6 вариантов использования ИИ в страховании

Искусственный интеллект и машинное обучение предлагают страховщикам, первопроходцам в области реального применения ИИ, значительное конкурентное преимущество на локальных и глобальном рынках. Представляем обзор последних достижений в области страхования ИИ и их реальных приложений.

Введение

2020 год стал тяжелым для большинства страховых компаний.

Глобальная пандемия принесла убытки в США в размере более 55 миллиардов долларов, что уступает только последствиям урагана Катрина.

Однако в этом году важность технологий, особенно облачных вычислений и искусственного интеллекта (ИИ), для этого сектора еще раз возросла.

Цифры следующие:

Более 76% руководителей страховых компаний сообщают, что ставки для инноваций как никогда высоки.
В 2021 году более 40% ИТ-директоров планируют увеличить свои расходы на варианты использования ИИ и пилотные проекты.

Что это значит?

Инвестиции в искусственный интеллект (машинное обучение, глубокое обучение, прогнозная аналитика и анализ больших данных) занимают особенно важное место в повестке дня лиц, принимающих решения.

И это по уважительной причине — они явно окупаются.

В конечном итоге, по оценкам McKinsey, инвестиции в ИИ в зависимости от функций и вариантов использования могут принести в страховую отрасль потенциальную ежегодную прибыль до 1,1 триллиона долларов.

Итак, где скрываются эти огромные суммы в миллиарды долларов для страховых компаний?

Давайте посмотрим.

1. Упрощенная обработка претензий

Интеллектуальная автоматизация обеспечивает максимальную рентабельность инвестиций для повторяющихся, стандартизированных и требующих внимания рабочих процессов. Управление претензиями — отличный тому пример.

Вот почему:

Процесс управления претензиями, в основном бумажный и редко оцифрованный, может съесть до 50–80% доходов от страховых взносов.

Обработка претензий, в основном ручная, также подвержена ошибкам и неэффективности, что еще больше увеличивает операционные расходы страховщиков.

Как заявила McKinsey еще в начале 2019 года, даже крупные страховые компании не решили проблему операционных расходов:

Разумеется, в 2021 году многие страховые компании поставили перед собой планы по повышению операционной эффективности с помощью новых технологий, в том числе:

AI (машинное обучение и глубокое обучение)
RPA (роботизированная автоматизация процессов)
IoT (Интернет вещей).

В частности, расширение возможностей подключения — телематика и бортовые компьютеры в автомобилях, помощники по умному дому, фитнес-трекеры, носимые медицинские устройства и другие типы устройств Интернета вещей — теперь позволяет страховщикам автоматически собирать более полные данные от клиентов.

Затем они могут внедрить его в свои задачи андеррайтинга и управления претензиями, чтобы сделать их быстрее, более независимыми и менее подверженными ошибкам.

Больше данных означает лучшее принятие решений и снижение рисков.

Однако в то же время для обработки больших объемов данных требуются более совершенные (и безопасные) средства их обработки.

Вот где на первый план выходят алгоритмы искусственного интеллекта.

Алгоритмы машинного обучения могут эффективно сканировать все входящие данные, интерпретировать их вместо страховых агентов и обеспечивать более быстрые расчеты для конечных пользователей.

При наличии достаточного количества обучающих данных алгоритмы машинного обучения и глубокого обучения могут со временем самосовершенствоваться без программирования, а это означает, что команды получат доступ к еще более точным и сложным данным.

Вот некоторые из популярных вариантов использования ИИ в управлении претензиями:

Маршрутизация первоначальных претензий
Сортировка претензий
Обнаружение мошеннических претензий
Аудит управления претензиями

Посмотрим на Fukoku Mutual Life — японскую компанию по страхованию жизни, которая включила приложение на базе искусственного интеллекта для обработки медицинских требований.

Основанное на механизмах AI, приложение может автоматически получать доступ ко всем медицинским файлам, относящимся к делу, добывать в них нужную информацию и автоматически рассчитывать точные выплаты на основе всей собранной информации. Выплата направляется агенту-человеку, который утверждает ее.

