Применение

ИИ-агент для андеррайтинга

  • Когда портфель растет, а андеррайтеров больше не становится, заявки выстраиваются в очередь, и время на каждую становится узким местом. Агент снимает с человека сбор данных и подготовку решения, но само решение оставляет за ним.
Т-БанкБКСЦифраАбсолют СтрахованиеКолвирНорникель
Что готово

Что готово к запуску и что делаем под вас

На платформе SvayaВ каталоге платформы это техническое решение «Оценка риска по заявке с проектом условий на выходе».

Оценка риска по заявке с проектом условий на выходе

Портфель заявок нередко растет быстрее штата, который их разбирает, и время ответа по заявке становится узким местом продаж.

Готовый примерИзвлечение данныхПоследнее слово за человекомOCRПроцесс ведет платформа

Под вас настраиваются документы, правила задачи и подключения к вашим системам. Это делает ваша команда инструментами платформы в пилоте, а интеграции сверх готовых коннекторов к 1С и системам с протоколом MCP оцениваются и оплачиваются отдельно.

Ситуация

Как эта работа идет сейчас

У банка или страховщика среднего размера андеррайтинг - это ручная работа специалиста по каждой заявке. Специалист собирает данные о клиенте из внутренних систем и внешних источников, запускает скоринговую модель, разбирает факторы риска и готовит решение по полису или кредиту. Когда портфель растет, а штат андеррайтеров (специалистов, которые эту оценку ведут) не растет, заявки выстраиваются в очередь и время на каждую заявку становится узким местом.

В результате компания либо упускает клиентов из-за долгого ответа, либо нанимает людей быстрее, чем может себе позволить. Отдельная сложность в том, что риск-комитет (внутренний комитет по рискам) и Банк России требуют объяснять, почему по заявке принято именно такое решение, а ручная подготовка такого обоснования отнимает время.

Состав

Из чего состоит это применение

Применение - это рабочий процесс, в котором ИИ-агент доводит действие до записи в вашей системе. Ниже его компоненты.

Мы собираем ИИ-агента, который помогает андеррайтеру. Агент снимает с человека рутину сбора и подготовки, но решение сам не принимает. На одной инфраструктуре работают следующие компоненты:

Сбор данных по заявке

Агент собирает внутренние данные из автоматизированной банковской или страховой системы и историю клиента, а также внешние данные из СПАРК, Контур и кредитных бюро (сервисы проверки контрагентов и кредитной истории).

На базе языковой модели и выполнения действий в учетных системах

Запуск скоринга

Агент запускает скоринговую модель и собирает воедино факторы риска по заявке.

На базе классического машинного обучения

Подготовка предварительного решения

Агент формирует предварительное решение по полису или кредиту и пишет к нему обоснование с перечнем факторов, которые на это решение повлияли.

На базе языковой модели

Передача андеррайтеру

Агент передает человеку готовый пакет материалов с предварительным решением и обоснованием для утверждения.

На основе правил маршрутизации, без языковой модели

Финальное решение по заявке всегда остается за андеррайтером, и этого требует Банк России. По критичным и платежным операциям человек подтверждает решение, а агент не действует автономно. Автоматически проходит только сбор данных, запуск скоринга и подготовка черновика предварительного решения. Внедряем агента в теневом режиме, то есть он готовит предварительные решения параллельно с людьми и без влияния на реальные заявки, пока не убедимся, что его предварительные решения совпадают с решениями андеррайтеров.

Рынок

Что известно о таких внедрениях

Часть цифр взята из публикаций самих компаний и деловых СМИ с указанием года, часть из отраслевой практики без названной компании. Оговорки о том, что цифра не переносится на другой случай напрямую, стоят в тех же пунктах.

