Финансовый директор группы страховых компаний и эксперт в автоматизации процессов рассказала, как нейросети помогают оценивать безопасность вождения и каких работников они смогут заменить.
Нейросети стали главным трендом последних лет во всех сферах бизнеса. Аналитики консалтинговой компании Gartner полагают, что к 2026 году искусственный интеллект будут использовать в 30% всех новых мобильных приложений, а страховые компании начнут внедрять его для оценки рисков повреждения имущества. Искусственный интеллект может стать одним из главных автоматизаторов в любой компании, уверена Карина Буйленко, финансовый директор в одной из крупнейших групп страховых компаний "Инлайф страхование" и "Инлайф страхование жизни" (бывший Уралсиб). Благодаря ее проектам автоматизации компания смогла сократить операционные расходы на подготовку отчетности на 60%. Как исключение рутинных процессов помогает компании и ее сотрудникам быть эффективнее, и каких специалистов на самом деле может потеснить искусственный интеллект — в интервью с Кариной Буйленко.
— Карина, вы топ-менеджер в одной из крупнейшей группе страховых компаний федерального масштаба в России, которая несколько лет подряд демонстрирует рост годовой прибыли и ваше понимание того, как оптимизировать и автоматизировать процессы тут играют не последнюю роль. Если верить выводам аналитикам Gartner, то совсем скоро обычные страховые компании начнут внедрять искусственный интеллект для оценки рисков повреждения имущества. Насколько реалистичен прогноз?
— Думаю, процесс интеграции ИИ в страхование, как и в другие сферы, неизбежен — вопрос времени и ресурсов. Стоит кому-то одному запустить, как остальным придется догонять, чтобы быть в тренде. В первую очередь это касается удобства сервисов для клиентов. Если ИИ будет экономить время клиента и делать удобнее процесс получения им страхового возмещения или позволит ему получить дополнительную скидку на полис КАСКО благодаря аккуратному стилю вождения, это точно будет востребовано. Во вторую очередь, на мой взгляд, пойдут доработки для удобства партнеров, а уже потом — использование ИИ для экономии расходов внутри компании. Конечно, крупные компании смогут позволить себе параллельный запуск таких проектов, но у большинства, думаю, ресурсы будут ограничены.
— В вашей страховой группе в середине 2010-х использовали технологии с применением ИИ для оценки поведения водителей на дороге. Расскажите об этом проекте.
— Да, в 2014–2016 годах одна из компаний моей страховой группы, на тот момент — АО "Страховая группа "УралСиб”", активно использовала телематику — это совокупность технологий, которые позволяют собирать большой массив данных с датчиков, установленных в автомобилях, и оперативно обрабатывать их. Это позволило проанализировать стиль вождения российских автомобилистов и определить критерии безопасного поведения на дорогах. Например, удалось установить, что резкие ускорения и торможения, перестроения и развороты являются причинами 15-20% аварий, а при превышении средней скорости по городу на 10 км/ч риск ДТП возрастает на 50%. Активное использование телематики позволит накопить большой объем статистики аварий, анализ которой позволит в свою очередь выработать технику безопасного вождения, стимулом к соблюдению которой будет возможность получения скидки на страховые продукты, что в конечном итоге должно привести к снижению смертности или получения инвалидности в результате ДТП. По-прежнему перспективное направление.
— Нейросети расширили возможности автоматизации, но они по-прежнему — инструмент для таких специалистов как вы. В свое время вы избавили подразделение компании от необходимости вручную собирать большие массивы данных для составления отчетности, чем помогли существенно сэкономить расходы компании. А насколько легче стало сотрудникам?
— Если говорить о проекте по автоматизации сбора финансовой отчетности по МСФО (международные стандарты финансовой отчетности — прим. ред.), экономия расходов, да, составила 60% и это во многом благодаря снижению нагрузки на персонал. До автоматизации отчетность по МСФО собирала команда из четырех человек в течение одного месяца, поскольку в периметре Группы на тот момент было три компании. После автоматизации отчётность собирали уже три человека и всего за 10 дней.
