Пн – Вс: 8–21 по НСК

📞+7 383 380-81-89
Telegram Макс
Записаться на демо
ГлавнаяAI-решения для бизнесаСценарии применения ИИМодель андеррайтинга с ИИ для страховых компаний

Модель андеррайтинга с ИИ для страховых компаний

Поднимает историю похожих случаев и убытков и готовит для андеррайтера расчёт риска с обоснованием. Тариф утверждает человек.

Что это даёт бизнесу

Страховая компания зарабатывает на разнице между собранной премией и выплаченными убытками. Если андеррайтер оценивает риск на глаз или по устаревшим таблицам, компания либо продешевит полис рискованному клиенту, либо переплатит за перестраховку там, где риск на деле низкий. Помощник поднимает историю похожих случаев и убытков и выдаёт андеррайтеру расчёт и рекомендацию, а не готовое решение.

  • Финансы и страхование — самая крупная по расходам на генеративный ИИ отрасль в России, 12 млрд ₽ по итогам 2025 года (Onside, Just AI; CNews, 09.12.2025).
  • Помощник поднимает историю убытков по похожим профилям и полисам за секунды, а не за то время, что аналитик тратит на выгрузку из разных систем.
  • Показывает андеррайтеру, на что похож этот риск и чем закончились похожие случаи, а окончательный тариф подписывает человек.
  • Данные по историческим убыткам и клиентам остаются в контуре компании — для финансового сектора это чаще требование службы безопасности, чем пожелание.

Источники: CNews, 09.12.2025.

Какую проблему решает

Андеррайтер получает заявку на новый полис и должен решить: какой тариф, какие исключения, стоит ли вообще брать риск. По-хорошему для этого нужно поднять похожие случаи за прошлые годы — как часто там были убытки и на какую сумму. На практике на это нет времени, и решение принимается по интуиции и укороченному чек-листу.

Из-за этого одни риски компания оценивает слишком осторожно и теряет клиентов в пользу конкурента, а другие — слишком мягко и потом платит по ним больше, чем собрала премий. Ошибка видна только через год, когда убытки уже случились.

Как это работает

1Приходит новая заявка на полисот клиента, брокера или агента2Поднимает похожие случаииз истории компании за прошлые годы3Считает риск-профильвероятность и размер вероятного убытка4Предлагает тариф и условияс обоснованием, на чём основан расчёт5Андеррайтер проверяет и решаетменяет, если не согласен, и подписывает
Как помощник готовит решение по риску

Обоснование здесь — самое важное. Андеррайтер не должен верить цифре на слово: он видит, из каких случаев она сложилась, и может её оспорить. Это и требование регулятора, и способ, которым решение вообще можно защитить перед клиентом или в суде.

Кому подходит

Страховым компаниям, у которых накоплена история минимум за 2–3 года по массовым видам страхования — авто, имущество, здоровье. Чем больше однотипных полисов в портфеле, тем точнее расчёт.

Что нужно от вас

Исторические данные по заявкам, тарифам и убыткам — обычно они уже есть в вашей учётной системе, доступ к ней и нужен. Андеррайтер или руководитель отдела, который проверяет первые расчёты и говорит, где модель ошибается.

Границы решения

Модель не принимает риск и не подписывает полис — это по закону и по здравому смыслу делает андеррайтер. Она не работает без истории: на новом для компании виде страхования или продукте считать пока не на чем, там решает только человек. И она не заменит перестраховочную защиту там, где риск выходит за пределы истории компании, — крупные и нестандартные случаи всегда идут через отдельную оценку.

С чего начать

Начинаем с бесплатного разбора за 40 минут и смотрим, сколько истории убытков у вас накоплено и хватит ли её для расчёта. Дальше — аудит процесса андеррайтинга за 150 000 ₽, отраслевое внедрение — от 1 500 000 ₽, от двух месяцев, сопровождение 150 000–400 000 ₽ в месяц. Контур на ваших серверах — от 2 500 000 ₽.

Сценарии применения ИИ — другие решения

Все решения направления →

AI для автоматизации контекстной рекламы по марже

Настраиваем ставки и бюджет по реальной прибыли из вашей CRM и 1С, а не только по кликам, которые видит рекламный кабинет.

AI для онлайн-образования: автоматическая генерация заданий

Описание кейса: EdTech-команда тратила дни на генерацию проверочных заданий.   Решение от La-chatte: AI анализировал учебный модуль и предлагал тесты с вариантами ответов и объяснениями. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под […]

AI для продуктовых команд: перевод технических текстов

Описание кейса: Команда писала сложные и длинные changelogs, которые никто не читал.   Решение от La-chatte: AI превращал технические описания в ясные тексты для разных аудиторий. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-Performance: Рост мотивации и эффективности 1:1

Описание кейса: HR-отдел не успевал проводить 1:1 на регулярной основе.   Решение от La-chatte: AI выдавал рекомендации, трекал OKR и генерировал самооценку. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под специфику отрасли и […]

AI-агент для карьерного планирования и развития сотрудников

Описание кейса: IT-компания хотела снизить внутреннюю текучку и улучшить карьерные треки.   Решение от La-chatte: AI анализировал интересы, навыки и возможности, предлагая персональные шаги в развитии. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-агент для службы поддержки: разбирает и закрывает обращения

Снимает с операторов поток одинаковых вопросов: простое закрывает сам со ссылкой на документ, сложное передаёт человеку вместе с готовым разбором.

AI-анализ отзывов: обработка в 10 раз быстрее

Описание кейса: Компания получала тысячи отзывов в открытых формах и не успевала обрабатывать.   Решение от La-chatte: AI категоризировал фидбек по темам, тревожным сигналам и критичности. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-аудит процессов найма на предмет скрытой предвзятости и автоматизация DEI-стратегии

Описание кейса: IT-компания хотела снизить барьеры для женщин и представителей меньшинств.   Решение от La-chatte: Запустили AI-проверку объявлений, анкет и процессов, дали рекомендации по улучшению. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под […]
La-Chatte

Готовы передать рутину
ИИ-сотрудникам?

За 30 минут разберём задачу, которая съедает время команды, и честно скажем, стоит ли отдавать её ИИ.

    Что вас интересует?