Несмотря на то, что лидеры страховых компаний планируют использовать возможности машинного обучения в процессах ценообразования и андеррайтинга, лишь небольшая часть компаний фактически внедрила эту технологию.
Страховщикам необходимо сделать следующий шаг, потому что это важные инструменты, которые помогут им ориентироваться в меняющихся правилах и лучше реагировать на потребности потребителей. Страховщики должны действовать сейчас, чтобы быть первопроходцами, а не реактивными последователями, пишет Эрез Барак, технический директор Earnix.
Искусственный интеллект (ИИ) — одно из модных словечек, циркулирующих на мировом страховом рынке в 2024 году. Некоторые воодушевлены возможностями, которые он может предоставить, в то время как другие предпочитают проявлять осторожность. Но один ход мыслей разделяется: это, несомненно, захватывающий и мощный инструмент, который может принести пользу организации, но он не должен быть пугающим. Эффективность и безопасность этого инструмента будет зависеть от того, как он реализуется и управляется внутри организации.
По сути, искусственный интеллект – при его эффективном использовании – может помочь ускорить процессы и повысить точность, и его можно реализовать множеством различных способов – например, за счет возможностей машинного обучения.
Машинное обучение (МО) использует ИИ для прогнозирования на основе больших данных и накопленного опыта. Результатом является постепенная автоматизация цепочки создания стоимости страхования, которая помогает исключить ручной труд из ранее повторяющихся задач, а также помогает страховщикам добиться ощутимых выгод в плане рисков, скорости урегулирования убытков и предотвращения мошенничества.
Что касается того, что предлагает МО, положительные стороны намного перевешивают отрицательные. Проще говоря, эти сложные алгоритмы являются новыми оракулами страховой отрасли, предсказывающими все: от того, кто может подать иск, до того, какую премию должны платить потребители. На первый взгляд это звучит как беспроигрышный вариант. Когда Earnix опубликовала свой отчет о тенденциях в отрасли за 2023 год, 100% руководителей страховых компаний заявили, что планируют использовать машинное обучение в своих процессах ценообразования и андеррайтинга. Однако сегодня только 20% действительно делают это.
Риск или награда?
Есть много причин, по которым страховщики медлят с внедрением этой новой технологии. Некоторые из них включают сложность импорта внешних технологий в новые, а также итеративные и ручные процессы, необходимые для построения обобщенных линейных моделей, которые помогают актуариям разрабатывать предлагаемые изменения ставок.
Что касается внедрения внешних технологий, с этой проблемой сталкиваются многие компании, поскольку существующие системы несовместимы с новыми технологиями. В случае итеративных и ручных процессов требуется наличие достаточного количества ресурсов внутри бизнеса, а также опыта, хотя искусственный интеллект и машинное обучение помогут сократить этот пробел в знаниях. Плагины искусственного интеллекта также могут сократить разрыв, гарантируя, что устаревшие системы никогда не будут стоять на месте с точки зрения своих возможностей.
Это случай кратковременной боли ради долгосрочной выгоды. В конечном счете, основная мотивация использования искусственного интеллекта и машинного обучения в регулируемых отраслях, таких как страхование, коренится в необходимости постоянно ускорять принятие высококачественных решений. Чем быстрее вы сможете принимать решения с помощью машинного обучения, тем больше бизнеса вы сможете охватить, а предоставление более качественного обслуживания положительно повлияет на удовлетворенность клиентов.
Еще одна причина, по которой страховщики не спешат внедрять эту технологию, — это ошибочное восприятие отсутствия гибкости в разработке машинного обучения из-за ограничений программного обеспечения, связанных с устаревшими системами.
Вопрос для страховщиков заключается в том, как они могут участвовать в новой цифровой экосистеме, включающей возможности машинного обучения, если их устаревшие системы не созданы для этого? Реальность такова, что, хотя некоторые традиционные игроки не спешат обновлять свои системы, это не помешало новым предложениям цифрового страхования распространиться по рынку, захватив значительную долю в регионах, в которых они работают. Рынок движется вперед, и так же должен двигаться каждый, кто хочет получить от него свой кусок.