Второй проект — автоматизация процесса сбора управленческой отчётности тоже позволила нам высвободить ресурсы и значительно сократить сроки подготовки. Раньше когда мы начинали собирать управленческую отчетность, у нас уходило на это две недели полной загрузки одного человека, причем с переработками. Автоматизация позволила сократить срок до одного рабочего дня с учетом анализа и оформления результатов. То есть экономия времени составила более 90%. Всегда гораздо эффективнее освободить людей от рутинных процессов и направить их усилия на более интересные задачи, с которыми пока может справиться только человек.
— Благодаря вам сотрудники компаний получили буквально ту самую "волшебную” кнопку. Одновременно сократилось влияние человеческого фактора, что крайне важно для финансовой компании. Скажите, а все ли процессы можно автоматизировать?
— Любую рутинную операцию или процесс можно и, самое главное, нужно автоматизировать. Подготовка МСФО и управленческой отчетности и есть рутинный процесс. Да, всегда есть тонкости и нюансы, но многие из них можно упростить или усреднить с тем, чтобы это можно было "зашить" в готовую формулу. В крайнем случае что-то всегда можно скорректировать вручную. Самое главное — наполнить систему необходимой аналитикой, далее любой расчет можно автоматизировать.
Например, при составлении управленческой отчетности мы поняли, что все расчеты являются достаточно стабильными и рутинными. Тогда мы самостоятельно составили техническое задание для IT, которые разработали для нас специальный отчет, который обращался напрямую в системы и повторял всё то, что мы до этого делали руками в Excel, используя ручные выгрузки из этих же систем. Процесс автоматизации занял около трех месяцев, но в итоге наш отчет стал собираться действительно по одной кнопке. Конечно, мы всегда закладываем время на проверку отчета, к тому же периодически требуется внести в него точечные изменения, но это не занимает много времени.
— С какими основными проблемами и сложностями пришлось столкнуться в процессе автоматизации? Какие пути решения находили?
— На примере того же проекта автоматизации сбора отчетности по МСФО — во время работы над ним мне удалось пересмотреть и согласовать с внешними аудиторами изменения методологии и способы расчета отдельных показателей, что позволило отказаться от необходимости подключения к лишним системам. Кроме того, были упразднены избыточные расчеты, которые по факту никак не влияли на достоверность отчетности. Всё это позволило нам исключить из проекта то, что существенно мешало, а то и ставило под вопрос возможность автоматизации, при этом эти корректировки никак не отразились на достоверности наших расчетов и отчетности в целом — просто мы смогли найти способ, как сделать то же самое, но иначе, чтобы этот процесс можно было с относительной легкостью автоматизировать. Даже сама подготовка к автоматизации позволяет по-новому взглянуть на процессы и подходы к использованию ресурсов.
— Карина, благодаря вам и под вашим руководством в Группе компаний сейчас автоматизирована большая доля процессов, финансовых расчетов и отчетов. Скажите, в условиях острого дефицита кадров, который наблюдается сейчас в том числе в финансовом секторе, может ли стать спасательным кругом искусственный интеллект?
— В настоящий момент ИИ сможет закрыть дефицит кадров только частично, причем, на мой взгляд, в достаточно небольшом объеме и точно не по самым критичным направлениям, поскольку дефицит кадровых ресурсов наблюдается именно среди высококвалифицированных специалистов, чью работу будет очень сложно "зашить" в какой-то готовый алгоритм, который подойдет для любой ситуации и не будет требовать контроля со стороны человека. Речь, прежде всего, про актуариев, бизнес-аналитиков и IT-специалистов. Дело в том, что качественной и полной автоматизации поддаются именно рутинные операции, а мы сейчас живем в период постоянных изменений, и тут проблема даже не в том, что какие-то параметры постоянно меняются, проблема в том, что набор этих параметров может тоже значительно варьироваться от одного периода к другому, и далеко не все такие изменения можно предсказать и заранее заложить в алгоритм.