Обзор страховщиков, использующих искусственный интеллект и машинное обучение

Искусственный интеллект (ИИ) и машинное обучение (МО) стали модными словами, но какая от них польза на практике? АСН представляет итоги опроса страховщиков об их опыте использования новейших технологий и видении будущего отрасли.

18:33
3
Страховщики поделились опытом взаимодействия с Искусственным интеллектом. Фото pbs.twimg.com.
«РЕСО-Гарантия»
МО в компании используется уже несколько лет, начиная с процесса андеррайтинга, рассказал Head of Data Science «РЕСО-Гарантии» Сергей Алешкин.

В 2018 году модели также начали использоваться для повышения эффективности продаж, в частности, кросс-продаж полисов ОСАГО. Для оценки качества работы модели, помимо стандартных метрик data science (ROC AUC, Precision, RecИИl, F-мера и т.д.) используются показатели, отражающие эффект для бизнеса: изменение частотности и размера страховых выплат, объема сборов, конверсии лидов в продажи и т.п. 
 
Машинное обучение в финансовых компаниях уже выходит за рамки бэк-офисных функций, обеспечивая рост продаж и лучшее удовлетворение потребностей клиента. О том, как AI помогает развивать отношения с клиентами в «РЕСО-Гарантия», 12 декабря 2019 г. на форуме FinMachine CX 2019 расскажет Сергей Алешкин, Head of Data Science «РЕСО-Гарантия». Программа форума.

К примеру, модель определения спроса на полисы страхования ИФЛ, внедряемая сейчас в компании, отсеивает большую часть клиентов, которые не заинтересованы в покупке. В результате, конверсия в продажи полисов ИФЛ по оставшимся клиентам выросла в несколько раз.

«РЕСО-Гарантия» планирует активно расширять применение ИИ по следующим направлениям:
  • Использование более сложных моделей, в том числе Random Forest и различных алгоритмов бустинга в тех бизнес-процессах, где применение моделей машинного обучения уже показало свою эффективность и нет жестких требований по простоте интерпретации моделей. Модели, построенных с применением бустинга, умеют работать с нелинейной зависимостью, и, тем самым, частично решают проблему генерации т.н. «фичей» (feature – искусственный признак, создаваемый датасаентистами, в т.ч. для повышения точности моделей при наличии нелинейной зависимости целевой переменной от отдельных признаков).
  • Расширение числа бизнес-процессов в которых применяются модели машинного обучения. В первую очередь это кросс-продажи и работа с агентской сетью.
  • Повышение уровня владения сотрудниками и агентами «РЕСО-Гарантии» технологиями продаж с использованием искусственного интеллекта. Задачей искусственного интеллекта является не дублирование или замещение работы сотрудников и агентов. Искусственный интеллект лишь освобождает от рутинных задач.
Каким компания видит будущее рынка. Активное использование машинного обучения в ближайшие годы приведет к еще большему усилению конкуренции за перспективных страхователей. Это повлечет дальнейшее совершенствование сервиса для клиентов в части ассортимента страховых продуктов, возможных каналов взаимодействия и учета индивидуальных особенностей и предпочтений клиентов.

С точки зрения агентской и дилерской сетей ожидается дальнейший рост профессиональной квалификации агентов и дилеров с усилением функционала по постпродажному сопровождению клиентов и проактивному предложению страховых продуктов на основе прогноза потребностей клиента, считают в компании.

«Тинькофф Страхование» 
МО в компании.
Технологии машинного обучения применяются более трех лет, говорит гендиректор «Тинькофф Страхования» Иван Мироненко. Основная используемая модель – оценки риска клиента (вероятность мошенничества в действиях клиента и возможность того, что у клиента могут быть денежные убытки). При помощи других моделей оцениваются вероятность пролонгации страхового полиса или вероятность получить суброгацию по ДТП, в которое попал клиент.

Применение моделей позволяет не только снижать риски мошенничества, но и держать цены на страховые услуги ниже рынка без снижения уровня прибыльности.

Основными инструментами машинного обучения, которыми пользуется страховщик, являются обобщенные линейные модели – их легко интерпретировать и реализовать. Такие модели отлично себя зарекомендовали, по ним накоплена хорошая экспертиза. Более сложные модели (gradient boosting, random forest и пр.) используются тоже, но профит от них не такой значительный, указали в компании.
 
О том, какие преимущества дает ИИ в борьбе за счастье клиента и какое место он занимает в стратегии лидеров финансовой отрасли на ближайшие 3 года, поговорим на форуме FinMachine CX 2019, который состоится 12 декабря 2019 г. 

Часто на успешность использования той или иной модели влияет не столько ее сложность, сколько объем данных. Компания постоянно работает над его ростом, учитывая все новые факторы оценки, как внутренние, так и внешние.

Будущее рынка. Технологии машинного обучения открывают в области урегулирования убытков массу возможностей: это и автоматическая оценка суммы убытка по фотографиям, и контроль за партнерами, и распознавание мошенничества, и мгновенная выплата клиентам в тех случаях, где риски мошенничества низкие.