  • Ренессанс сообщает (по данным компании, 2026), что скоринг закрывает около 65% решений медицинского пульта при андеррайтинге в добровольном медицинском страховании (ДМС).
  • Это собственная разработка крупного страховщика, а не наш результат.
  • Сбер сообщает (по данным компании, 2024), что около 100% кредитных решений по физическим лицам принимаются с участием ИИ.
  • Это собственная разработка крупнейшего банка, и повторить ее копированием без такой же команды и таких же данных не получится.
  • Для ориентира.
  • За рубежом, где регуляторика мягче, автоматизированный андеррайтинг стал распространенной практикой.
  • Это ориентир верхней планки, а не обещание таких же цифр в России.
Пилот

Как проходит пилот и по чему меряем результат

Перед пилотом мы проводим диагностику, на которой выбираем один узкий сегмент заявок, проверяем доступ к учетной системе и к скоринговой модели и фиксируем исходный уровень показателей (текущее время андеррайтинга и точность решений). Пилот идет от 8 до 16 недель. Начинаем со сбора данных и подготовки предварительных решений на выбранном сегменте в теневом режиме, без влияния на реальные заявки.

Результат измеряем по следующим показателям:

  • Доля заявок, по которым агент подготовил предварительное решение, утвержденное человеком.
  • Время андеррайтинга на одну заявку.
  • Точность предварительных решений агента в сравнении с ручным андеррайтингом.

Все показатели сравниваем с исходным уровнем, который замерили до пилота. На всем протяжении пилота решение по заявке утверждает человек.

Условия

Когда внедрение оправдано и что учитывает закон

Внедрение оправдано, когда портфель кредитов или полисов растет, а нанимать андеррайтеров теми же темпами компания не может, и время андеррайтинга становится узким местом с очередью заявок. У компании должна быть формализованная скоринговая модель и доступ к внешним источникам данных, таким как СПАРК, Контур и кредитные бюро, иначе агенту нечего собирать. Помогает, когда риск-комитет или Банк России требуют объяснять решения скоринга, потому что агент готовит обоснование решения сразу.

Техническое решение работает на разрешенном в России технологическом стеке и учитывает требования по защите данных. Финальное решение по полису или кредиту подтверждает человек, и это требование Банка России к критичным и платежным операциям. Автоматизированная обработка персональных данных требует согласия клиента (152-ФЗ), а отказы должны быть аргументированы. Действия агента записываются в журнал.

Навигация

Все десять применений ИИ-агентов

У каждого применения своя страница, текущая помечена. Расшифровка пометок о том, где мы собираем применение, стоит на странице автономных ИИ-агентов.

01

Урегулирование страховых убытков

У страховщика среднего размера урегулирование убытка - это длинная ручная цепочка.

На платформе Svaya
02Эта страница

ИИ-агент для андеррайтинга

Когда портфель растет, а андеррайтеров больше не становится, заявки выстраиваются в очередь, и время на каждую становится узким местом.

На платформе Svaya
03

Антифрод и ПОД/ФТ

Антифрод-подразделение нередко получает тысячи сигналов в день, и на ручной разбор у аналитиков не хватает времени.

На платформе Svaya
04

Мультиагентная автоматизация

Сложные документоемкие процедуры проходят через много рук и повторный ввод данных.

Частично на платформе Svaya
05

ИИ-агент закупок

Когда круг поставщиков большой и разрозненный, ручной поиск и сравнение предложений занимают дни или недели.

На платформе Svaya
06

Устаревшие системы и порталы

Когда у нужной системы нет нормального интерфейса, обычная интеграция невозможна или обходится дороже.

Частично на платформе Svaya
07

ИИ-агент исходящих продаж

Большой рынок, который текущая команда продаж охватить не успевает.

Вне платформы
08

Клиентский сервис с действием

Клиенту часто нужно не объяснение, а конкретное действие.

На платформе Svaya
09

ИИ-агент подбора персонала

При большом объеме найма поиск кандидатов и отбор резюме отнимают у рекрутеров много времени, а входящий поток откликов велик при низкой доле подходящих.

Вне платформы
10

Финансовое планирование

Закрытие периода идет долго и вручную, а на анализ у финансовой команды не остается времени.

На платформе Svaya

Открыть страницу автономных ИИ-агентов

Заявка

Обсудить пилот

Опишите в двух словах процесс, который хотите отдать ИИ-агенту, и назовите систему, куда он должен дописывать результат. Руководитель ИИ-направления БизнесМатики ответит предложением, где названы объем пилота (один процесс и один тип документов или заявок), метрика пилота с ее исходным значением и срок.

Хотите сначала запустить техническое решение сами? Заведите учетную запись на витрине и запустите техническое решение на своем файле. Для заявки учетная запись не нужна.