Пресса о страховании, страховых компаниях и страховом рынке

Казахстанский портал о страховании, 6 апреля 2026 г.

ИИ как новый системный киберриск: почему привычная диверсификация больше не работает

123 просмотра

Искусственный интеллект впервые вошёл в топ-10 глобальных рисков по версии Allianz Risk Barometer 2025 — и это важный сигнал для страхового рынка.

Парадокс в том, что одновременно примерно половина из 1450 респондентов считают ИИ скорее полезным, чем рискованным; лишь 15% придерживаются противоположной позиции, а 35% оценивают влияние как нейтральное. При этом Allianz прямо указывает: «нет никаких признаков того, что ажиотаж вокруг ИИ скоро прекратится», потому что большинство компаний находятся лишь в начале внедрения инструментов ИИ, а сама интеграция «стимулирует спрос на всё, что связано с ИИ».

Для страховой отрасли это означает, что речь идёт не о разовых технологических сбоях, а о новой природе системного киберриска, который может реализоваться одновременно у множества страхователей — и не обязательно в одном секторе или регионе.

Чем риски ИИ отличаются от «обычных» системных рисков

Классическая логика страхового портфеля строится на снижении корреляции убытков: география, отрасли, разные цепочки поставок, разные профили угроз. Даже когда речь идёт о крупных событиях, страховщик стремится ограничить концентрацию, распределяя риски по регионам и типам деятельности.

С рисками, связанными с ИИ, эта логика ломается. Как отмечают Lockton Re и Armilla в отчёте под заголовком «Готовы или нет: влияние искусственного интеллекта на страховые риски», системные уязвимости ИИ возникают из-за структурных характеристик самой технологии и создают внутреннюю корреляцию между портфелями, которые внешне выглядят независимыми.

Ключевая причина — распространение функционально идентичной инфраструктуры ИИ в разных организациях и отраслях. Если широко используемые модели содержат скомпрометированные обучающие данные или «непредусмотренные характеристики производительности», сбои способны одновременно затронуть множество компаний независимо от их географии, отрасли и даже зрелости собственных практик управления рисками. Более того, риск усиливается, если одна и та же базовая модель применяется «в разных методах» — то есть в разных продуктах и процессах, но на общей технологической основе.

Отдельная проблема — скорость изменений. Lockton Re и Armilla подчёркивают, что системы ИИ быстро развиваются за счёт оперативных обновлений, архитектурных изменений и сдвигов в схемах развертывания. Это повышает вероятность того, что риск «пересоберётся» быстрее, чем страховой рынок успеет его описать, измерить и включить в условия покрытия.

Регуляторный риск: «регулятивный дикий запад» как фактор убытков

Allianz Risk Barometer относит изменения в законодательстве и регулировании на 4-е место среди глобальных рисков и связывает их с тем, что может стать «регулятивным диким западом», если громкие заявления перейдут в действия — особенно в отношении ИИ.

Lockton Re и Armilla формулируют это ещё жёстче: существует разрозненная система нормативных актов с различными и меняющимися обязательствами для разработки и внедрения моделей ИИ. Географические, отраслевые и технологические нормы создают широкий спектр последствий, а несоблюдение — риски.

Для страховщиков это означает двойной контур неопределённости. Во-первых, ответственность и санкции могут возникать быстрее, чем формируются единые «правила игры». Во-вторых, нормативная фрагментация усложняет единый андеррайтинг: одинаковая технологическая практика в разных юрисдикциях может иметь разный правовой результат и стоимость претензий.

Почему стандарты важны, но пока «догоняют» технологию

Lockton Re и Armilla напоминают: регулирование уровня «шума» развивается во времени и следует за внедрением новых технологий. Однако эффективность регулирования зависит от того, определены ли принципы и есть ли практические рекомендации, как их достигать. И не менее важна эволюция стандартов.

«Эффективные стандарты», по логике сраховщиков, создают общий язык для регуляторов и страховщиков: что считать надлежащим управлением, какие критерии использовать при оценке зрелости и как сравнивать риски между компаниями. Стандарты позволяют проводить андеррайтинг и ценообразование в масштабах, основанных на общем эталоне.

В качестве примера авторы приводят киберстрахование и ISO 27001: стандарты задают понятные ожидания по уровню безопасности и позволяют андеррайтерам последовательно оценивать риски по независимым критериям в рамках портфеля. Но ключевая оговорка отчёта: и нормативные акты, и стандарты в сфере ИИ всё ещё в стадии формирования. А значит, у рынка нет устойчивой «сеточной» системы оценок, сопоставимой с тем, что давно работает в классическом киберриске.

Что это меняет для страхового рынка: андеррайтинг, портфель и «накопление» убытков

В традиционных коммерческих линиях страховщик может рассчитывать, что география и отрасли дадут распределение. В ИИ-риске концентрация формируется иначе — через общие зависимости на уровне технологий: модели, архитектуры, провайдеры, обновления, наборы данных, инструменты развертывания.

Lockton Re и Armilla делают принципиальный вывод: эффективная оценка ИИ-рисков требует иного подхода, чем классическое коммерческое страхование. Помимо анализа практик отдельного страхователя андеррайтер должен оценивать портфельную концентрацию с учётом:

- общих зависимостей моделей;
- архитектурной уязвимости к скоординированным атакам;
- способности выявлять сбои до того, как они превратятся в значимую ответственность.

Проблема, по сути, не в том, «может ли» ИИ создавать системный риск, а в том, успеют ли практики андеррайтинга за скоростью технологического внедрения. При этом привычные инструменты управления портфелем — история убытков, показатели эффективности, шкалы зрелости, традиционная диверсификация — становятся менее надёжными индикаторами, если риск реализуется через структурно общую технологическую базу.

Куда движется рынок: от «адаптации полисов» к новым моделям страхования

Авторы Lockton Re и Armilla считают, что генеративный ИИ — лишь первая волна более широкой «эры искусственного интеллекта». Значит, страхование рисков ИИ будет развиваться не как косметическое расширение существующих покрытий, а как поиск новых принципов: как считать корреляцию убытков, как моделировать «катастрофичность» технологических сбоев, как задавать понятные границы ответственности.

Их мысль звучит почти исторической метафорой: страхование ИИ-рисков будет столь же важным, как морское страхование в эпоху первых исследовательских парусных судов. Вопрос — обеспечить ясность для страхователей и страховщиков. «Чем скорее будет установлена ясность в отношении рисков, связанных с ИИ, тем лучше», — резюмируется в отчёте.

Что это означает для киберрисков уже сейчас

Для киберстрахования ИИ добавляет сразу несколько слоёв угроз: от роста масштабов социальной инженерии и фишинга до уязвимостей самих моделей (отравление данных, манипуляции результатами, деградация качества). Но системная особенность — одинаковая технологическая база у многих компаний — делает даже не самый большой инцидент потенциально мультипликативным: один и тот же дефект, одна и та же модель, одно и то же обновление может стать причиной волны претензий.

Поэтому логика «разнесём по секторам и регионам» недостаточна. Появляется необходимость «разнесения по технологиям», по зависимостям и по архитектурам — и это новая задача для андеррайтинга, перестрахования и риск-инжиниринга.

Подготовлено порталом Allinsurance.kz

В материале упоминаются: Компании, организации: Allianz SE 1437  Armilla Assurance 5  Lockton Re 6

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 »