Влияние ИИ на страховую отрасль будет значительным. Оформление полиса будет происходить в пару кликов по заполнению всего нескольких параметров. Изменения в полис будут вноситься за полминуты, а процесс заявления убытка и его урегулирования будет существенно проще и быстрее.

«Ренессанс страхование»
МО в компании
применяется уже третий год и задействовано практически во всем жизненном цикле клиента, говорит руководитель отдела анализа развития данных «Ренессанс страхования» Александра Григорьева. Модели помогают уменьшить убыточность по страховым продуктам, увеличить проникновение продуктов страхования, уменьшить время урегулирования убытка (автоматизируя некоторые процессы), уменьшить количество ручного труда сотрудников.
 
К примеру, для данных табличного формата компанию использует такие модели, как градиентный бустинг, случайный лес, регрессии. Для задач с изображениями используются нейросети, NLP для обработки текста.

«Ренессанс страхование» планирует внедрить алгоритмы машинного обучения практически для всех страховых продуктов, для которых это является целесообразным. 

Будущее рынка. Тарифы будут учитывать большее количество факторов, станут персональными и потому более справедливыми. Клиенты смогут получать практически моментальные выплаты в случае возникновения страхового случая. Будет развиваться IoT (Интернет вещей) в страховых продуктах. Генерируемые датчиками данные будут анализироваться с помощью методов машинного обучения.

«СОГАЗ»
МО в компании.
«СОГАЗ» успешно применяет технологии искусственного интеллекта и машинного обучения в расчете рисков, урегулировании убытков, анализе медицинских услуг и работе с персоналом, сообщили в пресс-службе Страховой Группы «СОГАЗ». По состоянию на конец августа 2019 года компания ожидает, что совокупный экономический эффект от использования таких технологий по итогам 2019 года составит до 1 млрд рублей.

Будущее рынка. Использование технологий больших данных, искусственного интеллекта и машинного обучения – одна из стратегических задач «СОГАЗа» на ближайшие годы.

«Зетта Страхование»
МО в компании.
«Зетта Страхование» активно развивает использование технологий Машинного обучения в процессах, связанных с монотонной работой и с необходимостью анализа большого объема данных за небольшой промежуток времени, рассказал начальник отдела моделирования и анализа данных «Зетта Страхование» Дмитрий Петухов.

Направление ИИ в компании на текущий момент больше похоже на лабораторию. Изучаются, в том числе, и последние наработки в области глубоких нейронных сетей.

Наибольший потенциал для развития «умных» автоматизированных систем «Зетта Страхование» видит в обогащении данных с использованием технологий Big Data. Это делается с целью персонифицированного подхода к потребностям клиентов на основе проанализированных данных и рекомендаций моделей машинного обучения.

Будущее рынка. В перспективе до 3 лет маловероятны революционные изменения в секторе страхования, связанные с внедрением технологий машинного обучения. За это время страховщикам предстоит научиться использовать технологию, развить внутри компании культуру работу с данными, перестроить внутренние бизнес-процессы. На горизонте от 3 лет технологии ИИ будут играть все большую и большую роль. Со временем технологичность страховщика может стать одним из ключевых конкурентных преимуществ, а отсутствие соответствующих технологий – причиной ухода с рынка, считают в «Зетта Страховании».

«Капитал Лайф Страхование Жизни»
МО в компании
используется уже несколько лет, рассказала руководитель департамента корпоративных инноваций Капитал Life Светлана Адрова. В начале 2019 года запущен проект по интеграции искусственного интеллекта в работу единого контакт-центра обслуживания клиентов компании. В результате увеличены операционные возможности контакт-центра, оптимизированы расходы на обработку входящих телефонных звонков.

В настоящее время компания работает над внедрением комплексной системы контроля работы операторов контакт-центра с применением ИИ. Кроме этого планируется интеграция технологии разговорного искусственного интеллекта в систему IVR и расширение области применения чат-ботов.

Cервисы, использующие технологии машинного обучения, позволяют дополнять классические страховые продукты новыми опциями, например, связанными с периодической диагностикой здоровья застрахованных. Также машинное обучение помогает провести глубокий анализ данных клиентов для формирования адресного предложения клиентам, указали в компании.

Будущее рынка. Данные технологии станут одними из ключевых конкурентных преимуществ страховщиков уже в ближайшем будущем. С каждым годом искусственный интеллект будет играть все большую роль в принятии решений по урегулированию убытков, обрабатывая, например, данные лечебных учреждений, а также контролируя сроки и размеры страховых выплат. Также для каждого клиента в автоматическом режиме будет формироваться индивидуальное предложение, включающее сервисы для поддержания здоровья, недвижимости и автомобиля, а также других активов, которыми он обладает. Также технологии позволят устанавливать клиентам тарифы с учетом индивидуальных рисков, указали в компании.
 
