Рекламаwww.kommersant.ru/ad

Страховка со скидкой

Как сбить цену медицинского полиса
Современные технологии и сбор данных о клиентах сегодня позволяют страховщикам предлагать индивидуальные тарифы. Технологии искусственного интеллекта позволят страховщикам контролировать дом, автомобиль, здоровье и личную жизнь клиентов. Тем, кто согласится на подобный контроль, страховщики обещают не только удешевление полиса, но и улучшение жизни.

iStock

ИИ с человеческим лицом

Конкурентоспособность страховщика сегодня определяют ИТ-сервисы, считает директор департамента развития цифровых каналов продаж «РЕСО-Гарантии» Виктория Маланина. В качестве примеров она приводит удобные личные кабинеты для агентов и клиентов, интеграции с партнерами, сервисы, позволяющие клиентам и агентам максимально оперативно и комфортно находить друг друга через интерактивную карту на сайте компании, цифровые каналы урегулирования. Кроме того, информационные технологии позволяют создавать API-сервисы, сокращающие количество документов, ускоряющие оформление и помогающие точнее оценивать риск. «Для клиента это означает меньше бюрократии, более понятные условия и более быстрое урегулирование»,— уверяет Виктория Маланина.
Использование современных ИТ-технологий, таких как искусственный интеллект (ИИ) и Big Data, также уже прочно вошло в практику страховых компаний. «Сейчас, говоря об искусственном интеллекте, обычно имеют в виду последние разработки — большие языковые модели»,— поясняет член правления «Росгосстраха» Евгений Ильин. Но основную материальную выгоду, по его словам, страховым компаниям приносят достаточно давно существующие на рынке ML-модели (модели машинного обучения), которые на основании больших данных могут комплексно оценивать риски застрахованных и рассчитывать оптимальную как для страховщика, так и для клиента стоимость полиса. «Такое многофакторное моделирование реализовано во всех уважающих себя страховых компаниях и постоянно совершенствуется. В условиях высокой конкуренции на рынке его качество — важный для страховщиков элемент борьбы за клиентов»,— сообщает эксперт.
Важную роль при этом играет индивидуальный подход, «подстройка» продукта под клиента (кастомизация). «Раньше страховщики при расчете стоимости полиса оперировали групповыми характеристиками, связанными в основном с социально-экономическим профилем клиента и типичными для этих характеристик уровнями рисков»,— вспоминает Евгений Ильин. Сейчас, по его словам, большая часть решений принимается в индивидуальном режиме: страховщики на основе Big Data анализируют метрики каждого конкретного клиента и тех объектов, которые он страхует. «Безусловно, такая тарификация гораздо точнее»,— поясняет эксперт.
«В среднесрочной перспективе персонализация будет развиваться прежде всего на уровне предложений, опций, сервисов и коммуникаций,— ожидает Виктория Маланина.— В долгосрочной — продукты станут более динамичными и событийными, будут лучше адаптироваться к ситуации клиента».
«ИИ меняет работу в тарифообразовании, антифроде, урегулировании убытков, а также в клиентском обслуживании»,— перечисляет директор по стратегическому развитию страховой компании «Согласие» Илья Баскаков.
«Он помогает нам выполнять рутинную работу в некоторых процессах: идентификацию клиентов, распознавание документов, скоринг, антифрод, тарификацию и урегулирование убытков»,— говорит страховщик.
По мнению Ильи Баскакова, 90% успеха модели — это не алгоритмы, а качество данных, их сбор и подготовка, что требует затрат труда и времени. Но эти затраты, на его взгляд, себя оправдывают. По его словам, в «Согласии» медианное время обращений клиентов сократилось на 10% (экономия до двух минут на каждом звонке), 22% клиентов вызывают врача через приложение, а использование онлайн-согласования медицинских услуг растет на 20–30% ежемесячно.
В «АльфаСтраховании» ИИ используется уже на всех этапах — от анализа данных, индивидуального предложения продуктов клиентов, консультации продавцов по продуктам до урегулирования убытков и проверки заявляемых страховых случаев на мошеннические действия, рассказывает руководитель направления департамента машинного обучения и работы с данными «АльфаСтрахования» Анна Сидоровская. «Уровень кастомизации продуктов растет — большие данные и машинное обучение позволяют все более точно сегментировать клиентов и разработать фокусные продукты, а генеративный ИИ — быстро создать прототипы и вывести продукты на рынок»,— говорит она.
Обычные онлайн-продажи также становятся по факту ИИ-центрированными, отмечает Анна Сидоровская. В качестве примера она приводит разработанный в «АльфаСтраховании» ИИ-помощник «Нейро-Маша», который помогает агентам определять, в чем ценность продуктов для клиентов, и предлагать клиентам наиболее востребованные ими решения.
«Большие языковые модели позволяют автоматизировать работу, ускорить ее либо повысить качество общения с клиентом»,— говорит Евгений Ильин. В последнем случае, поясняет он, ИИ выступает помощником сотрудника страховой компании и помогает ему оперативно найти необходимую информацию — например, справочную или нормативную. «Кроме того, мы используем ИИ для анализа телефонных разговоров сотрудников с клиентами — это позволяет выявлять ситуации, в которых клиент потенциально остался недоволен, и корректировать соответствующие сценарии коммуникации для сотрудников»,— добавляет страховщик.
По словам Евгения Ильина, современные цифровые технологии позволяют качественно отвечать на вопросы клиентов и без участия сотрудников страховой компании. Но на практике, за исключением совсем простых рутинных случаев вроде получения информации об условиях и тарифах, это работает далеко не всегда — особенно если речь идет о страховых случаях. «Дело в том, что любой страховой случай — это всегда стресс для человека. И чисто человеческое общение, сочувствие ему важно не менее, чем корректное выполнение всех необходимых процедур»,— поясняет представитель «Росгосстраха».
«Скоро могут появиться персональные ИИ-ассистенты для широкого круга пользователей, которые будут работать по подписке и будут в состоянии подобрать лучшее предложение, в том числе по страховке»,— делится ожиданиями Илья Баскаков. «Мы внимательно следим за этим трендом, но считаем, что такая система не сможет заменить человека на 100%,— рассказывает он.— Живой сотрудник сможет проявить сочувствие и эмпатию при решении проблемы клиента».
Уже сейчас технологии позволяют автоматизировать почти все: расчет премии, базовый андеррайтинг, выдачу полисов, типовые выплаты, коммуникации, мониторинг рисков и превентивные уведомления, рассказывает Виктория Маланина. Вместе с тем, по ее мнению, при противопоставлении живого агента и ИИ сильному агенту ИИ проигрывает. «Агент слышит живую потребность клиента, считывает эмоции, понимает контекст семьи или бизнеса — часто еще до того, как клиент сам четко сформулировал свой запрос,— поясняет она.— Страхование — это не только расчет цены и набор опций. Это доверие и ощущение, что рядом есть человек, который поможет разобраться, особенно в сложной ситуации или при страховом случае».
По мнению Виктории Маланиной, целевая модель взаимодействия людей и технологий в страховании — не «ИИ вместо агентов», а «ИИ для агентов». Технология должна «убрать рутину, собрать данные, подготовить персональное предложение, подсказать повод для контакта и какой продукт в какую очередь лучше предложить», считает она.

