Вантажні та пасажирські перевізники можуть виграти у страховому шахрайстві

Розгортаючи мультимодальні технології на основі штучного інтелекту для виявлення шахрайської поведінки, страховики можуть допомогти запобігти багатомільярдним втратам споживачів.

Страхове шахрайство залишається другим за вартістю злочином для білих комірців у США після ухилення від сплати податків. (1) Коаліція проти страхового шахрайства повідомляє, що 78% американських споживачів стурбовані страховим шахрайством (2), швидше за все, тому що вони знають, що шахрайство впливає не тільки на страховиків; втрати перекладаються на страхувальників через вищі страхові внески. Федеральне бюро розслідувань повідомляє, що страхове шахрайство обходиться середньостатистичній американській сім'ї від 400 до 700 доларів щорічно через збільшення страхових внесків для покриття витрат. (3)

Тим часом, багато страховиків майна та страхування від нещасних випадків (P&C) стикаються зі зростаючим відтоком клієнтів через нещодавнє підвищення страхових тарифів, спричинене інфляцією. (4) За таких умов подальше підвищення премій для компенсації збитків від шахрайства, скоріш за все, не є життєздатною стратегією для довгострокової прибутковості та зростання частки ринку.

Замість цього страховики можуть підготувати себе до боротьби з шахрайством до того, як воно станеться. Вони можуть перейти від покладання на традиційні методи виявлення шахрайства до інвестування в більш досконалі методи виявлення та запобігання шахрайству. У нещодавньому опитуванні керівників страхових компаній, проведеному Deloitte, 35% респондентів обрали виявлення шахрайства як одну з п'яти основних сфер для розробки або впровадження генеративних додатків штучного інтелекту протягом наступних 12 місяців. (5)

За прогнозами Deloitte, впроваджуючи технології на основі штучного інтелекту та інтегруючи аналіз у реальному часі з різних джерел, страхові компанії можуть зменшити кількість шахрайських заяв і заощадити від 80 до 160 мільярдів доларів до 2032 року.

Мультимодальні технології на основі ШІ – це передові системи, які використовують ШІ для обробки та інтеграції даних з різних джерел, включаючи текст, зображення, аудіо, відео та дані з датчиків. Аналізуючи різні типи даних, ці технології можуть генерувати більш повну і точну інформацію.

Чому виявлення шахрайства у страхуванні майна та фінансів є таким складним завданням?

За оцінками, 10% страхових випадків у страхуванні комерційних ризиків є шахрайськими, що призводить до щорічних збитків у розмірі 122 мільярдів доларів США, або 40% від загальних збитків страхової індустрії від шахрайства. (6) Шахрайство настільки поширене, тому що зазвичай страхувальники взаємодіють зі своїми страховими компаніями лише під час щорічної сплати страхових внесків або коли їм потрібно подати заяву на відшкодування збитків. Така нечаста взаємодія може обмежити здатність страховиків здійснювати постійний нагляд за діяльністю страхувальників, що дозволяє шахрайським діям залишатися невиявленими.

Шахрайство зазвичай поділяється на "м'яке" та "жорстке". М'яке шахрайство передбачає завищення законної вимоги, наприклад, завищення вартості ремонту або перебільшення травми. Жорстке шахрайство – це коли навмисні дії створюють неправдиву заяву – наприклад, якщо страхувальник інсценує аварію, вчиняє підпал або інсценує крадіжку. М'яке шахрайство є більш поширеним, ймовірно, через те, що його важко довести; на нього припадає 60% усіх випадків. (7)

Зростаючий тиск стимулює попит на передові інструменти виявлення

Початок пандемії COVID-19 прискорив діджиталізацію, створивши як можливості для шахраїв, так і шквал інноваційних рішень. (8) Технології виявлення шахрайства стали швидкозростаючою галуззю, яка, за оцінками, збільшиться у вісім разів – з 4 мільярдів доларів США у 2023 році до 32 мільярдів доларів США до 2032 року. (9) Водночас тиск з боку регуляторних органів підштовхує страховиків до впровадження систем виявлення шахрайства. (10)

Як ШІ може допомогти у виявленні та запобіганні шахрайству?

ШІ надає страховикам нові моделі виявлення шахрайства, які можуть звільнити людей-слідчих, щоб зосередитися на більш складних випадках шахрайства. Поєднання технологій боротьби з шахрайством на основі штучного інтелекту з передовою аналітикою даних розширює можливості страховиків у виявленні та запобіганні шахрайству. Це може бути корисним у сегментах страхування майна та особистого автострахування через їхню складність і великий обсяг даних, потребу в обробці в режимі реального часу, а також потенціал для значної економії коштів і підвищення ефективності. (11)

Різноманітні методи, такі як автоматизовані бізнес-правила, вбудовані методи штучного інтелекту та машинного навчання, інтелектуальний аналіз тексту, виявлення аномалій та аналіз мережевих зв'язків, можуть оцінювати мільйони заяв у режимі реального часу. Поєднання даних з різних джерел може допомогти виявити закономірності та покращити процес розслідування, зменшивши кількість помилкових спрацьовувань, підвищивши рівень виявлення шахрайських заяв та заощадивши витрати, пов'язані з розслідуванням шахрайства. Такі методи повинні застосовуватися під наглядом людини та відповідно до законів кожної юрисдикції. ШІ можна використовувати в