Кроме того, требуется время, чтобы увидеть ценность нового машинного обучения, поскольку оно требует ввода данных в течение определенного периода времени. Это вопрос как времени, так и достаточных ресурсов. Большинство, если не все, платформы, которые можно приобрести и встроить в системы страховщиков, будут сопровождаться всеми соответствующими рекомендациями и прямой виртуальной помощью.
Изменение отраслевых правил
Изменение регулирования в страховой отрасли требует новых технологий, и это факт, который нельзя игнорировать. Компания Earnix обнаружила, что более трети (38%) респондентов отчета о тенденциях в отрасли за 2023 год заявили, что изменение отраслевых правил потребует от них рассмотрения новых инструментов или технологий. Эти инструменты включают в себя искусственный интеллект и машинное обучение, персонализацию политики для удовлетворения конкретных потребностей человека, динамическое ценообразование, а не установление затрат на уровень покрытия, а также прогнозную аналитику. Таким образом, хотя страховая отрасль исторически медленно внедряла новые технологии, она оказалась на распутье, когда необходимы инновации для эффективного реагирования на меняющиеся нормативные требования и изменение настроений клиентов.
МО помогает повысить точность. МО снимает слои этих сложных систем, чтобы выявить «почему» и «как» страховщики принимают свои решения. В страховой отрасли такая прозрачность — это не просто вопрос любопытства, это вопрос доверия и справедливости по отношению к клиентам.
Для страховщиков объяснимое машинное обучение может стать мостом между инновациями и доверием клиентов. Когда клиенты понимают, как используются их данные и почему принимаются те или иные решения, доверие растет.
Например, если заявка на медицинское страхование отклонена, четкое объяснение может гарантировать клиенту, что это не произвольно, а основано на понятных факторах, таких как бизнес-правила или нормативные ограничения.
Объяснимость также возвращает человеческий контроль во все более автоматизированный процесс. Это позволяет специалистам по страхованию просматривать и понимать рекомендации машины, гарантируя их соответствие этическим и правовым стандартам. Этот человеческий надзор имеет решающее значение, поскольку он гарантирует, что МО помогает, а не заменяет человеческое суждение.
Те, кто внедрит МО сейчас, также получат конкурентное преимущество на рынке, что может оказаться очень полезным. Страховые компании, которые раньше внедрят эти технологии, могут захватить долю рынка, привлечь инновационные таланты и выделиться среди конкурентов, все еще полагающихся на традиционные методы.
Как уже говорилось ранее, улучшение качества обслуживания клиентов также имеет жизненно важное значение. Эти модели могут персонализировать предложения, оптимизировать процессы и обеспечить более быстрое реагирование на запросы или претензии клиентов, что приводит к более высокому уровню удовлетворенности и удержания клиентов.
Время настало
Изменения – это процесс, который требует времени, терпения и нового обучения. Но тем, кто решит совершить прыжок, предлагаются выгоды.
Важно отметить, что страховщикам не обязательно действовать в одиночку: сотрудничество с авторитетными поставщиками технологий в разработке и внедрении решений машинного обучения может дать стратегическое преимущество. Используя внешний опыт и ресурсы, страховые компании могут ускорить внедрение инноваций и смягчить проблемы внедрения.
Таким образом, в условиях меняющихся правил, многочисленных усовершенствований технологий и изменения ожиданий потребителей, машинное обучение может вывести бизнес страховой компании на невиданную ранее направленность и точность. И хотя есть над чем подумать и что спланировать, в основном это вопрос уверенности, которая является самым большим препятствием на пути к тому, что мы делаем – или не делаем – лично и профессионально.
Автор: Эрез Барак, главный технический директор (CTO) израильской компании Earnix.
Перевод с англ. подготовлен порталом Allinsurance.kz