Может ли ИИ сделать страхование грузоперевозок точнее — или только быстрее?

Искусственный интеллект открывает страховщикам новые возможности: автоматизировать проверку документов, извлекать сведения из заявок и анализировать исторические данные. Для компаний, занимающихся грузоперевозками, эти возможности могут сократить административные задержки, осложняющие получение страхового покрытия.

Это ускорение имеет большое значение. Из-за задержек со страхованием перевозчики не могут вводить грузовики в эксплуатацию, принимать новые заказы или продолжать работу по плану.

Однако более быстрые решения не обязательно оказываются лучше.

В страховании грузоперевозок проблема никогда не заключалась в полном отсутствии данных. Страховщики могут учитывать историю проверок, сведения о безопасности, отчёты об авариях, разрешения на перевозки и документы о соблюдении требований. Сложность в том, чтобы определить, что именно эти документы говорят о бизнесе и о чём умалчивают.

Чтобы ИИ улучшил страхование грузоперевозок, он должен не просто ускорить оценку страховых рисков. Он должен помочь страховщикам точнее оценивать риски.

История безопасности не рассказывает всего

До того как начать работать в страховой отрасли, я напрямую сотрудничал с транспортными компаниями по вопросам безопасности и соблюдения требований: помогал перевозчикам получать разрешения на деятельность, систематизировать документы о квалификации водителей, вести учёт и разбираться в нормативных требованиях. Этот опыт укрепил важный вывод: документы о соблюдении требований полезны, но не обязательно отражают повседневную работу автопарка.

Представим две транспортные компании с сопоставимым размером автопарка, схожей историей работы и похожими результатами проверок. Одна может регулярно проводить профилактическое обслуживание, вкладываться в обучение водителей и устранять потенциальные угрозы безопасности до того, как они приведут к нарушениям. Другая может действовать более реактивно, решая проблемы только по мере их возникновения. По документам эти компании могут выглядеть похожими, хотя их подходы к управлению рисками различаются.

Возможна и обратная ситуация. В документах перевозчика может быть зафиксировано нарушение или авария, но это событие не обязательно в полной мере характеризует его нынешнюю практику обеспечения безопасности или обстоятельства происшествия.

Федеральное управление безопасности автоперевозчиков США (FMCSA) использует Систему оценки безопасности, которая учитывает данные дорожных проверок, аварий и расследований, чтобы выявлять перевозчиков, в отношении которых могут потребоваться меры по обеспечению безопасности. Эти сведения полезны для надзорной деятельности, но не предназначены для полной оценки общего уровня безопасности перевозчика или возможности его страхования.

FMCSA также описывало ограничения данных Системы оценки безопасности, в том числе вопросы об их достаточности и о том, насколько надёжно эта информация подходит для разных целей.

ИИ может быстро анализировать эти данные, но одна лишь скорость не устраняет их ограничений.

Риски автоматизации при неполных данных

ИИ открывает очевидные возможности для сокращения административной нагрузки в сфере коммерческого страхования. Автоматизированные системы могут выявлять незаполненные поля в заявках, сопоставлять сведения из разных документов, систематизировать данные о безопасности и отмечать расхождения для проверки.

Такие улучшения могут быть особенно полезны в сфере грузоперевозок, где для сбора документов часто приходится взаимодействовать с разными сторонами и системами.

Риск возникает, когда результаты автоматизированной оценки воспринимают как окончательные выводы. Например, ИИ-система может отметить перевозчика из-за неблагоприятного показателя безопасности. Система может правильно выявить соответствующую запись, но не учесть последующие улучшения в работе или дополнительные сведения, меняющие трактовку происшествия.

Программа определения предотвратимости аварий FMCSA показывает, почему важен контекст. Она позволяет перевозчикам запрашивать пересмотр некоторых аварий, отвечающих установленным условиям. Если FMCSA устанавливает, что аварию нельзя было предотвратить, это происшествие исключают из расчёта категории «Показатель аварийности» в Системе оценки безопасности, хотя сама авария остаётся в списке.

Эта программа учитывает, что важны обстоятельства происшествия, а не только сам факт наличия записи об аварии.

Это различие особенно важно при оценке небольших автопарков. В крупных транспортных компаниях могут быть штатные специалисты по безопасности и интегрированные системы отчётности, тогда как небольшие предприятия могут хранить документы в электронных таблицах, электронной почте и у сторонних поставщиков услуг.

Например, отсутствие документа о техническом обслуживании может означать, что обслуживание не проводилось. Но возможно и другое: документ существует, однако хранится в месте, к которому система не имеет доступа. Эти ситуации не должны автоматически приводить к одинаковой оценке.

Рамочная система управления рисками ИИ Национального института стандартов и технологий содержит добровольные рекомендации по оценке надёжности, прозрачности и заслуживающего доверия характера систем ИИ.

Для страховщиков в сфере грузоперевозок эти принципы служат полезным ориентиром при оценке того, актуальны ли данные, на которых основана автоматизированная оценка, достаточно ли они полны и подходят ли для поставленной цели.

ИИ должен распознавать, когда необходимы дополнительные сведения

Одна из самых полезных возможностей системы ИИ — определять, когда для принятия решения нужен дополнительный контекст.