• Обробка природної мови аналізує текстові дані форм заяв, електронних листів і постів у соціальних мережах для виявлення ключових слів і сутностей. Хоча заяви з підозрілими формулюваннями або непослідовними деталями можуть бути позначені для подальшого розслідування, такі нормативні акти, як Закон штату Колорадо про штучний інтелект, вимагають використання моделей на основі алгоритмів штучного інтелекту, щоб уникнути дискримінації та упередженості при позначенні ризиків. (12)
• Аналіз аудіо-зображень-відео. Розпізнавання мови та аналіз настроїв можуть досліджувати дзвінки клієнтів на наявність ознак примусу, що дозволено Законом Європейського Союзу про ШІ щодо емоційного висновку з метою безпеки. (13) Фотоаналітика може виявити порушення в метаданих, маніпуляції та повторне використання. Аналіз причинно-наслідкових зв'язків може визначити, чи є ймовірність того, що передбачувані травми були пов'язані з аварією, що сталася. Відеоаналітика може перевірити наявність і ступінь пошкоджень, визначити автентичність зображень і виділити ознаки фальсифікації або інсценування.
• Геопросторовий аналіз. Супутникові знімки та комплексні 3D-зйомки з дронів можуть підтвердити масштаби та місцезнаходження пошкоджень, які можуть бути невидимими при фізичному огляді. Це також може зменшити ризик травмування персоналу, що займається відшкодуванням збитків, особливо на місцях стихійних лих.
• Дані з інтернету речей. Пристрої спостереження в реальному часі, такі як телематика транспортних засобів, можуть реконструювати аварії та перевіряти законність заявлених збитків. Датчики розумного будинку, такі як датчики витоку води і камери спостереження, можуть допомогти зібрати докази, які можуть бути використані для перевірки заяв і виявлення шахрайських або постановочних дій.
• Імітаційні моделі. Відтворення поведінки медичних працівників, ремонтних майстерень та інших організацій, з якими люди можуть працювати за різних сценаріїв у контрольованому віртуальному середовищі, може виявити закономірності та відхилення від стандартних галузевих практик, а також виявити такі випадки, як завищення рахунків, непотрібні послуги, скоординованість дій або ймовірні кола зіткнення між організаціями.

Поєднання штучного інтелекту та людського передбачення може стати шляхом вперед

За останні два десятиліття страховики створили спеціальні слідчі підрозділи для виявлення та пом'якшення наслідків шахрайства. Забігаючи наперед, скажу, що лідери боротьби з шахрайством стикаються з кількома викликами. Страховики, які поєднують сучасні технології з людським фактором, можуть потенційно заощадити мільярди доларів для страхувальників. Залучення та утримання кваліфікованих кадрів, а також постійна підтримка автоматизації, ймовірно, також будуть важливими для компаній, які прагнуть досягти своїх довгострокових цілей у боротьбі з шахрайством.

Примітки

1. Визначається як навмисний обман у процесі страхування, від купівлі полісу до врегулювання претензій; Ешлі Кілрой, "Статистика страхового шахрайства 2025", Forbes, 3 січня 2025 року.
2. Кілрой, "Статистика страхового шахрайства 2025".
3. Національне бюро страхових злочинів (NICB), "NICB та Agero об'єднують зусилля для боротьби зі страховим шахрайством", прес-реліз, 12 червня 2024 року.
4. Келлі Кьюсік, Мішель Ханаан та Намрата Шарма, "Усунення прогалин у страхуванні для підготовки домовласників до нових ризиків, пов'язаних зі зміною клімату", Deloitte Insights, 2 травня 2024 року.
5. Санді Сухрада, Стівен Казачелі та Дішанк Джайн, "Чи справді страховики готові масштабувати генетичний ШІ?" Deloitte Insights, 4 квітня 2025 року.
6. Охоплює шахрайство у сфері страхування майна, авто та компенсацій працівникам; Кілрой, "Статистика страхового шахрайства 2025"; аналіз Центру фінансових послуг Deloitte.
7. Дискусія з Кедаром Камалапуркаром, керівником відділу страхових виплат "Делойт", 13 грудня 2023 року; аналіз Центру фінансових послуг "Делойт".
8. Сатіш Лалчанд та ін., "Очікується, що генеративний ШІ збільшить ризик глибоких підробок та іншого шахрайства в банківській сфері", Deloitte Insights, 29 травня 2024 року.
9. Global Market Insights (GMI), Розмір ринку виявлення страхового шахрайства, травень 2024 року; Аманда Поул, "Страхові компанії роблять ставку на ШІ та масову аналітику даних у боротьбі з шахрайством, яке коштує мільярди", Business Insider, 24 жовтня 2023 року.
10. Джо Десантіс та ін., "Перспективи страхового регулювання на 2025 рік", Deloitte Insights, 21 лютого 2025 року.
11. Кілрой, "Статистика страхового шахрайства 2025".
12. Тетяна Райс, Кейр Ламонт та Джордан Френсіс, "Закон штату Колорадо про штучний інтелект", аналітична записка FPF щодо законодавства США, липень 2024 року.
13. Європейська комісія, "Закон про штучний інтелект набуває чинності", 1 серпня 2024 року.