Возьмем, к примеру, практику приема, обработки и урегулирования претензий. Автоматизация этой части цепочки создания стоимости страховой компании может снизить затраты на процесс урегулирования претензий до 30%. Например, в случае автомобильной аварии можно удаленно зафиксировать детали, где и как она произошла, а также подробную визуализацию повреждений автомобиля. Дочерняя компания Alibaba Ant Financial имеет продукт под названием Ding Sun Bao, который анализирует такие данные, используя инструменты глубокого обучения и распознавания образов на основе ИИ, что позволяет буквально реконструировать место аварии. Технология позволяет в течение нескольких секунд дать точную оценку ущерба, что дает возможность страховой компании быстро оформить и урегулировать претензию в цифровом виде, без бумажной волокиты. Кроме того, инструменты на основе ИИ позволяют выявлять и сокращать число мошеннических претензий.
Поскольку оценка рисков может производиться путем мониторинга активов и субъектов в режиме реального времени, в скором времени в этом бизнесе может возникнуть волна новых участников. Преобладающие барьеры входа в отрасль, основанные на необходимости большого количества субъектов для снижения среднего риска, могут перестать быть эффективным сдерживающим фактором. Благодаря возможности доступа к данным на индивидуальном уровне новые участники могут даже отбирать субъектов с низким уровнем риска. Некоторые секторы традиционного страхования, такие как автострахование и страхование жилья, могут столкнуться с натиском новых цифровых конкурентов.
Такие конкуренты могут войти в компанию через несколько отверстий. Компании, предлагающие датчики, предназначенные для сбора данных о погодных условиях и состоянии почвы в режиме реального времени с целью оптимизации производительности сельского хозяйства, могут также предоставлять фермерам услуги страхования урожая. Их данные не только позволяют точнее анализировать риски, но и помогают оперативно урегулировать претензии, когда датчики обнаруживают ущерб от вредителей или плохих погодных условий. Аналогичным образом компании, устанавливающие датчики в домах для мониторинга рисков утечки воды или пожара, могут предлагать страхование жилья. Операторы связи, устанавливающие телематику в автомобили, могут предлагать автострахование. Получая данные в режиме реального времени и осуществляя постоянный мониторинг, эти новые игроки могут не только прогнозировать риски, но и принимать меры по их снижению. Например, датчики, обнаруживающие прорыв водопроводной трубы в доме, могут автоматически отключить систему водоснабжения. Исследование McKinsey предсказывает, что в скором времени клиенты предпочтут платить премии не за возмещение ущерба, а за услуги по прогнозированию и предотвращению рисков. Для обслуживания таких клиентов страховым компаниям необходимо пересмотреть методы использования данных.
Страховой андеррайтинг, как и телекоммуникационный бизнес, о котором шла речь выше, традиционно является бизнесом, основанным на цепочке создания стоимости. Стандартной бизнес-моделью является андеррайтинг и продажа полисов. В рамках этой унаследованной бизнес-модели современные технологии помогают извлекать больше пользы из данных, открывая новые возможности в производственных экосистемах. Примерами повышения операционной эффективности страховых компаний могут служить оцифровка процессов урегулирования убытков или внедрение передовой аналитики для выявления и предотвращения мошенничества. Интерактивные данные индивидуального уровня, получаемые с помощью приложений, также могут помочь в создании новых сервисных функций, например, предиктивных предупреждений о надвигающемся риске для здоровья страхователя. Кроме того, данные такого рода могут использоваться для массовой настройки страховых полисов, стимулирующих индивидуальных потребителей снижением страховых взносов в случае, если они ведут себя так, чтобы снизить риск.