Результаты

После внедрения производительность персонала повысилась на 30%, а точность выплат также изменилась в лучшую сторону.

2. Ускоренное рассмотрение претензий

И страховые компании, и клиенты хотят получать результаты быстро.

Искусственный интеллект увеличивает эту скорость, взяв на себя некоторые из трудоемких, рутинных и зачастую откровенно опасных инспекционных задач.

Почему это имеет значение?

В США специалисты по страхованию имущества получают травмы в 4 раза чаще, чем рабочие-строители! Сложно представить, да?

Системы искусственного интеллекта в сочетании с поддерживающим оборудованием для сбора данных могут сделать сеансы сбора доказательств и оценки намного безопаснее и быстрее.

Кейс

Специалисты по регулированию недвижимости используют дроны, оснащенные технологией компьютерного зрения, чтобы более эффективно оценивать повреждения крыши и предоставлять владельцу оценку затрат на ремонт. Они также могут сделать то же самое для проверки промышленного оборудования (например, нефтепроводов), полей и посевов или раннего обзора территории и активов, пострадавших от стихийного бедствия.

Системы управления претензиями на основе искусственного интеллекта могут эффективно обрабатывать:

Геопространственные данные (ГИС) данные, собранные со спутников
HD-видео или изображения, снятые с дрона
Наборы данных IoT, включая температуру, давление, положение объекта и т. д.

Все эти источники данных могут дать целостную картину активов прямо на месте.

Кроме того, такие наборы данных можно более точно оценить с помощью алгоритмов ML / DL, а не только человеческим глазом.

Давайте посмотрим на компанию, которая использовала искусственный интеллект и машинное обучение для освоения этого процесса в секторе автострахования.

Tokio Marine — Внедрение расширенного распознавания изображений для оценки затрат на ремонт

Автостраховщик Tokio Marine недавно развернул систему компьютерного зрения на основе искусственного интеллекта для проверки и оценки поврежденных транспортных средств.

Среднее время цикла подачи претензий по автокатастрофам в Японии составляет 2-3 недели.

Tokio Marine сократил время обработки с дней до минут, полагаясь на оценки искусственного интеллекта для операций ремонта, покраски и прочего ремонта, произведенные на основе изображений повреждений.

Другие страховщики, такие как Allstate, MetLife и Esurance, также принимают фотографии автомобилей в рамках процесса подачи претензий. Тем не менее, не все из них используют распознавание изображений для ускорения процесса оценки и повышения удовлетворенности клиентов за счет более быстрых и точных расчетов.

3. Быстрая оцифровка документов с помощью OCR

OCR означает оптическое распознавание символов — технологичный процесс распознавания рукописных цифр и текстов.

Поскольку устаревшие страховщики по-прежнему в значительной степени полагаются на бумажные формы и печатные документы, OCR может существенно изменить правила игры для повышения операционной эффективности.

Вместо того, чтобы вручную повторно вводить информацию, страховые агенты могут быть наделены автоматизированными системами, которые точно собирают и согласовывают данные из бумажных форм и дополняют их данными из других источников.

В сочетании с компьютерным зрением технология OCR может точно отображать каждый пиксель и преобразовывать его в соответствующий цифровой вход. Затем проверьте отправку по другим записям в базе данных.

Такой повышенный уровень автоматизации может привести к снижению затрат на отдельные процессы до 80%.

Кроме того, приложения OCR могут быть развернуты для улучшения процесса адаптации новых клиентов и процесса KYC.

Все необходимые данные могут быть извлечены из идентификационных фотографий и добавлены в профиль клиента за считанные секунды, а не дни.

Учитывая, что пандемия повысила эффективность работы страховщиков, оптимизированное привлечение клиентов — это не та область, которой стоит пренебрегать.

EY Insurance Industry Outlook 2021 сообщает, что:

69% клиентов теперь предпочитают покупать автострахование онлайн
61% также хотели бы приобрести медицинскую страховку в Интернете.
58% рассматривают возможность приобретения страхования жизни в Интернете

Цифры не лгут, и компании, которые к ним относятся серьезно, остаются впереди всех.

