. По словам Брина, войдя на портал и загрузив PDF-файл, страховая компания сокращает объем ввода и повторного ввода данных и повышает точность.

«Люди устают, скучают и совершают ошибки, а алгоритмы — нет», — добавил он.

Для Погреба преодоление разрыва между страхователем и страховщиком так же важно, как и уменьшение ошибок. По ее словам, с лучшими данными выигрывают как клиенты, так и страховщики, потому что страховщики могут разрабатывать более качественные продукты на основе более точных оценок, а клиенты будут платить именно за то, что им нужно. (Читать соответствующую статью: Веб-сайты для сравнения котировок страхования малого бизнеса)

«Я думаю, что благодаря машинному обучению мы сможем гораздо лучше давать потребителю такие советы автоматически», — сказал Погреб. «Основываясь на том, что вы рассказываете мне о своем бизнесе, и на том, что я знаю о подобных, (я могу сказать), я считаю, что это правильное сочетание покрытия для вас. Таким образом, это не возлагает ответственности ни на агента, ни на клиента, который, откровенно говоря, не имеет опыта или знаний, а позволяет данным дать совет».

Обслуживание клиентов

Даже в таком устойчивом к изменениям секторе, как страхование, хорошее обслуживание клиентов имеет первостепенное значение. В конце концов, люди часто перестают пользоваться услугами компаний с плохим обслуживанием клиентов. Вот почему так много веб-сайтов страховых компаний теперь включают чат-ботов. Эти инструменты искусственного интеллекта могут направлять клиентов по многочисленным запросам без вмешательства человека. Они также доступны 24/7, в отличие от многих команд реальных людей.

Например, клиент, которому нужна помощь с доступом к своей учетной записи, может запросить помощь у чат-бота прямо с веб-сайта страховой компании. Эта функция потенциально может решить кризис клиентов в один миг. Настоящие агенты по обслуживанию клиентов все еще могут быть необходимы для более сложных проблем, но чат-боты с искусственным интеллектом могут справиться с большей частью остальных.

Чат-боты на страховых веб-сайтах — это форма искусственного интеллекта и одна из последних тенденций в области чат-ботов. Некоторые из них достаточно сложны, чтобы помочь клиентам ориентироваться в задачах высокого порядка, в то время как другие предназначены только для ответов на простые вопросы.

Обработка претензий

Страховщики существуют для обработки претензий и помощи клиентам в их покрытии, но оценка претензий непроста. Агенты должны просмотреть несколько полисов и тщательно изучить каждую деталь, чтобы определить, сколько клиент получит за свою претензию. Это может быть кропотливым процессом, и ИИ может помочь.

Инструменты машинного обучения могут быстро определить, что связано с претензией, и спрогнозировать возможные затраты. Они могут анализировать изображения, датчики и исторические данные страховщика. Затем страховщик может просмотреть результаты ИИ, чтобы проверить их и урегулировать претензию. В результате выигрывают как страховщик, так и клиент.

Приносит ли ИИ в страховой отрасли пользу потребителю?

Широкое внедрение определенной технологии в отрасль часто отражает преимущества, которые она предлагает компаниям в этом секторе, иногда без очевидного влияния на потребителя. Это не относится к ИИ в страховой отрасли, который имеет явные преимущества для клиента.

Оценка рисков с помощью ИИ может помочь страховщикам лучше настроить планы, чтобы клиенты платили только за то, что им действительно нужно. Это также может свести к минимуму человеческие ошибки в процессе подачи заявки, поэтому клиенты с большей вероятностью получат планы, которые должным образом соответствуют их потребностям. Конечно, это также может расширить возможности обслуживания клиентов страховой компанией и упростить процесс утверждения претензий. В итоге клиенты получают то, что им нужно.

ИИ в страховой отрасли приносит пользу как страховщику, так и потребителю, в том числе малым предприятиям, которым необходимо покупать страховку.

Будущее страхового ИИ

Страховая отрасль только начала осваивать ИИ, а компании уже экспериментируют с новыми способами внедрения его в свою повседневную деятельность в ожидании дальнейшего технологического развития.

«Это самые ранние дни ИИ, — сказал Брин. «Для черных, повторяющихся задач мы ставим на него компьютер… но мы далеки от страховщика компьютеров. На данный момент мы просто увеличиваем людей».

По его словам, это все еще значительное изменение в отрасли. Андеррайтеры в Argo Group теперь начинают управлять портфелями, а не проверять каждую заявку. По словам Брина, более стандартные и предсказуемые претензии обрабатываются алгоритмами машинного обучения, а страховщик-человек, по сути, настраивает весь процесс и вмешивается в случаях, когда требуется принятие решений более высокого порядка.

Погреб видит еще больший потенциал для оптимизации процесса андеррайтинга. Она ожидает, что количество заявок, которые должен обрабатывать человек-андеррайтер, значительно сократится, поскольку машинное обучение найдет свое место в страховой отрасли.

«Мы верим, что с помощью технологий и машинного обучения можно избавиться от многих (человеческих андеррайтингов)», — сказал Погреб. «Процент страховых случаев, требующих участия человека, резко снизится, может быть, с 80% до 90%, и даже до низких однозначных цифр».

Хотя внедрение ИИ произошло в зачаточном состоянии, оно уже радикально меняет положение дел. По словам Воланова, страховые компании, которые хотят оставаться конкурентоспособными, должны проверить возможности ИИ.

«Компании могут подготовиться и оставаться конкурентоспособными, начав оценивать влияние машинного обучения на свой бизнес, создавая прототипы собственных алгоритмов», — сказал он. «Отдельный алгоритм машинного обучения, который выполняет анализ на автономной основе, на самом деле довольно недорог, (и) во многих случаях автономный инструмент анализа более чем подходит для этой цели».

Макс Фридман участвовал в написании и написании этой статьи. Источник интервью были проведены для предыдущей версии этой статьи.