ИИ трансформирует страховую индустрию — 4 способа

4 способа, как ИИ трансформирует страховую индустрию

Индустрия страхования уверенно движется к будущему, в котором в полной мере используется трансформирующая технология искусственного интеллекта (ИИ). От использования синтетических данных в процессах андеррайтинга и ценообразования до внедрения новых данных в модели для борьбы с климатическими рисками — инновационные технологии ИИ предоставляют целый ряд новых способов работы в отрасли. В недавней беседе со стратегическим советником по страхованию SAS Франклином Манчестером мы обсудили четыре способа, которыми ИИ изменяет структуру страхования, а также как он может переосмыслить будущее отрасли. Вот краткое изложение того, что мы обнаружили.

1. Синтетические данные преобразуют андеррайтинг и ценообразование

Синтетические данные, форма генеративного ИИ (GenAI), становятся основным двигателем инноваций в разработке моделей ИИ для андеррайтинга и ценообразования. Это неудивительно, учитывая, что согласно недавнему исследованию среди глобальных лиц, принимающих решения в страховой индустрии, 9 из 10 планируют инвестировать в технологии генеративного ИИ в следующем году. Исторически синтетические данные были параллельным двигателем инноваций. Но более современные методы — такие как трансформеры, переменные кодировщики и моделирование на основе диффузии — значительно улучшили эффективность и точность моделирования. Теперь синтетические данные становятся основным двигателем инноваций для создания моделей. Например, синтетические данные играют ключевую роль в разработке сложных моделей для новых продуктов, таких как киберстрахование или параметрическое страхование, и для редких событий, таких как стихийные бедствия. Страховщики могут воспользоваться синтетическими данными для решения ряда актуальных задач в области данных:

• Предвзятость и конфиденциальность. Как регулируемая индустрия, страховщики должны соблюдать нормы справедливости, прозрачности и конфиденциальности потребителей. Синтетические данные помогают повысить представленность населений, которые недостаточно представлены в моделях, одновременно анонимизируя личные данные и заполняя пробелы в существующих данных.
• Стоимость. Приобретение огромного объема реальных данных может быть дорогостоящим. Синтетические данные — экономически эффективная альтернатива, особенно привлекательная для небольших и средних страховых компаний.
• Инновации. Синтетические данные уравнивают шансы, позволяя более мелким страховщикам конкурировать с большими. Они используют их для кодирования, оптимизации цен, рекомендаций по покрытию и обнаружения мошенничества с исками.

2. Новые данные помогают бороться с климатическими рисками

Новые формы данных — от фотографий, электронной почты, потоковых данных сенсоров и данных мобильных телефонов — оцениваются как создающие 400 трлн терабайт данных в день. Около 80% этих данных имеют экологическую природу. По мере того как климатические риски изменяются, страховщики используют эти новые формы данных, чтобы проактивно предотвращать или минимизировать потери и способствовать формированию более устойчивых сообществ. Недавние серьёзные разрушения и пожары в Калифорнии, например, подчеркнули необходимость эффективного реагирования со стороны страховщиков. Внедряя широкий спектр новых типов данных, страховщики могут строить более сложные модели климатических рисков. В свою очередь, они будут готовы применять подход «предсказать и предотвратить», когда наблюдают изменения в окружающей среде. Более того, страховщики должны действовать как консультанты по климатическим рискам для бизнеса и сообществ, помогая им реагировать на климатические события и восстанавливаться после них. Они также могут инвестировать свои капиталы в проекты, способствующие адаптации к климату.

3. Обнаружение мошенничества опирается на новые методы ИИ и разнообразные наборы данных

Обнаружение мошенничества стало более сложным из-за новых векторов атак, таких как дипфейки и фальшивые личности. Ожидается, что дипфейки совершаются каждые пять минут. В то же время Всемирный экономический форум прогнозирует, что к 2026 году 90% онлайн-данных могут быть синтетическими. Страховщики — основные цели атак. Опрос среди британских страховщиков выявил значительный рост числа фальшивых претензий с 2021 года. С лёгким доступом к личным данным и постоянно развивающимися методами генеративного ИИ мошенникам стало проще подавать фальшивые претензии. Создание фальшивых личностей — первый шаг на пути к установке призрачного страхователя. Мошенник крадёт реальные данные из интернета и смешивает их с фальшивыми данными, чтобы создать новый цифровой отпечаток индивидуума (фальшивый держатель полиса). После создания личности можно создать фальшивые фотографии и подать ложные претензии. Машинное обучение и новые технологии ИИ, которые учатся по шаблонам и быстро реагируют, обеспечивают страхователям необходимую защиту от такого рода мошенничества. Внедряя разнообразные наборы данных с инструментами ИИ и генеративного ИИ, страховщики могут разрабатывать сложные, специализированные модели, чтобы успешно выявлять и предотвращать новые виды мошенничества. Пример: существующие математические шаблоны (как закон Бенфорда) могут быть применены к изображениям для выявления несоответствий в пиксельных паттернах, свидетельствующих о мошенничестве.

4. Агентский ИИ показывает высокий потенциал в андеррайтинге и обработке претензий

Агентские системы ИИ разработаны для того, чтобы действовать автономно или в сотрудничестве с пользователями для достижения определённых целей — это представляет собой развитие приложений генеративного ИИ. Вместо простого создания нового содержимого, эти системы могут автономно планировать и выполнять задачи, направленные на достижение конкретных целей. Системы, которые планируют, принимают решения и предпринимают действие, набирают популярность в страховой отрасли, потому что они могут обеспечить более эффективное сотрудничество и повысить эффективность всех функций. Например, при автоматизации обработки претензий, агентский ИИ может упростить процесс за счёт автоматизации задач и повышения точности извлечения данных. В контексте андеррайтинга, агентский ИИ может:

• Упростить процесс размещения.
• Сократить задержки.
• Улучшить сотрудничество.

Для коммерческого андеррайтинга агентский ИИ обещает огромные перспективы во время процесса приёма. Это то место, где происходит значительное сотрудничество с многочисленными документами, которые должны быть проанализированы с точки зрения риска. Полагаясь на комбинацию понимания естественного языка и поведения, нацеленное на достижение целей, агентский ИИ может помочь извлечь данные, сортировать подачу и динамически заполнять модели, которые оценивают риск для полиса или продукта. Это может полностью изменить то, как страховщики обрабатывают и оценивают сложную документацию. Партнёрства и предпринимательский подход к ИИ Технологии ИИ, включая генеративный и агентский ИИ, имеют высокий потенциал для значительного улучшения страховых операций и создания возможностей для роста — от андеррайтинга и ценообразования до обработки претензий и обслуживания клиентов. По мере роста ценности этих технологий, происходят и другие изменения. По мере более полного использования ИИ для множества целей по всей компании, многие страховщики могут также начать двигаться к общественно-частным партнёрствам для решения сложных задач, таких как климатический риск — больше похожих на «экосистемный» подход. Я думаю, что мы начнём всё чаще видеть, как формируются общественно-частные партнёрства для решения сложных проблем. Нам нужен экосистемный подход для решения этих задач.