Темпы роста автоматизации бизнеса, внедрения аналитических инструментов, проникновения искусственного интеллекта в банки и страховые компании впечатляют. Технологии все чаще начинают использовать для более качественного обслуживания клиентов, оптимизации затрат и улучшения бизнес-показателей. В прошлом году, в разгар пандемии COVID-19, в каждой четвертой организации увеличили инвестиции в инновации. Например, по прогнозам Gartner, в 2021 году расходы на внедрение IT-решений в бизнес вырастут на 8,6% по сравнению с прошлым годом и превысят $4 трлн.  Как отмечает вице-президент Gartner Джон-Дэвид Лавлок, расходы на новые технологии все чаще учитываются при построении бюджетов компаний.

Свежий пример того, как инструменты автоматизации могут успешно трансформировать бизнес, исследовали в компании IBA Group, которая работает над развитием собственного аналитического продукта, который помогает банковским, финансовым и страховым компаниям бороться с недобросовестными клиентами и мошенниками.

Николай Васильев, руководитель продукта IBA Group

Как клиенты обманывают страховщиков

Одно из направлений, в котором могут активно применяться визуальные расследования, — страховой бизнес. До этого момента страховым приходилось вручную выявлять подозрительные случаи и держать для этого целый штат специалистов по безопасности. Люди рисовали схемы, составляли таблицы и пытались самостоятельно выявить и доказать факты мошенничества. На анализ каждого кейса уходит 1-2 недели, а иногда — целый месяц. Проблема усугубляется еще и человеческим фактором: болезнь, отпуск, ошибка по невнимательности. Все это существенно сказывается на сроках расследования подозрительных случаев. 

Вариантов, как клиенты могли обмануть страховые, множество. Эксперты  компании провели опрос среди страховых компаний и составили ТОП-5 схем мошенничества в сфере страхования автомобилей.

1. Страхование такси под видом личного автомобиля.

2. Клиенты сообщают о ДТП, которых на самом деле не было. На автомобиль перевешивают поврежденные детали кузова, которые якобы пострадали во время аварии

3. Имитация угона с целью получения страховой выплаты.

4. Клиенты получают двойные выплаты по одному и тому же ДТП.

5. Скрывают настоящее время, когда произошла авария, чтобы получить выплату за ДТП, которое произошло до момента страхования.

Вовремя выявить мошенничество и доказать все взаимосвязи страховым удается не всегда. Отсюда — убытки, недополученная прибыль и имиджевые потери. Аналитические инструменты помогают страховым компаниям автоматизировать эту работу и бороться с различными серыми схемами в несколько кликов. 

Умная аналитика помогает выявить недобросовестных клиентов у страховщиков, банков и других финансовых организаций. Результаты расследования сложных и запутанных ситуаций отображаются на экране в виде понятных графиков. 

«Сейчас можно быстро проверить подозрительные страховые случаи, а также найти неочевидные взаимосвязи, которые при ручном анализе выявить достаточно сложно», — говорит Николай Васильев, руководитель продукта. 

На примере одного кейса Николай рассказал о финансовых потерях страховщиков. 

«Некоторые автовладельцы страхуют машины как частные авто, а в реальности используют их как такси. Автомобили такси больше подвержены износу и чаще оказываются в ДТП, поэтому при страховании применяется повышающий коэффициент. Проверить, состоит ли автомобиль в службе такси, если он не имеет опознавательных знаков, без привлечения сторонних ресурсов, крайне сложно. Сами автовладельцы неохотно рассказывают о своей подработке, которая существенно влияет на сумму страхового полиса. В итоге такой обман приводит к значительному недобору страховых взносов, а также лишним выплатам», — отмечает специалист.

Как работают визуальные расследования 

Студия визуального анализа позволяет объединить множество разносторонних баз, данные из которых будут использоваться для расследования. В качестве доказательной базы специалисты могут использовать собственную ранее накопленную  информацию, а также сведения из открытых источников или других баз данных.

Далее система  анализирует всю информацию об автомобилях, фигурирующих в ДТП, и их владельцах. Она может определять отношения между страхователями, сотрудниками страховой компании и сторонними организациями.  Таким образом, перед специалистом службы безопасности открывается разносторонняя информация, которая поможет оперативно определить, имеет ли место обман. 

Николай Васильев отмечает, что продукт помогает быстро проверять договоры страхования и заметит, если похожие страховые случаи происходят в одно время или при аналогичных обстоятельствах. 

Например, на этом видео видно, как система помогла понять, что два человека организовали три разных ДТП на одной и той же улице, но с разными машинами. Все — чтобы получить страховую выплату:

Технология ищет взаимосвязи между транспортными средствами с похожими повреждениями, которые фигурировали в различных страховых случаях, помогает предотвратить двойные выплаты и обнаружить сомнительные ДТП.

«Благодаря аналитическим инструментам специалисты по безопасности смогут найти скрытые неочевидные связи и объединить большие объемы разрозненных данных. Это позволит им разобраться в сложных взаимосвязях между действующими лицами», — говорит Николай Васильев.

Что в итоге?

Автоматизация проникает даже в сферу страхования, которая считается достаточно консервативной и закрытой.  Внедрение аналитических инструментов упрощает работу и закрывает лазейки для нечестных клиентов.  

У компаний появляется возможность быстро проверить свой страховой случай при возникновении подозрений. Как итог — ускоряется процесс принятия решений по страховой выплате, снижается доля мошеннических выплат, что позитивно сказывается на финансовой стабильности и репутации самой компании.