Как технологии помогают сбить цену медицинского полиса

ДеньгиHi-Tech

Страховка со скидкой

Как сбить цену медицинского полиса

Текст Петр Рушайло

iStock

Современные технологии и сбор данных о клиентах сегодня позволяют страховщикам предлагать индивидуальные тарифы. Технологии искусственного интеллекта позволят страховщикам контролировать дом, автомобиль, здоровье и личную жизнь клиентов. Тем, кто согласится на подобный контроль, страховщики обещают не только удешевление полиса, но и улучшение жизни.

ИИ с человеческим лицом

Конкурентоспособность страховщика сегодня определяют ИТ-сервисы, считает директор департамента развития цифровых каналов продаж «РЕСО-Гарантии» Виктория Маланина. В качестве примеров она приводит удобные личные кабинеты для агентов и клиентов, интеграции с партнерами, сервисы, позволяющие клиентам и агентам максимально оперативно и комфортно находить друг друга через интерактивную карту на сайте компании, цифровые каналы урегулирования. Кроме того, информационные технологии позволяют создавать API-сервисы, сокращающие количество документов, ускоряющие оформление и помогающие точнее оценивать риск. «Для клиента это означает меньше бюрократии, более понятные условия и более быстрое урегулирование»,— уверяет Виктория Маланина.

Использование современных ИТ-технологий, таких как искусственный интеллект (ИИ) и Big Data, также уже прочно вошло в практику страховых компаний. «Сейчас, говоря об искусственном интеллекте, обычно имеют в виду последние разработки — большие языковые модели»,— поясняет член правления «Росгосстраха» Евгений Ильин. Но основную материальную выгоду, по его словам, страховым компаниям приносят достаточно давно существующие на рынке ML-модели (модели машинного обучения), которые на основании больших данных могут комплексно оценивать риски застрахованных и рассчитывать оптимальную как для страховщика, так и для клиента стоимость полиса. «Такое многофакторное моделирование реализовано во всех уважающих себя страховых компаниях и постоянно совершенствуется. В условиях высокой конкуренции на рынке его качество — важный для страховщиков элемент борьбы за клиентов»,— сообщает эксперт.

Важную роль при этом играет индивидуальный подход, «подстройка» продукта под клиента (кастомизация). «Раньше страховщики при расчете стоимости полиса оперировали групповыми характеристиками, связанными в основном с социально-экономическим профилем клиента и типичными для этих характеристик уровнями рисков»,— вспоминает Евгений Ильин. Сейчас, по его словам, большая часть решений принимается в индивидуальном режиме: страховщики на основе Big Data анализируют метрики каждого конкретного клиента и тех объектов, которые он страхует. «Безусловно, такая тарификация гораздо точнее»,— поясняет эксперт.

«В среднесрочной перспективе персонализация будет развиваться прежде всего на уровне предложений, опций, сервисов и коммуникаций,— ожидает Виктория Маланина.— В долгосрочной — продукты станут более динамичными и событийными, будут лучше адаптироваться к ситуации клиента».

«ИИ меняет работу в тарифообразовании, антифроде, урегулировании убытков, а также в клиентском обслуживании»,— перечисляет директор по стратегическому развитию страховой компании «Согласие» Илья Баскаков. «Он помогает нам выполнять рутинную работу в некоторых процессах: идентификацию клиентов, распознавание документов, скоринг, антифрод, тарификацию и урегулирование убытков»,— говорит страховщик.

По мнению Ильи Баскакова, 90% успеха модели — это не алгоритмы, а качество данных, их сбор и подготовка, что требует затрат труда и времени. Но эти затраты, на его взгляд, себя оправдывают. По его словам, в «Согласии» медианное время обращений клиентов сократилось на 10% (экономия до двух минут на каждом звонке), 22% клиентов вызывают врача через приложение, а использование онлайн-согласования медицинских услуг растет на 20–30% ежемесячно.

В «АльфаСтраховании» ИИ используется уже на всех этапах — от анализа данных, индивидуального предложения продуктов клиентов, консультации продавцов по продуктам до урегулирования убытков и проверки заявляемых страховых случаев на мошеннические действия, рассказывает руководитель направления департамента машинного обучения и работы с данными «АльфаСтрахования» Анна Сидоровская. «Уровень кастомизации продуктов растет — большие данные и машинное обучение позволяют все более точно сегментировать клиентов и разработать фокусные продукты, а генеративный ИИ — быстро создать прототипы и вывести продукты на рынок»,— говорит она.

Обычные онлайн-продажи также становятся по факту ИИ-центрированными, отмечает Анна Сидоровская. В качестве примера она приводит разработанный в «АльфаСтраховании» ИИ-помощник «Нейро-Маша», который помогает агентам определять, в чем ценность продуктов для клиентов, и предлагать клиентам наиболее востребованные ими решения.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Открыть в приложении