Языковые модели для страховых компаний
Контакт-центр, обработка документов, антифрод, оценка ущерба по фото, базы знаний. На российском стеке, с хранением персональных данных в России по 152-ФЗ.
Зачем внедрять решения на базе LLM?
У страховщика две противоположные тревоги. Первая - это страх отстать. Крупные страховщики уже урегулируют убытки по фотографиям, ставят голосовых помощников на входящую линию и выявляют мошенничество автоматически. Догонять хочется, но своей команды под такие проекты обычно нет. Вторая тревога - это страх оказаться первопроходцем, который набивает шишки на новой технологии.
Между этими тревогами есть рабочий путь. Он в том, чтобы двигаться по задаче, которую уже прошли крупные страховщики. Ниша среднего страховщика почти свободна. По данным Naumen за 2025 год, голосовых помощников на входящей линии используют лишь 6 из 55 страховщиков.
Голосовой помощник принимает входящие в пик ОСАГО и проверяет качество всех разговоров вместо 1-5%
В пик сезона ОСАГО и после страховых событий идут волны обращений. Контроль качества звонков - это выборочная прослушка всего 1-5% разговоров. Поэтому нарушения скрипта и навязывание услуг могут всплывать поздно, уже когда клиент направляет жалобу в Банк России.
Основной канал общения с клиентом - это телефон, поэтому начинаем с голосового агента на входящей линии и контроля качества по всем звонкам. Самые ответственные продукты (накопительное страхование жизни) на автоматическую обработку не выводим, они остаются в зоне ответственности оператора.
Ренессанс с targetai (2026) за три недели довел до 52% долю входящих без оператора. АльфаСтрахование (2025) обрабатывает голосовым помощником более 20 тысяч звонков в сутки.
Пилот начинаем с голосового агента. Измеряем долю обращений без оператора (цель от 40%), среднее время обработки и покрытие контроля качества до 100%.
От 5 000 обращений в месяц.
Смотрите также в разделе Автономные агенты: услугу «ИИ-агент клиентского сервиса, который сам выполняет действие».
Смотрите также в разделе Автономные агенты: услугу «ИИ-агент исходящих продаж».
Общее устройство услуги и публичные кейсы — на странице Речевая аналитика и голосовой ИИ для контакт-центра.
Пакет документов страхователя обрабатывается за минуты вместо 20-90, без ручного ввода
При оформлении полисов и урегулировании убытков сотрудник проверяет пакеты документов (паспорта, справки, учредительные документы юрлиц). Ручная работа дает до 400 ошибок ввода на 10 тысяч символов и занимает 20-90 минут на заявление.
Строим единый документный поток поверх документооборота. Система распознает документ, извлекает поля языковой моделью, проверяет их по бизнес-правилам и записывает в учетную систему. Под каждый тип документа настраиваем свой маршрут. Распознавание идет внутри периметра, потому что в документах есть персональные данные.
Крупные страховщики (Ренессанс Жизнь, АльфаСтрахование, Росгосстрах) в 2024 году работают на потоках от 20 тысяч документов в сутки. По среднему размеру публичных цифр меньше.
Пилот идет от 8 до 14 недель, берем один-два типа документов. Измеряем сокращение времени обработки (ускорение в 2-4 раза) и долю документов без ручного вмешательства.
Поток от 100 документов в месяц и специалист, который примет правила извлечения.
Смотрите также в разделе Автономные агенты: услугу «ИИ-агенты для работы с устаревшими системами и порталами».
Общее устройство услуги и публичные кейсы — на странице Обработка и распознавание документов с ИИ.
Слой на языковой модели поверх антифрод-платформы находит мошеннические случаи. Это инсценировки ДТП, завышение ущерба, действия организованных групп
Поток заявленных убытков велик для ручной проверки. Подозрительные случаи нужно выявлять и расставлять по приоритету. Это инсценировки ДТП, завышение ущерба, работа организованных групп.
Само выявление - это профильная антифрод-платформа на машинном обучении. Мы строим слой на языковой модели поверх нее. Модель объясняет случай, расставляет случаи по приоритету и готовит черновик. Интегрируем слой в учетную систему страховщика.
