Вице-президент операционного управления «Ренессанс Страхование» Денис Быстров обсудил использование нейросетей в страховании с ведущим «Коммерсантъ FM» Петром Косенко в рамках программы «Цели и средства».
— Я знаю нейросети исключительно по таким сообщениям — к примеру, «нейросеть нарисовала картину» или «сочинила музыку». Что такое нейросеть? Это искусственный интеллект?
— Нейросеть — это некая математическая модель, то есть нельзя говорить о том, что нейросеть — это искусственный интеллект, как это принято в фантастике и так далее. В нашем случае нейросеть — это способ обработки большого массива информации, зачастую неструктурированной. Проще говоря, нейросеть — это математическая модель, которая может получить на вход некую разрозненную информацию и выдать некий ответ, уже обобщенный, обработанный по неким заложенным в нее, скажем, правилам. Особенность нейросети в том, что это обучаемая система, то есть она может использовать при каждом новом решении накопленный опыт, и нейросеть можно обучить. То есть она обрабатывает некую информацию. Если структура информации поменялась или характер информации поменялся, ее можно дообучить, и она будет принимать во внимание те изменения, которые произошли. Естественно, нейросеть — это программное решение, то есть это некая программа, в которую заложена эта математическая модель, в которую поступают данные, и мы получаем некое решение на выходе.
— Как эти нейросети стыкуются с такой отраслью бизнеса, как страхование? Очень хочется понять.
— Страховой бизнес очень сильно завязан на накопленные данные, на информацию, и это ключевое для страхового бизнеса. Мы в «Ренессанс Страхование» с 2008 года начали довольно существенно инвестировать в формирование хранилища данных, в которое складывали всю нашу страховую информацию, накопленную информацию, хотя на тот момент мы еще не очень хорошо умели использовать это. Но мы понимали, что это потребуется нам в будущем. И сейчас мы начинаем использовать эту накопленную информацию для анализа, прогнозирования и формирования таргетированных предложений и процессов для наших клиентов после того, как информация проходит обработку через нейросети.
— А какой-то максимально простой пример вы можете привести?
— Наиболее простой пример использования — это то, что это решение выявило: люди, которые задерживают на 30 дней подачу документов о страховом случае, с вероятностью на 25% ниже пролонгируют свой договор страхования. Это позволило нам несколько кастомизировать процесс и делать предложение заранее для того, чтобы удержать клиента.
— Интересно.
— Такая интересная закономерность, которую обычными средствами, анализом довольно сложно выявить.
— Хорошо, это выгода для вас, для страховщиков. А для клиента в чем выгода в данном случае?
— Использование подобной технологии для клиента позволяет сформировать очень таргетированный процесс — сделать компанию очень индивидуальной для клиента, учитывая все его поведенческие особенности.
— Забывчивость, к примеру?
— Забывчивость. Это очень простой случай.
— Но, тем не менее, очень многие забывают об этом. Я как-то раз забыл продлить свою автогражданскую страховку и вспомнил об этом только после того, как спустя месяц мне пришло уведомление из страховой компании.
— Важно, что все это может делать автоматика, то есть автоматика может понимать ваши поведенческие особенности, ваши коммуникативные особенности, историю вашего страхования, историю вашего домохозяйства, обобщать все это и делать максимально удобным и персонализированным для вас процесс работы. Это такой шаг в интеграцию образа жизни человека.
— Таким образом, если раньше мною занимался некий живой менеджер — человек, который смотрел, когда у меня заканчивается страховка, чтобы позвонить и напомнить, то сейчас этим будет заниматься нейросеть?
— Человек не исключается из процесса, естественно. Просто система предоставит всю информацию и ряд рекомендаций для менеджера, который работает с вами, то есть система может вам подсказать, какой продукт вам предложить, что вам будет удобнее, как откорректировать ваш страховой пакет, возможно, предложить что-то вашим близким. Более того, она знает, каким наиболее правильным способом построить с вами взаимодействие, как с вами общаться, какой способ общения для вас более предпочтителен вплоть до того, какой интонации придерживаться в разговоре.
— Даже это нейросеть будет учитывать?
— Совершенно верно. Это такая технология, которая уже есть на рынке. И анализ речи, и выстраивание характера общения по этому анализу уже практикуется на рынке.
— Наверное, это дорого — использовать нейросеть? Это все-таки огромные объемы информации, это очень мощные процессоры, компьютеры, которые должны всю эту информацию обрабатывать.
— Особенность использования нейросети в том, что в рамках операционной работы это не требует очень больших, скажем, технологических возможностей. Довольно сложно ее обучить, и это ресурсоемко с точки зрения технологий. Но последующее использование уже обученной нейросети — это довольно простая штука и не требует серьезных технологических затрат. В этом одно из преимуществ использования такой технологии.
— Я сразу почему-то представил себе: вот сидит человек перед компьютером и учит его, как правильно общаться с клиентом.
— Не совсем так, но в некотором роде, похоже, есть специалисты, которые на массивах данных обучают систему, каким образом обрабатывать информацию, настраивать коэффициент и так далее. Не будем погружаться в технические особенности, но это довольно понятная штука, это не программирование.