AXA CZ / SK — Использование глубокого обучения для улучшения экосистем данных

AXA CZ / SK недавно запустила пилотный проект POC платформы на основе глубокого обучения для извлечения данных из входящих неструктурированных отсканированных документов.

Приложение AI автоматически классифицировало все входящие документы, извлекло значения полей, напечатанных вручную, и отправило данные для дальнейшего анализа с точностью 96%.

При успешном масштабировании такая система OCR может сэкономить сотни часов рабочего времени агентов и обеспечить ощутимую операционную экономию.

4. Более быстрый и точный андеррайтинг

Когда дело доходит до процесса андеррайтинга, оценки на основе правил и механизмов управления рисками уже недостаточно для получения точных оценок. Тем более, что сценарии страхования становятся более сложными (например, страхование общих цен на основе фактического использования), а уровни мошенничества — более сложными.

Разумеется, рост числа подключений во всех секторах позволяет страховщикам с цифровой зрелостью разрабатывать более эффективные способы проведения оценок.

Технология компьютерного зрения в сочетании с данными Интернета вещей может помочь страховщикам тщательно регистрировать состояние активов во время андеррайтинга и продолжать вносить корректировки почти в режиме реального времени.

Кейс

Подключив поток данных ГИС к вашей системе аналитики, ваша компания может не только исключить личные проверки собственности, но и отслеживать состояние собственности с течением времени, чтобы скорректировать цену полиса.

Более сложные сценарии могут использоваться для оценки промышленной инфраструктуры на предмет повреждений и сбоев в работе. Например, нефтегазовая промышленность теперь ежедневно производит терабайты операционных данных:

Страховые компании могут подключать указанные выше данные к системам прогнозной аналитики, чтобы предвидеть уровни ухудшения, выполнять автоматические проверки дефектов, прогнозировать частоту потенциальных отказов и другие операционные риски и соответствующим образом корректировать премии.

Один глобальный страховщик создал алгоритм машинного обучения для эффективного прогнозирования вероятности наводнения, используя исторические и геопространственные данные и входные данные из оцифрованных документов.

Это позволило им:

🔹 Смоделировать потенциальный рынок с точностью 83%
🔹 Сократить время обработки андеррайтинга в 10 раз
🔹 Повысить качества приема кейсов на 25%

5. Выявление и предотвращение страхового мошенничества

Американские страховые компании ежегодно теряют более 40 миллиардов долларов из-за мошенничества — и это без учета мошенничества со страхованием здоровья.

Мошеннические заявления — настоящая чума.

Цифры явно ошеломляют, но их можно понять, учитывая тот факт, что большинство из них по-прежнему полагаются на устаревшие системы, основанные на правилах, и неспособны обнаруживать сложные схемы мошенничества.

Системы обнаружения мошенничества на базе искусственного интеллекта устраняют недостатки более ранних приложений, а также помогают укрепить суждения людей-аналитиков, предоставляя им ценные данные.

По своей сути, системы машинного обучения и глубокого обучения способны выявлять повторяющиеся закономерности. Такая способность делает такие алгоритмы серьезными соперниками для выявления необычного поведения в системах или среди отдельных клиентов.

Кейс

Алгоритм, предварительно обученный на компьютерных и сетевых данных сотрудников, может отслеживать их поведение в течение рабочего дня. Как только она обнаруживает определенную степень отклонения от стандартных способов работы (например, множественные запросы несанкционированного доступа), такая система безопасности может пометить пользователя и предупредить группу безопасности для дальнейшего расследования.

Приложения для обнаружения мошенничества с искусственным интеллектом могут использоваться для быстрой автоматической проверки биографических данных на этапе адаптации клиентов для тщательного расчета рисков, связанных с отдельными лицами или предприятиями.

Anadolu Sigorta — ИИ в страховании для обнаружения мошенничества

Турецкая страховая компания Anadolu Sigorta недавно протестировала систему прогнозирования мошенничества.

