ИИ в страховании: применение, примеры и риски

В 2024 году «Росгосстрах» рассказал об интересном эксперименте. [1] Страну поделили на квадраты 100 на 100 метров и с помощью компьютерного зрения оценили состояние дорог, камер и трафика в каждом. Этот ИИ-проект позволил отказаться от усредненных расчетов по городам и регионам, сделав оценку рисков КАСКО максимально точной, а стоимость полиса для аккуратных водителей ниже — вплоть до 30%. И тут нет ничего фантастического, просто алгоритм заменил экспертную оценку человека. По данным «Эксперт РА», [2] уже больше 80% российских страховых компаний используют искусственный интеллект при запуске новых продуктов.

В статье расскажем, где именно ИИ работает в страховании, какие данные ему нужны и где он пока сбоит.

Автор

Редакция Универус

Что меняет ИИ в страховании

Раньше автоматизация в страховании касалась отдельных участков: калькулятор считал премию, оператор колл-центра отвечал по скрипту. Сейчас ситуация другая. Системы работают с большими массивами данных сразу по нескольким направлениям — от прогноза убыточности до чтения документов клиента.

По данным «Эксперт РА», страховщики чаще всего применяют технологию для анализа рынка (60% компаний), генерации маркетингового контента (53%) и расчета тарифов (40%). Получается не набор разрозненных инструментов, а рабочий контур, который сопровождает продукт от идеи до выплаты.

Как обычные люди собирают сайты и ботов на нейросетях и начинают зарабатывать онлайн

Вышел бесплатный 5-дневный онлайн-мастер-класс, на котором показывают, как за несколько вечеров собрать простой сайт или бота с платной подпиской и подключёнными платежами — без опыта в программировании.

Николай Волосянков — автор проектов на нейросетях, основатель онлайн-университета интернет-профессий Universus.

Что разбирают за 5 дней мастер-класса:

• ✓ Как устроены нейросети простыми словами и почему сейчас на них строят новые онлайн-сервисы.
• ✓ Пошагово показывают, как из обычной идеи сделать рабочий сайт: от текста и дизайна до первых пользователей.
• ✓ Как подключить оплату и платную подписку, чтобы сайт или сервис могли приносить деньги автоматически.
• ✓ Как собрать бота в популярных мессенджерах, который отвечает людям и принимает оплату без участия владельца.
• ✓ Какие реальные способы заработка используют участники: от первых продаж в течение недели до стабильного дохода с цифрового актива.

Записаться на мастер-класс

Уже начали обучение 12 350 человек

Основные сценарии применения

Ниже перечислим 5 направлений, где технология приносит реальную пользу.

Андеррайтинг и оценка рисков

«Росгосстрах» использует машинное обучение в андеррайтинге уже 7 лет. Робот-андеррайтер по спецкотировкам КАСКО обучен на логике лучших сотрудников компании и отвечает клиенту за 15 минут вместо нескольких часов, работает круглосуточно, а конверсия согласований держится на уровне живых специалистов. [3] Модель анализирует историю клиента, характеристики объекта, геопозицию и выдает решение быстрее человека.

Персонализация тарифов и предложений

Здесь в игру вступает телематика. «Ингосстрах» предлагает бесплатное подключение устройства к автомобилю по опции «Телематика»: манера вождения напрямую влияет на скидку, экономия по риску «Ущерб» доходит до 30%. Мобильное приложение показывает баллы за каждую поездку. Тариф формируется не по общей статистике для всех, а по конкретному поведению за рулем.

Урегулирование убытков

«СберСтрахование» сообщает, [4] что ИИ самостоятельно принимает решение по 90% заявлений на выплату до 25 000 ₽, поданных через приложение. Направление на ремонт по разбитому стеклу выдается за 1 минуту, компенсация за кражу денег с карты — за 30 минут.

Правда, с фотооценкой ущерба по кузову дело обстоит сложнее: «Росгосстрах» тестировал распознавание повреждений по фото и получил точность около 75%, тогда как для полной автоматизации нужно 90–95%. Так что пока фото проверяет и алгоритм, и специалист.

