В компании активно применяется классическое машинное обучение (Machine Learning), на основе которого строятся многие процессы — прогнозирование убытков, определение вероятности наступления страхового случая, прогнозирование мошеннических операций. Модели также используются в CRM-системе для ранжирования клиентов по склонности к отклику на коммуникации и по ожидаемой премии.

Кроме того, сейчас реализуется проект IngoRead по распознаванию документов. В настоящее время в компании можно распознавать основные типы документов, такие как паспорта и водительские удостоверения, и планируется расширить список распознаваемых документов до десяти к концу года. Модели могут определить вероятность ошибки или несоответствия документа и значительно сокращают количество документов, требующих ручной проверки.

Риск-моделирование

В "Ингосстрахе" есть направление риск-моделирования, которое занимается выявлением мошенников (антифрод) и прогнозированием возможных убытков компании с использованием машинного обучения.

"Задача по выявлению мошенничества является одной из рядовых для нас и решается регулярно разными методами", — отметил Сергей Багно, директор по развитию отношений с клиентами и искусственного интеллекта компании "Ингосстрах".

В "Ингосстрахе" формируется Feature store (специализированное хранилище признаков для машинного обучения) клиентов с их атрибутами (пол, возраст, количество продуктов), на основе которых происходит обучение модели, которая уже предсказывает, какие клиенты и насколько убыточны. По таким клиентам в дальнейшем проводится аналитика по использованию в отношении них политики перестрахования с целью уменьшения убыточности.

"Наиболее популярные задачи связаны с продуктом ОСАГО, так как данный продукт является крупнейшим по сборам и требует тщательной оценки рисков на основе информации об объекте и субъекте страхования", — добавил Сергей Багно.

Генеративный ИИ

Скоринговые модели (классический ML) — основа риск-аналитики в "Ингосстрахе", однако компания также разрабатывает модели с применением современных технологий — Computer Vision (CV), Optical Character Recognition (OCR) и Natural Language Processing (NLP). Они активно применяются для автоматизации процессов в компании, а также для выполнения нестандартных задач, которые сложно решить с помощью классических подходов.

Также с использованием нейросетей оценивается ущерб по фотографиям с места ДТП, что помогает обновлять данные, улучшать качество финальных моделей для принятия решений в условиях риска (на этапе урегулирования) и, что немаловажно для клиентов компании, увеличивает скорость оценки и принятия решений.

CRM-моделирование

Другое важное направление "Ингосстраха" — CRM-моделирование. Оно персонализирует предложения клиентам. Так, в этом направлении CRM-моделирования существует три классических решаемых задачи: Retention (оценка лояльности клиентов), Next Best Offer (предложение каждому клиенту) и Next Best Action (прогноз действий клиентов в отношении покупки страховых продуктов).

"Все эти задачи успешно решаются с применением методов машинного обучения. Более того, поскольку с каждым месяцем количество моделей растет, а также возникает необходимость в поддержке и переобучении текущих моделей, мы разработали собственную систему Auto ML. С ее помощью мы значительно сократили время от начала разработки идеи до ее конечной реализации, в т. ч. время на разработку моделей и обработку больших объемов данных. Это позволяет нам переобучать и разрабатывать новые модели в оперативном режиме, а также учитывать, что под различные каналы предложений клиенту нужны отдельные модели: СМС-рассылки, "холодные звонки", e-mail рассылка и другие", — сообщил Дмитрий Удод, директор Центра развития искусственного интеллекта компании "Ингосстрах".

Безопасность

"Ингосстрах" соблюдает высокие стандарты безопасности и конфиденциальности данных клиентов. Компания следует законодательству и применяет различные меры защиты информации, такие как шифрование данных и физическая защита серверов. Доступ к данным ограничен для определенного круга лиц, и реализован этот доступ может быть только из защищенного контура.

В процессе создания ИИ используются дополнительные этапы, включая деперсонализацию данных и преобразование их в хэши — наборы цифр, понятных только машинам. Это гарантирует безопасность и исключает возможность несанкционированного использования данных.

Итоги

"На текущий момент нам удалось значительно продвинуться по вышеописанным задачам. В ближайшем будущем запланировано углубление в подходы по модернизации текущих методов", — резюмировал Иван Ястребков, руководитель отдела исследований и координации Центра развития искусственного интеллекта компании "Ингосстрах".