Изначально компания тратила более двух недель на ручную проверку каждой поданной заявки на предмет выявления признаков мошенничества. Учитывая, что они обрабатывали от 25 000 до 30 000 в месяц, затраты на обработку были довольно высокими.

После перехода на систему прогнозирования страховая компания получила возможность выявлять мошенничество в режиме реального времени. Они достигли рентабельности инвестиций 210% всего за один год и вложили в новую систему искусственного интеллекта более 5,7 млн долларов экономии на обнаружении и предотвращении мошенничества.

6. Привлечение клиентов страховых компаний с помощью конкурентоспособных премий для водителей

Подключенные автомобили теперь производят, хранят и передают терабайты ценных данных, которые страховые компании могут использовать, чтобы предлагать более конкурентоспособные цены или переходить к новым бизнес-моделям в соответствии с требованиями потребителей:

Вот некоторые из новых вариантов использования ИИ для автострахования

Прогнозирующая аналитика затрат на претензии: используйте методы машинного обучения и анализ данных, чтобы оценить среднюю стоимость претензий по различным сегментам клиентов. Отрегулируйте премии соответственно и лучше управляйте своим денежным потоком.

Мониторинг производительности водителя: анализируя данные о поведении из подключенных автомобильных систем (автомобильные и внешние камеры, телематические системы и системы ADAS), вы можете узнать больше о поведении отдельных водителей и порадовать их персонализированными тарифами и линейками продуктов.

Поддержка аварий в реальном времени. Страховщики могут предоставлять водителям услуги высочайшего уровня, получая автоматический доступ к данным о ДТП и обеспечивая быстрое полуавтоматическое реагирование. Например, чат-бот с искусственным интеллектом может подсказывать водителю, что лучше всего делать для восстановления, автоматически уведомлять медицинскую бригаду, если это необходимо, или вызывать службу для двух грузовиков.

Такое подключение в реальном времени может иметь особенно важное значение для спасения жизней. Согласно ОЭСР, 44% смертельных случаев в автокатастрофах можно было бы предотвратить, если бы службы экстренной медицинской помощи располагали информацией о типе и тяжести травм в режиме реального времени.

Кейсы

SARA Assicurazioni и Автомобильный клуб — ИИ для страхования от несчастных случаев

SARA Assicurazioni и Automobile Club Italia соблазняют водителей устанавливать системы ADAS в обмен на 20% скидку на страховой взнос.

Системы ADAS не только снижают вероятность столкновений с травмами, но и помогают водителям принять более безопасные привычки вождения.

В недавнем исследовании отмечается, что системы ADAS могут уменьшить:

ставка иска о возмещении вреда здоровью на 4-25%,
уровень ответственности за имущественный ущерб, причиненный дорожно-транспортными происшествиями, на 7% -22%

Ant Financial — технология искусственного интеллекта для нового поколения страховых компаний

Одно из так называемых «приложений для ужина» в Китае — компания, предлагающая экосистему связанных цифровых продуктов и услуг, от социальных сетей до банковских услуг, — использует еще больше точек данных для создания подробных профилей клиентов.

Алгоритмы искусственного интеллекта назначают каждому клиенту баллы автострахования, аналогично кредитному скорингу. Помимо обычных факторов, таких как стаж вождения, возраст и модель автомобиля, система также учитывает «факторы образа жизни», чтобы составить комплексный профиль рисков для клиента.

К ним относятся кредитная история держателя полиса, его привычки в расходах, профессия и т. Д. На основе введенных данных приложение присваивает индивидуальный рейтинг и предоставляет гипер-персонализированные цены на страхование, услуги и общее качество обслуживания клиентов.

Заключение

Страховая отрасль находится под сильным давлением после пандемии.

Ни искусственный интеллект (ИИ), ни другие связанные с ним технологии не являются «серебряной пулей» от всех основных факторов стресса. Сценарии использования ИИ-страхования, описанные в этом посте, обладают большим потенциалом для повышения операционной эффективности, сдерживания затрат и предоставления страховым компаниям возможности перейти на цифровое обслуживание клиентов и продуктовые линейки с технологией.