Клиентский сервис

Чат-бот «Ингосстраха» на платформе CraftTalk обрабатывает около 20% всех обращений клиентов и признан лучшим ботом среди страховщиков по версии рейтинга контакт-центров Naumen. Внутренний ассистент компании ведет больше 8000 диалогов с сотрудниками в месяц и сократил время решения обращений на 45%. Клиент получает ответ мгновенно, а не ждет в очереди на линии.

Антифрод

Мошенничество — это обратная сторона цифровизации. «Росгосстрах» строит антифрод-модель на графовом анализе, где система ищет скрытые связи между участниками ДТП и пропускает честных клиентов без задержек, зато жестко фильтрует подозрительные случаи. По данным всероссийского союза страховщиков, [5] ущерб от страхового мошенничества за 9 месяцев 2025 года составил 3,2 млрд рублей, причем впервые КАСКО обогнало ОСАГО по сумме потерь. Три четверти схем — это сфальсифицированные обстоятельства ДТП.

Внедрение ИИ в перечисленных направлениях напрямую связано с задачами ии в продажах страхования: чем точнее модель оценивает риск и подбирает предложение, тем выше конверсия и ниже убыточность портфеля.

Какие данные нужны страховым моделям

Модель настолько хороша, насколько хороши данные на входе. Страховщику обязательно нужны следующие документы:

• анкета и история клиента,
• телематика с манерой вождения,
• фотографии повреждений,
• документы вроде справок и счетов от СТОА,
• геоданные и технические характеристики объекта.

Для имущественного страхования подключаются датчики умного дома — протечка, задымление, движение. Качество фото критично: сервисы вроде Platforma отсеивают засвеченные, темные, грязные или заснеженные снимки еще до анализа, иначе оценка ущерба получится неточной.

Примеры в страховых продуктах

Практика показывает разные уровни зрелости технологии. К примеру, GigaChat от «Сбера» предлагает страховщикам готовый набор функций:

• ответы клиентам,
• помощь при оформлении полиса,
• обработку звонков и писем,
• консультации по выплатам.

«Тинькофф Страхование» с 2019 года ведет удаленное урегулирование убытков по ОСАГО и решает большинство обращений в течение 1 рабочего дня. А страховая компания «Лучи» с октября 2022 запустила встроенное страхование для арендодателей прямо внутри «Авито Недвижимость», где клиент оформляет полис, не покидая площадку.

За рубежом дальше всех продвинулся онлайн страховщик Lemonade, на сайте которого работают боты. Так, однажды бот Maya выдал котировку меньше чем за 90 секунд, а бот Jim урегулировал претензию за 2–3 секунды, установив мировой рекорд. Подробно об этих случаях написали в блоге компании. [6]

Если хотите разобраться, как самостоятельно собирать подобных ИИ-агентов под задачи бизнеса, у нас есть отдельный курс по созданию AI-агентов. Логика построения таких систем универсальна и одинаково подходит для страхования, ритейла или производства.

Кстати, о применении ИИ на заводах мы подробно писали в статье «Использование ИИ на производстве».

Эффект для страховщиков и клиентов

Если собрать все сценарии применения ИИ вместе, то эффект получается не точечный, а сквозной, потому что там технология меняет весь путь продукта — от разработки до выплаты. Ниже разберем 4 направления, где это заметнее всего.

Быстрее запуск продуктов

По оценке компании «Рексофт», [7] правильная ИТ-архитектура сокращает срок вывода нового продукта с 6–12 месяцев до 2–4 недель. При этом 60–80% времени обычно уходит не на технологии, а на внутренние согласования и бюрократию.

Точнее тарификация и оценка риска

Телематика и гео-андеррайтинг переводят расчет тарифа с усредненной статистики на конкретное поведение клиента. Это выгодно обеим сторонам, ведь аккуратный водитель платит меньше, а страховщик точнее прогнозирует убыточность.

Меньше ручной обработки заявок

Автоматизация типовых решений освобождает сотрудников от рутины. У «СберСтрахования» 9 из 10 небольших заявлений через приложение обрабатываются без участия человека.

