ИИ и автострахование

Каждая отрасль изучает возможности использования искусственного интеллекта и машинного обучения, и сектор автомобильного страхования не является исключением.

Даг МакЭлхейни, партнер практики страхования в McKinsey & Company, объясняет, что дело не только в алгоритмах искусственного интеллекта, но и в данных, которые в них закладываются: «На американском рынке большинство страховых компаний используют линейные алгоритмы, и они используют массив информации — 20 или 40 единиц информации, чтобы отделить высокий риск от низкого. Продвинутые, нелинейные алгоритмы могут выявить на более детальном уровне то, что может быть упущено таким элементарным алгоритмом». Весь ИИ призван в той или иной степени копировать человеческое познание. Более продвинутые алгоритмы, связанные с машинным и глубоким обучением, делают это в большей степени, чем линейные алгоритмы, такие как линейная регрессия».

Он добавляет, что продвинутые алгоритмы ИИ лучше различают различные уровни риска. Примером может служить распределение рисков по уровням, которое применяется в автомобильном страховании. Благодаря увеличению объема данных, доступных для оценки риска, а также усовершенствованным алгоритмам, возможно, будет разработана классификация страхования, включающая всего 10 классов риска.

Страхование на основе телематики

Продукты автострахования на основе телематики предоставляют доступ к большим объемам и типам данных. Данные собираются с самого автомобиля или с мобильного устройства, которое используется в автомобиле. Они могут собираться с высокой скоростью, а поток данных позволяет выявить конкретные модели поведения водителя, например, быстрые повороты или резкое торможение.

МакЭлхейни поясняет: «Наличие телематических продуктов дает перевозчикам больше уверенности. С продуктом на основе телематики перевозчики переходят от статичного рейтингового подхода к страховому продукту, основанному на использовании. Я получаю от вас информацию с помощью устройства, которое дает больше сведений о том, как вы водите. Это другой тип информации по сравнению с более традиционными статическими рейтинговыми факторами».

Проблемы и риски

Роман Свошовски, вице-президент по ИИ и облачным исследованиям и разработкам компании Grape Up, говорит: «Сбор, использование и анализ данных создает значительные проблемы и риски для страховщиков, поскольку автопроизводители могут использовать свою компетенцию в области данных, чтобы выйти на страховой рынок или повлиять на него». Это может означать предложение собственных страховых продуктов или партнерство с избранными страховщиками, что сократит выбор и переговорную силу клиентов и посредников.

Он также утверждает, что существует риск снижения спроса. Прибыльность страховых продуктов тоже может снизиться. Тем не менее, технологии, основанные на данных, потенциально могут повысить безопасность, надежность и эффективность транспортных средств. Это также может привести к уменьшению числа аварий с менее тяжелыми последствиями, снижению стоимости ремонта и, как следствие, уменьшению страховых премий.

Он добавляет: «С другой стороны, это открывает страховщикам доступ к более точным и детальным данным о характеристиках автомобиля, поведении водителя и сценариях аварий, что может улучшить оценку рисков и ценообразование, а также повысить сегментацию и персонализацию клиентов».

Расширение источников данных

Мэтью Кэрриер, директор Deloitte Consulting, говорит, что страховые компании используют множество расширяющихся источников данных. Телематические данные — лишь один из них. Другие данные включают в себя схемы движения и информацию об авариях по местам, таким как перекрестки, дороги и автомагистрали. Наличие такой информации может повысить способность страховщиков оценивать риски и устанавливать цены на страховые полисы.

Он добавляет: «Информация, полученная после аварии, например, видео с автомобильных камер и данные телематики на момент аварии, может быть использована для обработки претензий». Кроме того, партнерство между страховыми компаниями и автопроизводителями может упростить ремонт автомобилей за счет определения необходимых деталей и их наличия».

Поведение водителя

Возможности искусственного интеллекта и машинного обучения улучшают выявление мошеннических страховых претензий или покупок. Сюда можно отнести такие факторы, как предполагаемый годовой пробег, место парковки автомобиля, степень травм после аварии или соответствующее медицинское лечение. «Усилия страховых компаний по сокращению мошенничества в конечном счете выгодны потребителям, поскольку снижают стоимость страховых полисов», — объясняет Карриер.

Этические соображения

Что касается этических соображений, то, по его словам, их много. Они касаются конфиденциальности и неприкосновенности частной жизни, предвзятости и посягательств на данные потребителей. Необходимо убедиться, что данные о потребителях, которые доступны для оценки рисков, точны, адекватны и последовательно собраны. Также необходимо соблюдать меры защиты потребителей, законы и правила, а также учитывать, не приводит ли использование данных к предвзятости.

По материалам WardsAuto.