Вместо того чтобы рассматривать каждую заявку как простой выбор между одобрением и отказом, эффективная система должна различать ситуации, когда информации достаточно, и те, в которых требуется уточнение.

Представим перевозчика, профиль деятельности которого недавно изменился. Автоматизированная система может обнаружить эти изменения, но дополнительные вопросы помогут выяснить, начал ли перевозчик работать с другими категориями грузов, приобрёл ли новую технику или внедрил новые процедуры безопасности.

Каждый из этих факторов может повлиять на оценку его рисков.

Здесь также важна объяснимость. Если система ИИ рекомендует определённое решение, ответственные за него люди должны понимать, какие сведения повлияли на рекомендацию и насколько обоснован вывод.

В рекомендациях NIST по обеспечению надежности систем ИИ объяснимость, прозрачность, надёжность и подотчётность названы важными характеристиками заслуживающих доверия систем. В документе также признаётся роль человеческого суждения при оценке эффективности ИИ.

Цель применения ИИ в страховании грузоперевозок — не избавить андеррайтинг от вопросов, а выявлять нужные вопросы на более раннем этапе.

Роль человеческого опыта по-прежнему важна

Внедрение ИИ иногда представляют как выбор между автоматизацией и решениями, принимаемыми людьми. На практике полезнее определить, каким задачам помогает технология, а где необходимо профессиональное суждение.

ИИ помогает упорядочивать информацию, выявлять закономерности и сокращать объём повторяющейся административной работы. Опыт специалистов особенно ценен, когда записи неоднозначны или обстоятельства перевозчика не вписываются в стандартные категории.

Специалист, знакомый с работой грузоперевозчиков, может понять, почему важен тот или иной вопрос безопасности, как разные условия эксплуатации влияют на уровень риска и почему недавние изменения в деятельности требуют более тщательной проверки.

Не следует считать такой опыт препятствием для автоматизации. Он может сделать автоматизированные оценки более полезными.

Важно учитывать и вопрос подотчётности.

В декабре 2023 года National Association of Insurance Commissioners приняла типовой бюллетень об использовании искусственного интеллекта страховщиками, в котором изложены регуляторные ожидания в отношении корпоративного управления, управления рисками и соблюдения применимых законов о страховании.

Регуляторное действие бюллетеня зависит от его принятия и внедрения в каждом отдельном штате, однако он отражает растущее внимание к тому, как страховщики контролируют решения, принимаемые с помощью ИИ.

Человеческое суждение тоже не безошибочно. Люди могут принимать непоследовательные решения или упускать важные сведения. Возможность состоит в том, чтобы сочетать последовательность и вычислительные возможности ИИ с практическими знаниями, необходимыми для интерпретации сложных ситуаций.

Оценивать точность, а не только эффективность

Чтобы понять, повышает ли ИИ качество андеррайтинга, страховщикам нужно оценивать не только скорость обработки заявок.

Обработать заявку за несколько минут, а не за несколько дней — это достижение в плане организации работы. Но само по себе оно не доказывает, что итоговая оценка стала точнее.

Более содержательная оценка должна учитывать, насколько надёжны автоматизированные рекомендации для разных типов перевозчиков, как часто приходится корректировать оценки и выявляет ли система надлежащим образом отсутствующие или противоречивые сведения.

Особого внимания заслуживают небольшие автопарки. Если модель хорошо работает с перевозчиками, у которых обширные цифровые записи, но испытывает трудности с компаниями, чья документация менее стандартизирована, её эффективность может быть неравномерной.

Тестирование должно учитывать разнообразие оцениваемых компаний.

Оценку необходимо продолжать и после внедрения системы. Изменения в законодательстве, рабочих процессах и доступной информации могут повлиять на её надёжность с течением времени.

Страховщикам также следует быть готовыми пересматривать принципы, по которым их системы оценивают разные виды информации. Например, модель, постоянно придающая чрезмерное значение одному показателю безопасности, может не учитывать другие факторы, важные для деятельности перевозчика.

Цель — постоянное совершенствование, а не просто ускорение обработки.

Главная возможность — лучше понимать риски

ИИ способен повысить эффективность страхования грузоперевозок, сократить административные задержки и помочь страховщикам выявлять сведения, которые иначе могли бы остаться незамеченными.

Но главная его ценность может заключаться в том, что он помогает отрасли принимать более обоснованные решения.

Автопарк — это не только история проверок, а сведения о безопасности — не просто перечень нарушений. Чтобы понять уровень риска, нужно учитывать, как работает компания, как она реагирует на проблемы и отражает ли имеющаяся информация её нынешнее положение.

Самыми полезными системами ИИ не обязательно окажутся те, которые быстрее всех дают ответы. Это будут системы, помогающие страховщикам понять, когда имеющейся информации достаточно для принятия решения, а когда требуется дополнительная оценка.

В конечном счёте вопрос не в том, может ли ИИ ускорить страхование грузоперевозок. Вопрос в том, способен ли он повысить точность решений в этой отрасли.

Именно по этому критерию следует оценивать его успех.