ИИ-агенты могут удешевить клиентский сервис страховщиков на 40-60%

Буквально на днях мы с коллегами обсуждали новые технологии в финансах и страховании. Конечно же, никто не обошел стороной тему ИИ.

По нашим данным, 70% российского среднего и крупного бизнеса уже применяют ИИ в той или иной форме, а сектор финтеха особенно в этом преуспевает. Страховой бизнес из-за своей специфики гораздо более скептично смотрит на эти технологии, но успешные публичные кейсы есть и здесь — например, проекты в «Ренессанс Страховании» или «Согазе».

При этом я не верю в переход от узкоспециализированных решений к универсальным ИИ-агентам на базе больших языковых моделей для решения максимум задач на одной платформе. Залог успеха — в персонализации, во внедрении продуктов, ориентированных на конкретные бизнес-процессы конкретного бизнеса.

Любой этап клиентского пути может «рухнуть» в таких сферах, как финтех и страхование, без высокого уровня знаний специфики отрасли: продуктовый портфель, особенности ведения коммуникации и выполнение регуляторных требований.

Добиться этого можно, в частности, через RAG-системы корпоративного уровня (Retrieval-Augmented Generation — это технология в области ИИ, которая улучшает работу больших языковых моделей (LLM), подключая их к внешним базам знаний). Также нужны векторные базы знаний с настраиваемой релевантностью и контролем качества ответов, безопасная архитектура с маскировкой данных и обнаружением персональных данных. Предиктивная аналитика и мониторинг в реальном времени. Мы все это реализуем в своих проектах, создавая умных и безопасных помощников, которые знают кухню и держат все данные внутри.

А что же получает бизнес благодаря внедрению ИИ-технологий? Уже сейчас можно констатировать, что существенно выросли возможности клиентского сервиса и обучения сотрудников. Доказано на практике, что один LLM-агент на 57% дешевле оператора с учетом внедрения и поддержки всей инфраструктуры. Это легко объясняется доступностью ИИ-агента 24/7 и мощностью виртуальных машин, которые обрабатывают сотни тысяч обращений в месяц, кардинально снижая среднее время обработки клиентского запроса. Соответственно, чем выше доля автоматизации, тем ниже операционные расходы и нагляднее выгода от внедрения инструментов ИИ. Например, в «Ренессанс Страховании» за 4 месяца достигли уровня автоматизации в 35%.

Огромные возможности для бизнеса открывает автоматизация обучения сотрудников с высоким уровнем персонализации и «менторство» на практике. Срок обучения сокращается в 3 раза, показатель удовлетворенности клиентов (CSI — Customer Satisfaction Index) растет на 5 пунктов, а доля новичков, которые успешно проходят испытательный срок, увеличивается на 20%.

Но не все так благостно и беспроблемно. Я бы отметил следующие сложности, с которыми сталкиваются при внедрении ИИ-инструментов: внутренний страх или скепсис, слабая «матчасть» — например, внедрили робота и не хотят агента, потому что нет понимания разницы. Еще существенная проблема может быть в том, что текущий уровень внедренного инструмента ИИ не улавливает эмпатии, смешанные эмоции, деградирует и ошибается, но его ошибки исправляют алгоритмы и все потенциальные огрехи легко корректируются на тестах, тут нет «человеческого фактора».

Еще один момент: недоверие к SaaS. Есть незакрытые вопросы с сохранностью данных, доступностью сервиса. Ну и дороговизна вкупе с длительным сроком развертывания решения в своем периметре (OnPrem). Такая задачка решается пилотным проектом, поэтапным развертыванием. Пожалуй, главная сложность при внедрении: непонимание, что делаем и зачем, какая стоит задача и какого эффекта нужно добиться. Тут нужно договориться о синхронизации в метриках оценки результата, это ключ к тому, чтобы сделать хорошо и то, что нужно бизнесу в среднесрочной и долгосрочной перспективе.