Чому сфера страхування відстає у сфері штучного інтелекту

Фрагментація даних заважає більшості страхових компаній втілити стратегію штучного інтелекту в життя, незважаючи на амбітні плани всієї галузі.

У страховому секторі існує добре задокументована невідповідність між його амбіціями щодо штучного інтелекту та операційною готовністю. Хоча 82% страхових компаній вважають, що штучний інтелект визначатиме майбутнє галузі, лише 14% повністю інтегрували його у свої фінансові операції, а 52% описують свої системи управління даними як такі, що знаходяться на ранній стадії або все ще розробляються. Різниця між цими цифрами відображає те, як більшість фірм ставляться до штучного інтелекту як до стратегії, яку потрібно оголосити, а не як до операційної можливості, яку потрібно створити.

Усі дані, наведені в цій статті, взяті зі Звіту AutoRek про страхові операції та фінансову трансформацію за 2026 рік, який базується на 250 інтерв'ю з менеджерами страхових та медичних страхових компаній у США та Великій Британії. Трьома найчастіше згадуваними перешкодами були проблеми інтеграції застарілих систем (42%), фрагментовані середовища даних (39%) та брак власних експертів зі штучного інтелекту (40%). Жодна з цих проблем не є новою, але вартість їх подальшого розвитку значно зросла.

Фрагментація даних – основна проблема

Середньостатистичний страховик керував лише 17 джерелами даних, що забезпечували процеси сплати премій. Кожне джерело представляє різний формат, окрему частоту оновлення та ще одну потенційну точку збою в ланцюжку узгодження. Штучний інтелект, розгорнутий у такому середовищі, не оптимізує операції; навпаки, він посилює невідповідності, вже вбудовані в ці системи.

Ось чому фірми, які досягли помітного прогресу в інтеграції штучного інтелекту, мають спільну відправну точку. Спочатку вони стандартизували свою архітектуру даних, а потім налаштовували можливості автоматизації. Вони також створили структури робочих процесів та управління, які є аудитованими та вимірюваними, а не теоретичними. Узгодження, як правило, спочатку автоматизувалося, створюючи надійне та узгоджене середовище даних, яке робить робочі процеси на основі штучного інтелекту життєздатними на подальших етапах процесу.

Злиття та поглинання створюють складнощі для роботи бек-офісу

Консолідація галузі прискорюється, а операційне навантаження лягає на вже й так перевантажену інфраструктуру. 54% страховиків заявили, що несумісні системи та архітектури даних були їхньою найбільшою проблемою інтеграції після злиття. Для фірм, які керують понад десятком джерел даних до укладення угоди, придбання означає внесення додаткової складності до вирішення існуючої.

Оператори, які здатні отримати сталу цінність від злиття, ставляться до гармонізації даних як до роботи, що передує злиттю. Планування інтеграції починається на рівні архітектури, а не після укладення угоди, що гарантує інтеграцію нових систем у стандартизоване середовище, а не додавання до вже фрагментованого.

Цикли розрахунків вимірюють операційний стан

44% страховиків зіткнулися з періодами врегулювання, що перевищували 60 днів. Прогнозується, що обсяги транзакцій зростуть на 28,7% протягом наступних двох років.

Тривалість розрахункового циклу є найчіткішим показником того, наскільки добре дані переміщуються між системами та скільки ручного втручання потрібно для закриття транзакцій. Фірми з коротшими розрахунковими циклами зазвичай завершили базову інфраструктурну роботу, включаючи впровадження автоматизованого узгодження, зменшення кількості джерел даних та створення систем управління. Кореляція між операційною дисципліною та готовністю до штучного інтелекту була послідовною протягом усього дослідження.

Дані показують чіткий шлях уперед

Незважаючи на постійні перешкоди, дослідження демонструє чіткий намір діяти: 50% фірм надають пріоритет штучному інтелекту та машинному навчанню, 42% зосереджуються на автоматизації функцій бек-офісу та середнього офісу, а 51% називають нормативні вимоги основним рушієм рішень щодо модернізації.

Страхові компанії, які бачать результати від цих інвестицій, навмисно розподілили їх у послідовність. Вони застосували структурований підхід, починаючи з структур управління, потім стандартизацію даних, а потім нарощування автоматизації поверх них, перш ніж впровадити штучний інтелект. Ця послідовність важлива, оскільки штучний інтелект, що працює на фрагментованих даних, керованих вручну, дасть аналогічні фрагментовані та інтенсивні вручну результати, тільки з більшою швидкістю та витратами.

Оперативна реальність зсередини перевізника

Я пропрацював 12 років у таких компаніях, як MetLife, HSBC Life, Aviva, AIG та Generali, перш ніж перейти до страхових технологій. Обмеження, виявлені в цьому дослідженні, були помітні зсередини. Організації, які досягли найбільшого прогресу, ставилися до інфраструктури бек-офісу як до стратегічної інвестиції, а не до операційних витрат, і робили якість даних активом і передумовою для впровадження нових технологій.

Оскільки 6% страховиків повідомляють про повну відсутність використання штучного інтелекту у фінансових операціях, розрив у продуктивності між фірмами, які модернізувалися, та тими, які цього не зробили, збільшується. Зі зростанням обсягів транзакцій та продовженням консолідації цей розрив ускладнить подальші дії для фірм, які відклали роботи з інфраструктури. Рішення, які страховики прийматимуть щодо інфраструктури даних у 2026 році, визначатимуть, яку цінність вони зрештою отримають від своїх інвестицій у штучний інтелект.