Защитный рефлекс

Персонализация страховых продуктов с использованием ИИ и Big Data автоматически подразумевает получение страховщиком больших объемов информации о клиентах. Последним это не всегда нравится. «Основные опасения клиентов — это постоянное наблюдение, использование данных не по назначению, утечки и возможная дискриминация»,— рассказывает Виктория Маланина.
«Теоретически степень проникновения в личную жизнь в современных условиях может быть очень глубокой — вплоть до ежедневного анализа мочи»,— говорит завкафедрой страхования и экономики социальной сферы Финансового университета Александр Цыганов.
И это не гипербола: уже есть унитазы с функционалом анализа мочи, и технически ничто не мешает подключить их к информационным системам страховых компаний.
На основе данных о трансакциях по картам можно анализировать, какие места человек посещает, в каких заведениях питается и т. д. По его словам, страховщики стремятся по максимуму использовать те данные, до которых могут дотянуться. Другое дело, отмечает он, что соответствующие аппетиты страховых компаний пока упираются в законодательные ограничения, прежде всего связанные с требованиями о защите персональных данных. Так, приводит пример эксперт, сейчас идет дискуссия, давать ли страховщикам право доступа к электронным медицинским картам граждан,— есть аргументы как за, так и против.
«В качестве основы для анализа мы используем данные, которые клиент предоставил сам, и дополняем их набором коэффициентов, рассчитываемых в рамках скоринговых моделей,— рассказывает Евгений Ильин.— И не стремимся получить персональные данные клиента или иные данные, которые могут быть для него чувствительны». Причин, по его словам, две. Во-первых, в данном плане страховщики ограничены требованиями законодательства, да и просто моральными соображениями. А во-вторых, есть серьезные сомнения, что это работает. «Скажем, мы знаем, что некоторые страховщики пытаются использовать информацию из соцсетей. Но не видим, чтобы ее использование могло бы значимым образом повлиять на оценку нашими моделями уровней рисков клиентов»,— приводит пример эксперт.
«Основой доверия должна стать прозрачность: какие данные собираются, зачем они нужны, какую выгоду получает клиент от их предоставления, как он может отказаться от этого и как защищается информация»,— полагает Виктория Маланина.

