Allianz внедрил машинное обучение в процесс медэкспертизы и андеррайтинг крупных корпоративных клиентов по ДМС

Работа системы на основе машинного обучения основана на анализе данных, накопленных за несколько лет, и использовании максимального количества признаков страхового случая. В отличие от экспертных систем, требующих заранее четко сформулированных правил, машинное обучение подразумевает анализ исторических результатов экспертизы и поиск неявных закономерностей.

Благодаря алгоритмам машинного обучения, использующим более 100 признаков страхового случая, Allianz удалось не только существенно оптимизировать работу экспертов, но также более чем в 2 раза снизить риск неоправданных услуг за счет возможности проверять счета до их оплаты, а не после.

Еще одним важным шагом для Allianz стало применение технологии машинного обучения в андеррайтинге.

Одной из основных задач андеррайтера при котировке нового корпоративного клиента является грамотная оценка риска. Основываясь на статистических моделях, традиционные андеррайтинговые подходы учитывают только часть признаков, объясняющих модель поведения клиента. Машинное обучение позволило улучшить точность предсказания за счет увеличения числа факторов, влияющих на вероятность страхового случая и тем самым на стоимость контракта.

Дополнительным плюсом внедрения машинного обучения в андеррайтинге стали данные, полученные и накопленные в процессе интерпретации результатов модели, анализа установленных зависимостей как новых признаков, так и комбинации уже известных.

«Использование алгоритмов машинного обучения позволяет нам не только с высокой точностью определять тарифы для клиентов, но и быстрее осуществлять расчеты с клиниками ввиду более оперативной обработки счетов. Также системы на основе искусственного интеллекта уже позволили нам значительно сократить неоправданные расходы и помочь нашим партнерам-клиникам выявить в их работе зоны, требующие улучшения», – отметили в Allianz.