AI вирішує дуже стару проблему зі страхуванням

Системи виявлення ШІ виявляють неточності в страхових заявках, забезпечуючи точне ціноутворення і захищаючи чесних страхувальників.

Роками неточності в страхових заявках напрочуд легко прослизали, часто залишаючись непоміченими до подання заяви про страховий випадок, після чого наслідки могли повністю покладатися на застраховану особу.

У сфері страхування орендодавців це може означати заяву про те, що дах було замінено нещодавно, заниження кількості квартир у будівлі або неврахування комерційного орендаря. Іноді неточність є навмисною. Часто ж ні. Багато власників нерухомості просто не знають точних відповідей, а страховики історично не ставили забагато додаткових запитань.

Але наслідки реальні на ринку орендодавців вартістю 60 мільярдів доларів, де приблизно 20% заявок містять неправдиві твердження лише щодо віку даху. У всій страховій галузі шахрайство, не пов'язане з медичним страхуванням, коштує понад 40 мільярдів доларів на рік, збільшуючи річні премії на 400-700 доларів для середньої сім'ї. Це швидко накопичується, і чесні страхувальники зрештою оплачують рахунки.

Саме тут штучний інтелект починає змінювати ситуацію.

Наприклад, у Honeycomb ми використовуємо поєднання аерофотознімків, фотографій з рівня вулиць та публічних записів, щоб автоматично перевірити, що вказано в заявці на страхування. Чи справді дах був замінений минулого року? Чи в будівлі 12 квартир чи 20? Ми можемо відповісти на ці запитання за лічені секунди, не відправляючи когось на об'єкт. Це зменшує здогадки, необхідні страхувальнику під час процесу подання заявки, і дає нам точнішу картину ризику з самого початку.

Цікаво, що початковою метою цієї технології було не запобігання шахрайству. Йшлося про те, щоб спростити оцінку вартості нерухомості та оптимізувати процес андеррайтингу. Але краща інформація на початку також допомагає запобігти неточному ціноутворенню та зменшує потребу в дорогих ручних перевірках або вирішенні спорів на основі ненавмисних неточностей у майбутньому.

Що робить ШІ таким ефективним у виявленні неточностей та шахрайства, так це його здатність виявляти закономірності та, що ще важливіше, аномалії. Аналізуючи мільйони точок даних по об'єктах нерухомості, місцях розташування та історії страхових випадків, системи ШІ дізнаються, як виглядає "нормально". Вони можуть швидко виявляти відхилення, будь то незвичайна форма даху, яка не відповідає заявленому стану, площа, яка здається незвичайною порівняно з аналогічними будівлями, або група заяв, які відповідають незвичайній схемі. Це розбіжності, які люди можуть не помітити, особливо в масштабі, але вони звертають увагу на машину, навчену їх шукати.

І, що найважливіше, ШІ робить це в режимі реального часу, не додаючи тертя до обслуговування клієнтів. Йдеться не про те, щоб ставитися до всіх з підозрою. Йдеться про використання кращих інструментів для перевірки, щоб ми в результаті отримали точнішу політику, яка дозволяє всім сторонам виграти.

Вплив був відчутним: наш коефіцієнт збитковості, сума виплачених за страховими виплатами порівняно з тим, що ми збираємо у вигляді премій, значно нижчий за середній показник по галузі. Це говорить нам про те, що ми виявляємо розбіжності на ранній стадії, точніше здійснюємо андеррайтинг та надаємо "правильні" котирування та послідовне ціноутворення й досвід на ринку, де ціни на страхування значно зросли.

Ширша галузь рухається в тому ж напрямку. Майже 60% страховиків зараз використовують ШІ для позначення підозрілих страхових випадків, а ринок виявлення шахрайства, як очікується, зросте до 17 мільярдів доларів до 2028 року. Оскільки вартість ведення бізнесу продовжує зростати через кліматичні події, інфляцію та інші фактори, точність і справедливість стають важливішими, ніж будь-коли.

Більшість заявників не є поганими акторами, вони просто не мають усієї інформації, а процес не полегшує завдання бути точним. Традиційні страхові компанії так і не зрозуміли, як гарантувати цілісність даних самостійно повідомлених заявок, ефективно навчаючи клієнтів, що вони можуть вводити все, що завгодно, і ніхто цього насправді не помітить.

Завдяки штучному інтелекту ми можемо встановити вищу базову лінію точності та довіри.

Це добре для всіх. Зрештою, саме чесні клієнти розплачуються за всі неефективності системи, і неправдиві заявки є великою частиною цього. Виправляючи це, ми робимо систему справедливішою та гарантуємо, що чесні клієнти матимуть перевагу.