Ставка на предвидение

iStock

По словам страховщиков, в ряде случаев клиенты сами заинтересованы в предоставлении им довольно большого объема личных данных. Речь прежде всего о превентивном страховании, где акцент делается на управлении рисками и предотвращении страховых случаев.
«Логика превентивного страхования — не ждать убытка, а предупреждать его,— поясняет Виктория Маланина.— Поэтому продукт строится вокруг регулярных чекапов: выявить проблему раньше, предложить действие и снизить вероятность крупного страхового случая». В здоровье, приводит она примеры, это медицинские скрининги, анализы, консультации профильных врачей и программы профилактики, в автостраховании — плановое ТО, проверка тормозов, шин и ключевых систем безопасности, в квартире или доме — диагностика электрики, сантехники, отопления, пожарной безопасности и проверка датчиков.
«Уже сейчас максимально широкое распространение превентивное страхование получило в медицине»,— уверяет Анна Сидоровская. Среди причин явления она называет рост продолжительности жизни и тренд на ведение здорового образа жизни, рост опережающими темпами медицинской инфляции (и, соответственно, стоимости лечения), а также готовность потребителей самостоятельно платить за превенцию.
«В автостраховании идет активное предложение продуктов, предусматривающих установку на машину транспондеров и иных технических средств, позволяющих отслеживать действия водителя в режиме реального времени»,— рассказывает Александр Цыганов. По его словам, есть системы, позволяющие уменьшить риск ДТП — например, автоматически сбросить скорость в случае опасности. Аналогичный тренд, по его информации, намечается в медицинском страховании — так, можно повесить на себя датчик контроля давления или уровня сахара в крови и тем самым уменьшить вероятность ряда тяжелых страховых случаев. «В обоих случаях системы с обратной связью позволяют снизить риски и более гибко регулировать тарифы для страхователей»,— поясняет эксперт механизм ценообразования полисов.
Если говорить о датчиках на автомобилях, то российская страховая отрасль уже лет 15 пытается развивать такие решения, но пока не видно «хорошо взлетевших» кейсов с автомобильной телематикой, замечает Евгений Ильин. Причина в том, по его мнению, что такая модель подразумевает не только снижение цены полиса при аккуратном вождении, но и повышение при неаккуратном. «Этот храповик работает только в одну сторону: неаккуратный водитель просто снимет датчики и уйдет в другую страховую компанию на средний тариф»,— уверен страховщик. Давать же просто скидки за аккуратное вождение сверх того, что и без датчиков видно по отсутствию страховых случаев, на его взгляд, тоже невозможно, поскольку это не позволяет привести к окупаемости телематики без роста тарифов для других клиентов.
Мировая страховая практика показывает, что технологии машинного обучения и генеративного ИИ активно применяются в продуктах превентивного страхования здоровья и управления хроническими заболеваниями, сообщает Анна Сидоровская. В активно развивающемся сегменте киберстрахования возможно сделать предварительную диагностику возможных киберрисков, соответствующий продукт для корпоративных клиентов недавно был запущен в «АльфаСтраховании», добавляет она.
В «Росгосстрахе» в данном плане решили сосредоточиться на сегменте страхования недвижимого имущества, который является для компании ключевым, рассказывает Евгений Ильин. Там разработали и планируют скоро вывести на рынок продукт, который встраивается в систему «умный дом». В первую очередь это датчики протечки, задымления, проникновения в помещение. «Таким образом, мы, во-первых, знаем, что у человека всегда работает система защиты от соответствующих рисков. А во-вторых, работают элементы превентивного страхования: уже на этапе установки системы можно выявить слабые места и принять меры к купированию рисков»,— говорит Евгений Ильин. Сочетание этих двух факторов, по его словам, позволяет существенно снизить цену полиса: например, только установка датчиков протечки, по расчетам компании, позволит снизить стоимость страхования жилья на 40–50%. «Поводов для повышения цены полиса здесь, в отличие от автострахования, не возникает. Установка подобных систем безопасности — не самая дешевая процедура. И если человек идет на это, то очевидно, что в первую очередь он делает это для снижения рисков, а не для удешевления страховки»,— отмечает страховщик.
«На основании текущих трендов мы довольно уверенно прогнозируем рост рынка превентивного страхования, в том числе с учетом развития экономики ИИ-агентов, интеграции с другими технологиями, включая медицинские и интернет вещей»,— говорит Анна Сидоровская.
Александр Цыганов, в свою очередь, ожидает, что развитие ИИ приведет к появлению целого класса принципиально новых страховых продуктов. Предстоит понять, что делать с рисками, связанными с обретением субъектности искусственным интеллектом, который в какой-то момент может начать принимать решения самостоятельно, предупреждает он. «Если машина, оборудованная ИИ, по каким-то причинам решит разогнаться и врежется в толпу людей, кто будет виноват? — задает он вопрос.— Водитель, который это допустил, производитель этого умного автомобиля, разработчик самого ИИ, кто-то еще? Пока неясно».
Поэтому, считает Александр Цыганов, в среднесрочной перспективе должно появиться страхование ответственности при использовании искусственного интеллекта. «Нам еще предстоит выработать условия и возможности его применения,— говорит он.— А также подумать об обеспечении прав человека при работе с искусственным интеллектом — и это тоже повлечет за собой появление новых страховых продуктов. А может быть, и о правах самого ИИ и его страховой защите».
Петр Рушайло

"Деньги". Приложение №33

от 19.11.2026, стр. 50

Авторы

  • Петр Рушайло