А

АСН — Агентство Страховых Новостей

IT и технологии · 5 октября 2026 г.

Открыть канал в MAX

🤏 ИИ-агентов в урегулировании применяют лишь два страховщика из 20 опрошенных

🤏 ИИ-агентов в урегулировании применяют лишь два страховщика из 20 опрошенных На первом Саммите АСН «Урегулирование убытков: экономика, технологии, антифрод» 29 сентября 2026 года старший менеджер практики управления данными и ИИ «Технологий Доверия» Антон Антонов в докладе «Карта ИИ в урегулировании: реалии и перспективы» разобрал, где технологии искусственного интеллекта уже работают, а где остаются в пилотах. Опорой стал опрос, который Банк России провел в июле 2025 года среди 20 страховщиков с 80% активов сектора. В оценке рисков и андеррайтинге ИИ применяли или тестировали 13 из них, в обработке заявлений о выплате — 10, в оценке ущерба и определении суммы возмещения — 9. В обработке заявлений классическое машинное обучение (ML) отметили 8 компаний, модели глубокого обучения — 6, генеративный ИИ — 5, ИИ-агентов — 2. В оценке ущерба — 6, 5, 4 и 2 компании соответственно. По охвату урегулирование уступает андеррайтингу, но по сложности моделей идет впереди. Генеративный ИИ в обработке заявлений использовали 5 компаний, в андеррайтинге — 3, в оценке рисков — одна, в ценообразовании — ни одной. ИИ-агентов в обработке заявлений и оценке ущерба отметили по две компании, в андеррайтинге и оценке рисков — по одной. Три операции в работе На карте урегулирования в промышленной эксплуатации три операции: распознавание документов (OCR) при приеме заявления, правила и ML при признании случая, ML при выдаче направлений на ремонт. В пилотах — компьютерное зрение по фотографиям при осмотре, авторасчет мелких убытков, разбор заявлений и решение о признании случая с помощью больших языковых моделей (LLM). Фотоосмотр, расчет экспертом и платежи к ИИ не относятся: платежи закрыты роботизацией процессов (RPA). В антифроде и правовой работе расклад тот же. Работают ML-скоринг на входе, RPA на типовых претензиях и исках, робот-обзвон при взыскании. Графы связей, OCR и ML в претензионной работе, LLM-агенты в судебной — пилоты. Правила и стоп-листы, проверка по базам и внешние источники при взыскании ИИ не используют. Контрагент вместо клиента Отдельный кейс в докладе разворачивает антифрод в непривычную сторону — на разбор заказ-нарядов СТОА. Цепочка такая: распознавание документа с помощью LLM, приведение к единому формату — в докладе это отмечено как главная сложность, — сверка с базой стоимости ремонта. Дальше — сопоставление позиций с фотографиями повреждений, сравнение цен с медианой, профиль конкретной станции и поиск аномалий. Фокус смещается с клиента на контрагента, а эффект возникает до оплаты, а не после выплаты. Там же — подход к распознаванию документов: не извлекать все подряд, а брать 20–30 нужных признаков. Фотография повреждений не равна акту осмотра, схема ДТП не равна перечню повреждений, и сортировать дела по фотографиям бессмысленно, если нужны триггеры в документах клиента. 🔔 Подписывайтесь на АСН в Telegram | MAX