Оценка рисков в страховании с помощью искусственного интеллекта.

Что мешает широкому распространению искусственного интеллекта в страхованииСогласно отчету Genpact AI 360, внедрение искусственного интеллекта в страховании быстро растет, при этом 87% страховых компаний ежегодно инвестируют более 5 миллионов долларов США в технологии, связанные с искусственным интеллектом. Цифровая революция повсюду, она все больше меняет традиционные бизнес-модели и внедряет цифровые решения.Несмотря на возможности, которые открывают искусственный интеллект и машинное обучение практически на каждом этапе жизненного цикла клиента страховой компании, в России процесс распространения этой технологии пока находится на начальном этапе развития. Примеры, когда ИИ прочно вошел в рабочую деятельность компаний пока исчисляются единицами. К примеру, «РЕСО-Гарантия» использует ИИ для оценки спроса на свои продукты, «Тинькофф Страхование» анализирует риски клиентов, «Ренессанс страхование» использует нейросети для анализа фотографий страховых случаев, а «Сбербанк Страхование жизни» активно продвигает чат-бота, который распознает сотни медицинских симптомов для записи клиентов к нужным врачам [6].Одной из вероятных причин медленного роста можно назвать малый объем рынка страхования. По данным KPMG в 2019 году объем рынка страховых услуг составил 1,5 трлн р. или 1,5% от ВВП (для сравнения: $1,5 трлн и 10% соответственно в США). Малый объем рынка неизбежно влечет недостаток данных, которые необходимы системам машинного обучения для корректного развития.Кроме того, масштабная реализация подобных систем требует значительных вложений капитала для разработки и поддержки, а также времени на обучение ИИ на основе реальных данных и построение необходимой инфраструктуры. В нынешних экономических реалиях подобные вложения могут быть сочтены нецелесообразными. Наконец, клиенты страховых компаний также должны быть готовы к развитию рынка в технологическом ключе. Серьезную роль играет страх утечки персональных данных, без которых невозможно внедрение машинного обучения на рынке страховых услуг.Согласно опросу мирового лидера в области страхования EY, проведенному более чем в 100 компаниях:79% с сожалением сообщают, что они еще не думали о переходе на цифровые технологии или находятся на этапе обучения; 57% заявили, что у них есть операционные модели бизнеса без поддержки цифровых платформ / решений; 89% не обращают внимания на предыдущие взаимодействия, обслуживая клиентов с рекомендациями по продуктам / услугам[8].Некоторые из негативных элементов, которые препятствуют интеграции всего цифрового, — это устаревшие процессы, простая техническая мощь, неинновационный подход, медленное выполнение и другие внутренние ограничения. Компаниям еще предстоит преодолеть свою неоднозначность и нерешительность в отношении цифрового интеллекта, чтобы открыть для себя будущие возможности для бизнеса и уникальный потенциал для последовательного роста.Еще одним фактором, препятствующим внедрению цифровых технологий в страховом секторе, является сопротивление агентских каналов и дистрибьюторов. Вот почему важно устранить запреты и прояснить опасения, возникающие в отношении инвестиций в цифровое движение. Честное ценностное предложение для улучшения качества обслуживания клиентов может помочь снизить напряжение.Сколько времени понадобится рынку страховых услуг, чтобы встать на новую технологическую ступень? Сложно дать однозначный ответ. Исследование АСН показало, что многие участники рынка начали более или менее активное внедрение ИИ в свою деятельность порядка трех лет назад. Вероятно, проработка и повсеместное использование более сложных сценариев займет больше времени, тем более, учитывая все сложности, с которыми бизнес столкнулся в 2020 году. ЗаключениеВ предстоящие годы мы увидим фундаментальные изменения в роли управления рисками, когда люди и машины работают вместе. Надзор и управление рисками будут встроены в системы и будут постоянно контролироваться виртуальными агентами риска, в то время как люди будут постоянно контролировать системы и алгоритмы.Страховым компаниям необходимо сократить время оценки рисков клиентов и предоставить более объективные оценки, чтобы сократить расходы и предоставить более подходящие страховые полисы.Растущая доступность подробной информации о страхователях, связанной с рисками, в виде наборов исторических данных и данных в режиме реального времени изменит традиционные актуарные модели оценки рисков и ценообразования. Детальный анализ текстов, изображений и видео из внутренних и внешних баз данных, а также с подключенных устройств позволяет страховым компаниям более точно оценивать и прогнозировать вероятности и суммы убытков на индивидуальном уровне.Страховщики имеют большие амбиции в отношении искусственного интеллекта (ИИ), который определяются как компьютерные системы, которые могут ощущать окружающую среду, а затем думать, учиться и принимать меры в ответ. Среди страховщиков, которые уже инвестировали в ИИ, многие получают большие выгоды: почти две трети сообщают об успехе в использовании ИИ для повышения качества обслуживания клиентов. Почти половина утверждают, что ИИ помогает улучшить процесс принятия решений.Страховщики обеспокоены некоторыми рисками, которые могут возникнуть при отсутствии тщательного управления решениями ИИ: потенциальные новые угрозы кибербезопасности и конфиденциальности возглавляют список проблем, связанных с ИИ, по мнению 42% и 36% респондентов соответственно. Проблема не в том, что ИИ по своей природе опасен. Напротив, проблема заключается в том, что даже если группы по управлению рисками и регулирующие органы, как правило, очень сложны, им часто не хватает специализированных технологических навыков и процессов, необходимых для понимания и моделирования потенциальных воздействий ИИ.Отсутствие навыков искусственного интеллекта — это, конечно, более общая проблема, которая сдерживает инициативы не только по техническим причинам. Это также может создавать культурные барьеры: руководители могут не решаться давать зеленый свет или использовать инструменты, с которыми они не чувствуют себя комфортно.Другая распространенная проблема - разрозненность между бизнес-направлениями и между группами ИИ и аналитики. Все они должны работать вместе, чтобы предоставлять ИИ необходимые данные, а также способствовать более быстрому масштабированию инициатив. Список используемой литературы:Кудрявцев, А. А. Актуарная математика. Оценка обязательств компании страхования / А.А. Кудрявцев. - М.: Издательство СПбГУ, 2020. - 244 c.Братко Алгоритмы искусственного интеллекта на языке PROLOG: моногр. / Братко. - М.: Диалектика / Вильямс, 2016. - 593 cМакаров, И.М. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров. - М.: Наука, 2021. - 607 c.Алексеев, В. Н. Финансовая инфраструктура России. Проблемы развития в условиях глобализации / В.Н. Алексеев. - М.: Дашков, 2021. - 220 c.Архипов, А. П. Андеррайтинг в страховании / А.П. Архипов. - М.: Юнити-Дана, 2017. - 240 c.Рыбкин, Иван Кросселлинг в страховании. Новейшие технологии продаж / Иван Рыбкин, Эдуард Падар. - М.: Институт общегуманитарных исследований, 2020. - 208 c.Итоги и анализ страхового рынка России за 2020 год. [Электронный ресурс]. Calmins.com. Режим доступа: https://calmins.com/itogi-i-analys-strahovogo-rynka-rossii-za-2020-god/ (Дата обращения: 16.12.2021).Artificial Intelligence in Insurance. [Электронныйресурс] - COMARCH. Режим доступа: https://www.comarch.com/finance/insurance/artificial-intelligence-in-insurance/( Дата обращения: 16.12.2021).