СОГАЗ — ML для андеррайтинга ДМС: предиктивное прогнозирование убытков

• СОГАЗ совместно с Mains Group (специализирующейся на страховании и IT) реализовали проект по ML в медицинском страховании. Система предиктивных моделей прогнозирует объём получения медицинской помощи новыми корпоративными клиентами по ДМС, позволяя андеррайтерам за несколько минут рассчитать:

• частоту и объём медицинской помощи;

• в каких клиниках будут обращаться застрахованные;

• ожидаемые выплаты лечебным учреждениям. Система анализирует более 70 признаков корпоративных клиентов и использует интеграцию с внешними данными, учёт макропараметров и регулярное дообучение для адаптации к меняющейся среде. Срок разработки и внедрения — более года. В 2024 году СОГАЗ применяет ИИ также для выявления аномалий в кибербезопасности (эксперименты с моделями для обнаружения дипфейков и фишинговых атак). ML-технологии применяются для роботизированного анализа 100% счетов из лечебных учреждений.

Традиционный андеррайтинг ДМС основывался на ручном анализе ограниченного числа параметров. Неточная тарификация приводила к убыточному портфелю. Требовалась объективная оценка риска новых корпоративных клиентов при заключении договора.

• Повысить точность андеррайтинга в 1,5–2 раза

• Снизить долю убыточного бизнеса

• Сократить время расчёта тарифа с часов до нескольких минут

• Предлагать более привлекательные цены прибыльным клиентам

• Финансы

• Повышение прибыльности по новым клиентам по ДМС: потенциал 30–50% (по данным Mains Lab)

• Потенциальная экономия: 40–60 млн руб. в год для крупного страховщика за счёт снижения выплат Время

• Расчёт тарифа — несколько минут против нескольких часов ранее

• Многократное ускорение процесса андеррайтинга Качество и эффективность

• Точность прогноза улучшилась в 1,5–2 раза (по данным СОГАЗ)

• Роботизированный анализ 100% входящих счетов из лечебных учреждений — выявление приписок, несоответствий программам страхования, необоснованного превышения объёма помощи

• Анализ >70 признаков на клиента (против 5–10 при традиционном подходе) Нагрузка и масштаб

• Охватывает новых корпоративных клиентов СОГАЗ по ДМС

• Цель для корпоративных клиентов: экономия около 10% бюджета на страхование Надёжность

• Регулярное дообучение модели с учётом новых данных и макропараметров

• Интеграция с внешними источниками данных Импортозамещение и compliance

• Разработка Mains Group — российская компания

• Работает в периметре СОГАЗ, данные не передаются за рубеж Качественный эффект: СОГАЗ — пионер применения ML в российском корпоративном ДМС; роботизация 100% анализа медицинских счетов не имела аналогов на российском рынке на момент запуска.