— Хочется понять, какие все-таки перспективы для страховщика дает использование нейросетей.
— Для страховщика, для страховой компании первостепенное — это быть очень удобным и повернутым лицом к клиенту. Использование подобной технологии позволяет выстроить очень персонализированный процесс, в первую очередь, а во вторую — это самонастраивающийся процесс.
Можно рассмотреть на примере урегулирования страхового случая. В зависимости от страховой истории клиента, в зависимости от того, из чего состоит его домохозяйство, особенностей этого домохозяйства, поведения самого клиента процесс страхового случая может быть оптимизирован не через человека, а оптимизирован системой таким образом, чтобы клиент получил максимально эффективный, быстрый процесс урегулирования. Соответственно, мы можем автоматизировать процесс урегулирования убытков для ряда клиентов, и это позволит нам делать именно автоматизированная система анализа данных — то, о чем мы сейчас говорим.
То же самое касается процесса продажи. Сотрудник страховой компании или агент страховой компании не может удержать в сознании огромный объем информации касательно клиента, запомнить его, проанализировать и так далее. Более того, при обращении клиента в офис страховой компании сотрудник офиса не может очень быстро понять, что за клиент к нему пришел, его индивидуальные особенности и так далее. При идентификации клиента мы можем отправить его на наиболее правильного сотрудника и выдать сотруднику всю необходимую информацию по этому клиенту с рекомендациями. То есть если клиент энергичен, мы можем отправить его на сотрудника, который более подходит по темпераменту.
— Или на сотрудницу.
— Или на сотрудницу. И выдать сотруднику или сотруднице всю необходимую информацию о том, каким образом лучше построить с ним взаимодействие, общение, что ему предложить, какие у него были последние обращения, почему такие обращения были. То есть система может выдать все это буквально в реальном времени.
— Я подозреваю, что ваша нейросеть учитывает еще и семейный статус человека?
— Безусловно, мы обращаем очень большое внимание на домохозяйство, на семейный статус человека, на его семью. Эти данные мы и будем использовать в своей работе и в работе наших информационных систем в дальнейшем.
— А использование нейросети в работе с клиентом будет давать клиентам какие-то определенные бонусы? Рассчитает ли нейросеть максимальную скидку, например, для меня, когда я приду страховать свой дом или автомобиль?
— Скорее система предложит наиболее оптимальный для вас пакет, то есть именно то, что вам нужно, и то, что вами будет востребовано. Ничего лишнего, но именно то, что нужно. Потому что мы можем принимать в расчет телематические данные, ваш характер вождения автомобиля, сопоставить это с вашим темпераментом, скажем, по анализу телефонных обращений. Сопоставляя все это, мы можем предложить вам наиболее комфортные условия и наиболее комфортный страховой пакет.
— А может так случиться, что нейросеть ошибется? Обращусь я в вашу компанию, захочу получить какой-то продукт, а нейросеть отправит меня совершенно не на того менеджера, мне будут предлагать не то, что я хочу. Здесь возможны ошибки? И как они будут устраняться, если они есть?
— Ввиду того, что технология довольно новая, безусловно, она требует времени на тестирование, на отладку и проверку работоспособности. Как и любая технология, она допускает возможность возникновения ошибки. Однако, по нашему мнению, эффект, который получат наши клиенты и наша компания, многократно превосходит возможную ошибку. Но ни одно технологическое решение не выйдет в практическое использование внутри нашей компании без проверки и отладки.
— А сейчас элементы нейросети уже каким-то образом используются в работе?
— Да, сейчас проходит несколько этапов тестирования на кросс-продажах и на пролонгации. То есть мы обрабатываем накопленные данные и рекомендуем нашим сотрудникам, которые участвуют в эксперименте, предлагать тот или иной продукт клиентам, которым технология подскажет, что может быть востребованным. И то же самое касается пролонгации.
— Очевидно, нейросеть также учитывает и особенности самих менеджеров, которые работают с клиентами?
— В настоящий момент начинаем использовать это. Технология еще работает не на полную мощность, то есть мы только входим в эту технологию, но уже используем это решение в ряде наших процессов.
— По вашим прогнозам, когда стоит ожидать действительно массового использования технологий нейросети в вашей компании?
— Мы рассчитываем перейти на такое широкое использование где-то в течение года-двух. То есть в течение одного года мы планируем уже широко использовать эту технологию.
— И, по вашему же прогнозу, каким будет количество дополнительных клиентов, насколько вырастут продажи с учетом использования этих технологий?
— Делать такие прогнозы, наверное, преждевременно. Можно сказать, что в рамках тестирования кросс-продаж, которые проходят на текущий момент, мы ожидаем в рамках теста где-то 15-процентного прироста кросс-продаж к текущему уровню после начала использования технологии в пилотном режиме. Безусловно, это нельзя измерять только кросс-продажами или пролонгацией — это дает еще довольно существенный эффект на бэк-офис компании, на построение всех прогнозов. Поэтому считать совокупный эффект, наверное, еще преждевременно.