Платформа Zunami (2024) за год предотвратила выплаты на 424,68 млн рублей и снизила число подозрительных случаев на 76,1%. Ингосстрах с профильным партнером (2024) ускорил выявление с дней до минут.
Пилот идет от 8 до 16 недель. Измеряем среднее время на случай (цель снизить на 30-50%) и долю портфеля под наблюдением.
Страховой портфель от 5 тысяч случаев в год с размеченной историей и сотрудник, подписывающий решение.
Смотрите также в разделе Автономные агенты: услугу «ИИ-агент для андеррайтинга».
Смотрите также в разделе Автономные агенты: услугу «ИИ-агент антифрода и противодействия отмыванию денег».
Клиент загружает фото повреждений, и простые убытки выплачиваются без выезда оценщика
Каждый выезд оценщика стоит, по нашей оценке, 8-12 тысяч рублей и занимает 3-7 дней. Отставание в скорости урегулирования оборачивается конкурентным проигрышем. Крупные страховщики уже оценивают ущерб по фото, и клиент уходит к тому, кто платит быстрее.
Через мобильное приложение клиент загружает фото повреждений. Распознавание изображений (это компьютерное зрение, а не языковая модель) определяет поврежденные детали и считает предварительную стоимость по справочнику, а антифрод сверяет метаданные. По простым случаям идет прямая выплата, а сложные и крупные обязательно проверяет специалист.
Ренессанс и Ингосстрах (2021-2022) внедрили оценку по фото с профильным разработчиком. Ингосстрах (2025) обработал более 100 тысяч дистанционных случаев. СберСтрахование (2025) снизило мошеннические выплаты на 18-22%.
Пилот идет от 14 до 18 недель, начинаем с аудита исторических данных. Измеряем точность автооценки относительно ручной (цель от 85% совпадений в пределах 10% суммы) и долю прямых выплат среди простых случаев (50-70%).
От 2-3 тысяч автоубытков в месяц, качественное мобильное приложение и архив из 5-10 тысяч урегулированных случаев. Самая капиталоемкая услуга, рассчитана на крупного страховщика.
Смотрите также в разделе Автономные агенты: услугу «Урегулирование страховых убытков с ИИ-агентами».
Общее устройство услуги и публичные кейсы — на странице Оценка ущерба по фото.
Актуарий и андеррайтер находят норму или прецедент со ссылкой на конкретный документ
У каждого вида страхования свои правила, тарифные руководства и история прецедентов. Из-за этого 30-50% рабочего времени актуария и андеррайтера уходит на поиск.
Справочная система на языковой модели поверх документов компании. Специалист спрашивает на естественном языке и получает ответ со ссылкой на конкретный пункт. Начинаем с наименее чувствительных документов, без данных клиентов.
ВСК (2025) внедрила агента на языковой модели для документооборота, цифр пока нет. Ориентиры берем из банковских внедрений, например Совкомбанк «Сова» закрывает 99% типовых запросов.
Пилот идет от 6 до 12 недель, один домен, до 500 документов. Доля ответов с корректной ссылкой, цель от 70%.
От 50 документов, от 10 специалистов-пользователей и ответственный за поддержку базы.
Смотрите также в разделе Автономные агенты: услугу «ИИ-агент для андеррайтинга».
Общее устройство услуги и публичные кейсы — на странице Корпоративная база знаний с ИИ.
Эти задачи мы собираем на собственной ИИ-платформе Svaya. Она ставится в контуре заказчика, в том числе в закрытом контуре без доступа в интернет, и приносит с собой маскирование персональных данных, журнал действий и поиск по документам компании. Поэтому проект начинается сразу с прикладной задачи, а не с подготовки инфраструктуры.
Как устроена платформаПрименений языковых моделей в российском бизнесе для страховых компаний
Полный каталог юзкейсов для страховых компаний с описанием проблемы, устройства решения, ожидаемого результата и примеров внедрений в России — по запросу.