Те, про що писали у фантастичних романах XX століття, стало реальністю – машини навчилися розуміти людську мову, розпізнавати малюнки, перевершили людей у сфері математичного прогнозування та аналітики. Наприклад, чат-бот зі штучним інтелектом ChatGPT спеціалізується на веденні діалогів з користувачем, і робить це напрочуд добре. Інші розумні алгоритми малюють, або пишуть програми, й це далеко не все, на що вони здатні.
Системи штучного інтелекту використовують алгоритми та статистичні моделі для аналізу та інтерпретації великих обсягів даних, а ще вони можуть навчатися та покращувати свою продуктивність. Наразі ШІ має деякі обмеження, зокрема, йому не доступна емпатія, важко дається елементарний людський здоровий глузд, він не може створювати щось цілком нове, хоча добре може розробляти нові комбінації на базі існуючих. Штучний інтелект може приймати рішення на основі даних, але йому бракує навичок судження та прийняття рішень, якими володіють люди, особливо в складних і непередбачуваних ситуаціях.
Сюжет з майбутнього
Як може виглядати страхування у майбутньому? У статті «Insurance 2030 – The impact of AI on the future of insurance» подано гіпотетичний приклад клієнтського досвіду Скотта, який живе у 2030 році.
У Скотта сьогодні запланована зустріч у місті. Його робот-автомобіль вже чекає, але чоловік вирішує, що хоче керувати сам. Особистий цифровий помічник Скотта планує маршрут і ділиться ним зі страховиком. Той негайно надсилає альтернативний шлях, де менша ймовірність аварій, а також коригує щомісячну премію. Через цю поїздку премія за страхування авто може зрости, але буде залежати від обраного маршруту та кількості інших автомобілів на дорозі. Додатковий платіж автоматично списується з банківського рахунку Скотта. Коли він зупиняється біля місця призначення, то випадково наїжджає на паркувальну табличку. Внутрішні системи авто визначають, що водій не постраждав, та може йти на заплановану зустріч. Автомобіль самостійно оцінює ступінь пошкодження. Також автоматично здійснюється фото та відеозйомка переднього бампера та місця ДТП. Всі дані одразу надсилаються страховику. Коли Скотт повертається після зустрічі, екран на приладовій панелі інформує його про ступінь пошкодження та підтверджує, що заяву про страховий випадок схвалено. Авто на заміну прибуде через 5 хвилин. Автомобіль, який отримав пошкодження, після цього відправиться на ремонт.
Звісно, зараз цей сценарій виглядає як сюжет з фантастичного фільму, хоча всі необхідні технології вже існують, і багато з них доступні споживачам. Зокрема, телематика та бортові комп’ютери в автомобілях, розумні домашні помічники, пристрої Інтернету речей дозволяють страховикам автоматично збирати більш повні дані від клієнтів та ширше використовувати їх.
Як може допомогти ШІ в страхуванні?
За висновками дослідників, впроваджуючи штучний інтелект, страховики можуть заощадити час, зменшити витрати та покращити взаємодію з клієнтами. Також ШІ може трансформувати складні процеси, наприклад, андеррайтинг, здійснення виплат, та допомогти при виявленні шахрайства. Завдяки штучному інтелекту страховики також можуть зменшити частку людських помилок.
1. Оцінка ризику
Історично страхові андеррайтери для оцінки ризиків покладалися на інформацію, надану клієнтами. Однак деякі заявники можуть бути нечесними або робити помилки несвідомо, тож оцінка ризику виявляється неточною. Машинне навчання, й, зокрема, розуміння природної мови, дозволяє ШІ вивчати дані з інших джерел інформації, наприклад, публікацій в соціальних мережах, та об’єднуючи всю наявну інформацію про клієнта або бізнес, давати кращу оцінку потенційним небезпекам. Тож сума премій буде більш відповідати реальному ризику для майна чи життя клієнта. В умовах цінової конкуренції більш індивідуалізована модель оцінки ризику – одна з ключових переваг страховика.
2. Зменшення помилок
Під час роботи люди можуть втомлюватися, нудьгувати та помилятися. Що більше працівників бере участь у процесах страхування та врегулювання подій, то частіше виникають помилки через людський фактор. Використання алгоритмів замість людей може зменшити час і кількість помилок, зокрема, при передаванні інформації від одного джерела до іншого. Тож програми на основі ШІ можна вважати найбільш сумлінними працівниками.
3. Покращення обслуговування клієнтів
У страхуванні обслуговування клієнтів має першочергове значення, тому дуже поширеними та популярними стали чат-боти. Такі програми можуть консультувати клієнтів з типовими запитаннями, та робити це якісно без втручання людини. До того ж вони завжди доступні 24/7, на відміну від людей. Трендом у найближчому майбутньому може стати використання голосових онлайн-консультантів на основі ШІ, а не лише чат-ботів, які відповідають на письмові запитання.
4. Пришвидшення обробки заяв на виплати
Після оцифрування процесу роботи зі страховими відшкодуваннями та впровадження ШІ дані, які необхідні для прийняття рішень, можуть збиратися швидко та автоматично із багатьох джерел без участі людини. Потім страховик-людина переглядає висновки ШІ та остаточно врегульовує страховий випадок. Але іноді, у типових ситуаціях, рішення може прийматися повністю автоматично.
Отже, ШІ може принести чимало користі страховикам та клієнтам. Втім, чи буде це революцією для галузі? Навряд чи, адже математичні моделі та статистична обробка даних завжди існували в страхуванні для оцінки ризиків і розрахунку ціни страхового поліса, кількісної оцінки збитків тощо. Але штучний інтелект зможе об'єднати усі розрізнені системи аналізу даних, щоб зробити страхування кращим. До широкого використання ШІ людство підготувала й пандемія коронавірусу: клієнти звикли до онлайн послуг, де немає живого контакту з людиною.
І все ж, чи є недоліки у використанні ШІ?
З першого погляду, все виглядає досить позитивно, але як у будь-якої інновації, у впровадженні штучного інтелекту є й певні ризики. Розуміючи це, група експертів підписали лист-застереження «проти ШІ». У ньому вони просять бізнес про мораторій на розробку та впровадження потужних систем ШІ хоча б на півроку, щоб дати людству час підготуватися до революційних змін.
Дійсно, через надскладні та часто непрозорі алгоритми ШІ, не завжди просто зрозуміти, чи обґрунтований тій чи інший висновок. Це може створювати глобальну недовіру до компаній, які приймають рішення, керуючись висновками штучного інтелекту. Не на останньому місці стоїть небезпека зловживання даними клієнтів. Що стосується оцінка ризиків, то й тут можуть бути проблеми. Наприклад, якщо машинне навчання базувалось на застарілих або невідповідних даних, то висновки будуть помилковими.
Серед інших побоювань – припущення, що розвиток машинного навчання та технологій ШІ буде витісняти з галузі страхування працівників-людей. Але тут багато чого буде залежати від вибору клієнта. Чи готовий він довірити своє страхування «роботу», якій не втомлюється, або ж віддає перевагу спілкуванню з людьми та довіряє їм у прийнятті рішень? Відповіді на ці питання залишилося чекати зовсім недовго.