О том, как AI помогает Капитал Life зарабатывать и сокращать издержки, 12 декабря 2019 г. на форуме FinMachine CX 2019 расскажет Светлана Адрова, руководитель департамента корпоративных инноваций Капитал Life. Программа форума.

«Сбербанк Страхование жизни»
МО в компании.
Сейчас страховщик изучает различные проекты в области ИИ и машинного обучения, а также участвует в проектах Лаборатории искусственного интеллекта Сбербанка, рассказала директор по развитию медицинского страхования СК «Сбербанк страхование жизни» Екатерина Коломенцева.
 
Перспективно внедрение ИИ в андеррайтинге и урегулировании страховых случаев. Компания уже использует стартапы на основе ИИ в медицинских сервисах, включенных в страховые продукты. Среди них – медицинский чат-бот, который распознает более 350 симптомов и помогает сориентировать человека, к какому специалисту ему следует обратиться.

Будущее рынка. ИИ и МО не изменят кардинально страховую отрасль, но значительно ее продвинут. Страхование сможет перейти от массовых продуктов к персональным, разработанным на основе данных конкретного человека. Кроме того, есть интересные стартапы для страховщиков по оценке фальсификации документов, выявлению тех деталей, которые не видны человеческому глазу.

«Сбербанк страхование»
МО в компании
используется при построении моделей страховых тарифов, в том числе индивидуальных, отметил операционный директор СК «Сбербанк страхование» Василий Александров.

Также они применяются при урегулировании убытков. Во-первых, это выявление страховых мошенников. Во-вторых, сейчас активно развивается направление по принятию автоматического решения по страховым случаям. 

Набирает популярность внедрение удаленных осмотров с использованием мобильных телефонов. После того, как компания накопит достаточно большой объем данных, можно будет учить модели определению степени повреждений и т.д. 

Будущее рынка. Искусственный интеллект будет проникать во все этапы обслуживания клиентов: управление упрощенной идентификацией клиентов в колл-центрах, внедрение роботизированных помощников и создание полностью автоматических процессов пост-продажного обслуживания.

ВСК 
МО в компании.
Сегодня мы работаем с проектами, связанными с распознаванием речи и документов, в которых будут применяться элементы искусственного интеллекта, отметила руководитель управления перспективных технологий ВСК Вера Гоцелюк. 

Будущее рынка. Скорее всего, в ближайшее время на российском страховом рынке обучаемые роботы будут обслуживать все типовые запросы клиентов, что позволит повысить уровень сервиса за счет скорости и точности предоставляемой информации.

Если говорить о более сложных кейсах, связанных с принятием решений по андеррайтингу, предотвращению мошенничества, убыткам – то это требует определенной технологической зрелости отрасли и скорее всего внедрение данных технологий потребует нескольких лет, считают в ВСК.

«Либерти страхование»
МО в компании.
«Либерти страхование» использует ИИ в проекте по внедрению автоматического скоринга, который станет фундаментом для нового этапа интенсификации процессов практически по всем линиям бизнеса компании, рассказал директор департамента IT «Либерти Страхование» Михаил Деменков. За основу взят мировой опыт, так как страховщик – подразделение Liberty Mutual, одного из глобальных лидеров на страховом рынке нон-лайф.

Будущее рынка. Использование элементов ИИ может быть эффективным, но при этом и привести к опасным последствиям для бизнеса, если не обеспечить их набором сдержек и противовесов, таких как постоянный контроль эффективности, анализ моделей и методик и т.п. «Внедрение элементов ИИ – это сложный и дорогостоящий процесс, но если компания хочет развиваться, то от этого никуда не деться», – отметил топ-менеджер компании.

Как AI помогает банкам и страховым компаниям получить и удержать клиента обсудим 12 декабря на форуме FinMachine CX 2019.
3 комментария
3 комментария
  • SergG
    20:27

    Интересная тема, но как-то очень поверхностно раскрыты возможности и результаты сегодняшнего дня, в части обогащения данных, автоматизации интерпритации результатов машинного анализа.
    Интересно практический опыт Тинькова бы пощупать… неужели секрет?

  • Kutёk
    21:36

    Мангу забыли

  • Гуру
    19:37

    Интересно, что каждый понимает ИИ очень по своему.
    МО не есть ИИ.
    В шок повергает сообщение про обработку текстов с помощью NLP. Сразу захотелось попросить разъяснений :) ))
    ИИ это формирование аналитических выводов и рекомендаций на основе баз данных и главное-алгоритмов, аккумулирующих уникальные экспертные знания. Это моделирование формирования аналитического вывода и принятия решения опытным профессионалом.
    А теперь еще раз прочтите, что под ИИ понимают коллеги…

    Вообще то это ВСС должен дать базовые определения, что такое ИИ и что к нему относят…

Оставить комментарий
Система Orphus
ВОЙТИ НА САЙТ
РЕГИСТРАЦИЯ
Captcha Image Введите код на картинке
Нажимая кнопку «Зарегистрироваться», я даю согласие на обработку персональных данных
Восстановление пароля