Быстрее выплаты и прозрачнее сервис

Клиент получает деньги или направление на ремонт за минуты, а не дни. Статус заявки виден в приложении на каждом этапе, что снижает число звонков в поддержку.

Риски и ограничения

Технология не работает сама по себе и без ограничений, о которых стоит знать заранее.

Ошибки модели и несправедливые решения

Точность автоматической фотооценки ущерба в России пока держится около 75%, [3] а для полного отказа от человека нужно 90–95%. Модель может ошибаться на нетиповых повреждениях или редких сценариях, поэтому окончательное решение по спорным случаям остается за специалистом.

Персональные данные и регуляторные требования

Обработка персональных данных клиента через ИИ подчиняется 152-ФЗ: нужно законное основание для сбора, хранения данных россиян на серверах в России и меры защиты информации. Отдельного внимания требует статья 16 закона, где сказано, что клиент вправе оспорить решение, принятое исключительно автоматизированной обработкой. Передача данных во внешние или зарубежные модели несет дополнительный юридический риск.

Старые IT-системы и сложные интеграции

По данным «Эксперт РА», [8] это главный барьер для внедрения ИИ: две трети страховых компаний называют технические ограничения основной проблемой, около 40% — сложности интеграции между системами. Старые системы создавались под другую бизнес-логику, и встроить в них современную аналитику непросто.

Сценарии, где нужен человек

Крупные и нетиповые убытки, сложные случаи с травмами, актуарные расчеты для новых видов риска — здесь модель пока служит помощником, а не заменой специалиста. По данным McKinsey, [9] менее 10% пилотных ИИ-проектов в целом по экономике доходят до промышленной эксплуатации, и страхование не исключение.

Как внедрять ИИ в страховой компании

Опыт компаний, которые уже прошли этот путь, показывает общую логику:

На старте очень важен анализ трендов рынка и поведения клиентов, чтобы понять, какой продукт вообще нужен. Дальше создается конструктор на low-code платформе для быстрой сборки продукта без долгой разработки с нуля. В андеррайтинге подключаются данные и модели скоринга для автоматической оценки риска, а на стороне продаж — открытые API и встроенное страхование, чтобы продукт можно было предложить клиенту прямо в чужом сервисе, будь то маркетплейс или агрегатор.

Внедрение стоит начинать с закрытого контура на проверенных внутренних данных, а не сразу выпускать модель в «свободное плавание». Так, «Ингосстрах» сначала выстроил архитектуру доверия к ответам ассистента на внутренних задачах и только потом расширил его на новые направления. Постепенный путь снижает риск ошибок и дает время научить модель на реальных, а не гипотетических кейсах.

Заключение

Ии в страховании перестал быть экспериментом отдельных лидеров рынка и стал рабочим инструментом для большинства компаний. Технология уверенно справляется с андеррайтингом, чат-ботами, антифродом и частью урегулирования убытков. Слабое место пока одно — автоматическая оценка ущерба по фото, где точность еще не дотягивает до полного отказа от перепроверки человеком. Компании, которые совмещают технологию с продуманной архитектурой данных и соблюдением закона о персональных данных, получают преимущество, а именно: быстрее выводят продукты, точнее считают тарифы и меньше теряют на мошенничестве.

Отзывы от учеников «Универус»

«После курса поняла, как устроены модели, которые я раньше воспринимала просто, как черный ящик. Теперь спокойно объясняю клиентам, почему тариф считается именно так, а не иначе».

Марина, 47 лет, страховой агент

«Собрал для знакомой страховой компании простого бота для первичной консультации клиентов. Заняло меньше недели вместе с обучением. Раньше даже не думал, что это мне по силам».

Игорь, 52 года, работал в банке, ушел на фриланс

«Пришла с четким запросом — разобраться, как автоматизировать проверку документов. Курс дал не только теорию, но и рабочие инструменты, которые я внедрила уже через месяц после обучения».

Светлана, 39 лет, аналитик

«Возраст не помешал освоить тему с нуля. Сейчас консультирую небольшие компании по внедрению ИИ-ассистентов, и страховой сектор — один из самых благодарных, там задач для автоматизации хватает с избытком».

Дмитрий, 61 год, предприниматель