Фото: freepik.com

ИИ, скоринговые модели и машинное обучение позволяют страховать даже высокоубыточных клиентов, передает DKNews.kz.

Об этом сообщил председатель правления “АО “СК Freedom Insurance” Азамат Керимбаев в рамках выступления на XVI Международной конференции "Страхование в Центральной Азии".

Имея доступ к информации, в том числе из государственных баз данных, используя ИИ, big data страховщики получают основу для принятия дальнейших решений. Решения основываются на аналитике и моделировании, помогая страховщикам оформлять даже высокорисковых клиентов, считает он.

На сегодняшний день большинство страховых компаний применяют селекцию — аккуратных водителей страхуют сразу, а рисковых — за хорошие тарифы. Данные ЕСБД помогают страховщикам ориентироваться, и обычно если клиент больше 10 лет не попадает в ДТП, то он считается безубыточным. Но это не совсем так. Учитывая, что средний размер страховой премии равен 20 тыс тенге, а средний размер выплаты превышает 600 тыс тенге, сборов премий часто не хватает на выплаты. Для решения этой задачи страховые компании сокращают продажи в убыточных регионах, отказывают в выплате, создают чёрные списки высокорисковых водителей. К сожалению, применение такой практики на протяжении последних 15−20 лет привело к недоверию страховым компаниям со стороны клиентов.

Спикер считает, что изменить ситуацию возможно через категоризацию клиентов с помощью скоринга. Скоринг задает условие, и при этом условии происходит определенное действие. Скоринг может иметь сотни уровней, которые делят клиентов на группы с собственными показателями. Применяя этот инструмент с 2020 года, компания научились характеризовать каждого страхователя.

Также источником данных является Государственное кредитное бюро, которое включает Бюро кредитной истории и Единую страховую базу данных. На основе их информации компания построила кастомный сервис.

“Использование сервисов и данных ГКБ позволило нам снизить убыточность на 6%. Итого, вместе со скорингом, на сегодняшний день эффект применения аналитических решений и страхования ОГПО ВТС позволяет нашей компании существенно экономить денежные средства. Средняя выплата в нашей компании на 125 тысяч тенге ниже, чем у остальных участников рынка. За 7 месяцев компания произвела 20 тысяч выплат, сэкономив 2,5 миллиарда тенге. ”, — поделился он.

Спикер подчеркнул, что для получения доступа к госбазам нужно пройти сертификацию у комитета информационной безопасности.

Многие компании уходят из высокоубыточных регионов, используя в них классический поход к страхованию. Применяя к ним подход скоринговых систем, можно категоризировать клиентов — для водителей с высокой убыточностью увеличить тариф, а клиентам с низкой убыточностью — дать скидку до 50%. Поэтому переход к плавающим ставкам в определенном коридоре поможет охватить страхованием всех водителей, уверен спикер.

В антифрод-решениях также активно применяется искусственный интеллект. Проверка факта попадания клиента в ДТП происходит в компании через данные с дорожных камер. С помощью этих данных страховщики научились трассировать движение машины и фильтровать фрод от реальных кейсов. Оказалось, что 20% транспортных средств в Алматы и Астане составляют 50% рынка автострахования. Они набирают 80% от суммы пробега всех автомобилей.

“Применение этих данных позволило снизить убыточность нашего портфеля по ОГПО ещё на 6%”, — отметил эксперт.

Активно используются разработки на основе искусственного интеллекта, которое автоматически определяет повреждения машины по фотографиям. Следующий этап в компании – научиться превращать эту информацию в оценку. Для этого ведётся работа по интеграции с IT-компаниями, такими, как Leopard (IT-интеграторы поставщиков запасных частей).

“Предоставляя нам данные по стоимости запчастей и ремонту, возможно, в будущем мы сможем убрать понятие оценки и предлагать клиенту сразу данные по услугам ремонта и набору запчастей”, — рассуждает страховщик.

Когда в апреле этого года многие участники рынка усложнили доступ к оформлению страховки ОГПО ВТС из-за её убыточности, клиенты и агенты других страховых компаний стали обращаться на сайты страховых компаний.

“С апреля количество страховок в наших системах увеличилось в 2 раза. Логично, что нагрузка на колл-центр тоже выросла в 2 раза. Здесь на помощь пришла речевая аналитика. Для простейших запросов — как оформить страховой полис, как добавить водителя в полис, как заменить полис и т.д. было разработано IVR-меню, которое на 15% сократило нагрузку на операторов”, — поделился он.

Разгрузить колл-центр также помог голосовой помощник, AI-ассистент. С помощью речевой аналитики аудиозапись превращается в текст, и алгоритм машинного обучения находит ключевые слова. На их основе создается программа-робот, которая ведёт клиента по алгоритму действий.

“Используя этот подход в тестовом режиме в последние 4 месяца, стало понятно, что до 60% звонков решаются на уровне помощника. Также мы разрабатываем голосовой помощник, который будет помогать решать проблему клиентам при больших нагрузках”, — поделился спикер.

В дальнейшем компания будет развивать использование моделей, которые позволят не отказываться от высокорисковых, а более точно распределять их по категориям риска.

“Данные меры, основанные на инновациях, позволяют нам справляться с большим объёмом как продаж, так и выплат”, — подытожил он.

ИИ скоринговые модели машинное обучение