Разработка AI-системы для страхового андеррайтинга
Андеррайтинг — оценка риска и определение страховой премии. ML заменяет актуарные таблицы и экспертные правила, повышая точность оценки и скорость принятия решений.
Задачи ML в страховом андеррайтинге
Оценка риска
Прогнозирование вероятности страхового события для конкретного заявителя/объекта. По типам страхования:
- Авто (КАСКО/ОСАГО): возраст водителя, стаж, нарушения, марка/модель, регион, телематика (вождение)
- Имущество (недвижимость): локация, тип конструкции, возраст здания, история убытков, пожарная безопасность
- ДМС (здоровье): возраст, хронические заболевания, образ жизни, родственники
- Жизнь: возраст, пол, курение, BMI, хронические заболевания, семейная история
- Бизнес: отрасль, оборот, кредитная история, история претензий
Ценообразование (Premium Calculation)
Каждый заявитель — уникальный риск-профиль. ML формирует premium = f(risk_factors), максимизируя P&L портфеля при заданном loss ratio target.
Gradient Boosting на табличных данных — стандарт для actuarial ML задач. Интерпретируемость через SHAP — обязательна для объяснения premium клиенту.
Телематика для автострахования
Usage-Based Insurance (UBI) — premium на основе фактического поведения водителя, а не только demographics:
- OBD-II донгл или смартфон → ускорение, торможение, повороты, скорость, время суток
- Event-based features: резкое торможение (g-force), превышение скоростного лимита, телефон за рулём
ML на телематических данных: классификация стиля вождения (агрессивный / осторожный) + prediction частоты и тяжести ДТП. Страховщики с UBI программами: progressive, Root Insurance.
Convolutional features на trip-level time series → DriverScore → premium multiplier.
Computer Vision для имущественного страхования
Осмотр недвижимости
Фотографии объекта → AI оценка состояния:
- Обнаружение дефектов (трещины, повреждения кровли, водопроводные проблемы)
- Оценка возраста и технического состояния
- Детекция рисков (близость к воде, старая электрика)
ResNet/EfficientNet fine-tuned на страховых данных. Сокращение физических осмотров на 60–70%.
Satellite/Aerial Imagery
Оценка состояния кровли без физического визита. CoreLogic, Cape Analytics — коммерческие решения на основе aerial imagery + AI.
Aerial/Drone assessment после убытка
Оценка ущерба от урагана или пожара без входа на объект. AI автоматически квантифицирует повреждения из drone footage.
Fraud Detection в андеррайтинге
Application fraud: заявитель скрывает информацию (предыдущие убытки, нарушения). ML на базе:
- Cross-reference с базами данных страховых случаев
- Сетевой анализ: связи с известными мошенническими заявителями
- Текстовый анализ заявлений (NLP на несоответствия)
Ghost broking: мошеннические полисы, оформленные на несуществующих лиц. Детекция через network graph и поведенческий анализ.
Обновление pricing в реальном времени
Dynamic pricing: premium обновляется при новых данных (новое нарушение ПДД → immediate recalculation). API для брокеров — real-time котировки.
Competitive intelligence: ML мониторинг рыночных цен конкурентов → оптимизация positioning.
Срок разработки: 4–8 месяцев для одного вида страхования с полным ML пайплайном.