Пресса о страховании, страховых компаниях и страховом рынке

Казахстанский портал о страховании, 24 декабря 2025 г.

ИИ в страховании: маленькими шагами к большому успеху

138 просмотров

Почему большинство предприятий терпят неудачу в использовании ИИ и чему могут научиться руководители страховых компаний на примере небольших успехов.

Искусственный интеллект вскоре преобразит страховую отрасль. Однако до сих пор большинство корпоративных инициатив в области ИИ не принесли ощутимой пользы. Почему так происходит, и чем отличаются успешные проекты в сфере ИИ?

В недавнем отчете Fortune и MIT о внедрении генеративного ИИ было установлено, что лишь около 5% пилотных проектов в области ИИ привели к быстрому росту доходов, в то время как примерно 95% застопорились или оказали незначительное измеримое влияние на бизнес. Между тем, исследование S&P Global, проведенное в 2025 году, показало, что 42% компаний отказались от большинства своих инициатив в области ИИ и отменили почти половину всех концептуальных разработок до их внедрения в производство.

Хотя ажиотаж отражает настоящую революцию в области ИИ, эти неутешительные результаты указывают на дорогостоящий риск неудач, такой как растраченный капитал и не оправдавшиеся ожидания в сфере андеррайтинга и контрактов. Чтобы извлечь выгоду из возможностей ИИ, компаниям необходимо понимать, как снизить этот риск.

Что на самом деле не работает — и почему это важно для страхования

Искусственный интеллект терпит неудачу не потому, что модели и агенты не работают. Он терпит неудачу потому, что организации не могут внедрить новые технологии в повседневную деятельность. Более 80% проектов в области ИИ терпят неудачу из-за перерасхода средств, проблем с конфиденциальностью данных и рисков безопасности, в основном из-за неподготовленности или сопротивления со стороны сотрудников. Эксперты связывают около 70% неудач с проблемами, связанными с людьми и процессами, а не с техническими аспектами.

Для страховщиков это напрямую означает проектные риски, регуляторные риски и даже риски профессиональной ответственности, когда компании дают клиентам или регулирующим органам завышенные обещания относительно возможностей ИИ. Когда поставщик, страховщик или брокер рекламирует революционное решение на основе ИИ, к этому следует относиться со здоровым скептицизмом.

Закономерности, лежащие в основе неудачных пилотных проектов с использованием ИИ

Сбои в работе корпоративного ИИ следуют знакомой схеме, которую страховщики знают по другим крупным программам. Сначала идут многообещающие пилотные проекты: они существуют в безопасных «песочницах», где технология кажется впечатляющей, но терпит неудачу в реальном мире из-за проблем с соответствием нормативным требованиям или недостаточной подготовки пользователей.

Затем инженерные команды увлекаются новейшими моделями, оптимизируя новые функции, но при этом игнорируя качество данных, перепроектирование рабочих процессов и управление (вопросы, критически важные в финансовой и регулируемой отраслях).

Далее возникает организационная напряженность. Команды, занимающиеся разработкой продуктов, инфраструктурой, данными и соблюдением нормативных требований, работают независимо друг от друга, имея разные приоритеты, поэтому никто не контролирует весь процесс ИИ от начала до конца. Для страховщиков это может означать модель сортировки претензий, которая «работает» в лаборатории, но непригодна для использования специалистами по урегулированию убытков; помощник андеррайтера, который не проходит проверку модели на соответствие требованиям управления рисками; или результат работы генеративного ИИ, противоречащий ожиданиям внешних юристов.

Уроки от тех 5%, кому это удалось

Успешные проекты в области ИИ следуют стратегии, весьма актуальной для руководителей страховых компаний. Успешные команды начинают с четко измеримых бизнес-показателей, таких как время обработки звонков или время обработки запросов на расчет стоимости, прежде чем обсуждать модели. В других секторах такие компании, как Lumen Technologies и Air India, начинали с конкретных операционных проблем, а затем разрабатывали решения на основе ИИ для их решения, добившись ежегодной экономии в десятки миллионов долларов.

Страховые организации могут последовать этому примеру, поставив перед собой цель сократить время обработки страховых случаев или добиться измеримого улучшения конверсии от получения предложения до заключения договора, вместо того чтобы представлять себе масштабную трансформацию в масштабах всей компании с использованием ИИ. Отраслевые исследования также указывают на качество данных, их готовность и обучение как на ключевые слабые места. Поэтому неудивительно, что успешные программы выделяют 50–70% бюджета на очистку, подготовку и управление данными.

Сотрудничество человека и ИИ и недостающая роль: переводчики на основе ИИ

Наиболее надежные решения на основе ИИ создаются для сотрудничества человека и ИИ, а не для полной автоматизации. В других отраслях ИИ повышает эффективность обнаружения мошенничества и производительность продаж за счет сочетания предложений ИИ с человеческим суждением. В страховании оценщики, андеррайтеры и юристы по урегулированию претензий должны сохранять за собой право окончательного принятия решений о страховом покрытии и урегулировании споров.

Здесь также становится важной новая роль: переводчик ИИ (часто развивающийся из аналитического переводчика). Этот специалист говорит на языке как ИИ, так и бизнеса, преодолевая разрыв между целями, ограничениями данных и нормативными требованиями. Переводчики ИИ помогают определять рабочие процессы, объяснять риски и обеспечивать согласие всех заинтересованных сторон относительно баланса между ИИ и человеческим контролем.

Что должны делать специалисты по страхованию сейчас?

Начните с узкой специализации. Когда страховая компания рекламирует андеррайтинг или услугу с использованием ИИ, спросите, какую конкретную бизнес-задачу она решает, как оценивается ее эффективность и какие существуют меры защиты от предвзятости, конфиденциальности и обработки ошибок. Объяснение должно быть простым и понятным.

В дальнейшем начинайте каждое предложение по внедрению ИИ с количественно измеримого операционного или финансового результата. Выделяйте больше средств на данные и интеграцию, чем на эксперименты с моделями. Разрабатывайте рабочие процессы, в которых ИИ помогает, а не заменяет экспертную оценку. И самое главное, инвестируйте в специалистов по ИИ или развивайте их навыки — людей, способных связывать актуарные, юридические, нормативные и технические аспекты таким образом, чтобы ИИ снижал, а не создавал риски.

Наконец, юристам и специалистам по урегулированию претензий следует ожидать, что ИИ, скорее всего, решит проблемы, но при этом создаст и новые. Та же дисциплина управления, которая отличает 5% успешных внедрений от 95% неудачных (т.е. четкое определение ответственности, мониторинг и человеческий контроль), также будет отличать организации, использующие ИИ для сокращения числа судебных разбирательств, от тех, которые непреднамеренно их создают.

Автор: доктор Венди ЛИНЧ

Перевод с англ. подготовлен порталом Allinsurance.kz

В материале упоминаются: Компании, организации: S&P Global Ratings (Standard&Poor's) 1281

Ваше мнение об этом материале:

— Ваше имя
— Ваш email
— Тема

Ваш отзыв (заполняется обязательно):

Укажите код на картинке слева:

Установите трансляцию заголовков прессы на своем сайте

 Подробнее »

Получить код для трансляции заголовков прессы »