Александр Янчук, владелец консалтинговой компании, консультант по вопросам управления в области организационного развития, бережливого производства и управления качеством;
Наталия Корнелюк, младший научный сотрудник
Подход: хватит чинить треснувшую модель
То, что раньше называли страхованием, давно сломалось. Это не новость. Новость в том, что его продолжают поддерживать костылями: CRM-ками, лендингами, ML-алертами на фрод и другими заплатками. В итоге — псевдоцифровой процесс, в котором всё равно решает менеджер, у которого нет времени и точных данных.
ИИ приходит не как очередной инструмент. Он приходит как вызов: либо вы собираете систему заново, либо она расползётся до состояния “мы не знаем, что происходит”. Это не гипотеза, это уже наблюдаемая реальность.
Проблема: ИИ не работает, потому что он врывается в беспорядок
ИИ — это не отдельный модуль. Это метод мышления. Но большинство компаний пытаются прикрутить его к системе, которая и без него едва держится.
Нет «двуязычных»
Всё упирается в людей.
В одной комнате — data scientist, который говорит на языке метрик и precision.
В другой — страховой эксперт, для которого все эти графы из Jupyter — шум.
Продакт между ними. У него релиз в пятницу и багов 34 штуки.
Результат: модель есть, смысла в ней — ноль.
2. Данных — много, но они мертвы
— У нас есть данные.
— А они размечены?
— Нет.
— А уникальный идентификатор клиента есть?
— Ну там через 1С идёт, плюс Excel от колл-центра.
Типовая история. Модели без обучающей выборки — это не модели. Это имитация.
3. Юридический туман
Нормативка в страховании не готова к ИИ.
Модель отказала клиенту. Кто будет объяснять?
Модель определила подозрительное поведение. Что делать: отказ, запрос, проверка?
Ни одна компания не хочет оказаться в суде с аргументом: «так сказала нейросеть».
4. Нет системы, есть только «задачки»
ИИ внедряют как проект. Один — на фрод. Другой — на ретеншн.
Команды разные. Метрики разные. Архитектура — никакая.
Нет единой точки сборки. ИИ не сквозной. Он точечный.
А значит — не работает. Потому что страхование — сквозной бизнес.
Решение: не интегрировать ИИ, а строить вокруг него
Если подход не меняется — ничего не меняется. Работает только там, где ИИ не «инструмент», а основа логики работы компании.
Не MVP, а жёсткий приоритет
ИИ нужно запускать не там, где проще, а там, где больнее:
- урегулирование убытков (потому что дорого и долго);
- предиктивный фрод (потому что реальные потери);
- отток (потому что нет второй попытки).
Не “где красиво продать на конференции”, а “где разваливается каждый день”.
2. Архитектура данных — не IT-задача
Это задача выживания.
Если данных нет, ИИ — это просто генератор псевдоответов.
Нужны:
- нормализованные витрины;
- трек на качество и полноту;
- единая идентификация клиента;
- автоматическая разметка историй.
Без этого — всё остальное имитация.
3. Встраивать в процесс, а не в PowerPoint
Если модель даёт сигнал, но бизнес её не видит — модели нет.
Если модель влияет, но решение можно обойти в Excel — модели нет.
ИИ должен быть частью цепочки: от ввода до решения. Автоматически. Без посредников.
4. Команда — не проектная, а боевая
Нужна связка:
- технари, которые могут развернуть, зафиксировать и объяснить;
- эксперты, которые знают, как работает реальный бизнес;
- менеджеры, у которых KPI не по релизу, а по эффекту.
И всё это — не в параллели, а в одной петле.
Результаты: что происходит, если не имитировать
Там, где ИИ вшит в систему, а не «подключён сбоку», эффекты жёсткие. Не косметические.
Это не потому, что “ИИ такой умный”. А потому что, наконец, система работает как система, а не как набор ручных протоколов.
Источники (не «чекнули в Гугле», а работали руками)
- Реальные кейсы: Ping An (Китай), Lemonade (США), AXA (ЕС), Zurich (Швейцария)
- Российский контекст: «АльфаСтрахование», «Сбер», «Ингосстрах», «РЕСО»
- Закрытые обсуждения в продакт-группах и ИИ-воркшопах (2023–2025)
- Опыт: интеграция моделей в страховые цепочки, настройка ML-андеррайтинга, автоматизация DMS и ОСАГО
- Исследования: McKinsey, BCG, EY, Accenture по ИИ в финтехе и страховке
- Разговоры с CPO, CDO, Head of Data в страховании, которые реально делают, а не пишут в LinkedIn