ИИ в страховании: уроки единой платформы льгот

19.12.2025 две компании подписывают пятилетнее соглашение — и, на первый взгляд, это обычная новость про внедрение «ещё одной» платформы. Но если присмотреться, сделка Amalgamated и Comprehensive Healthcare Systems (CHS) вокруг Novus360 показывает то, что многие страховщики в России по-прежнему недооценивают: эффект даёт не “магия ИИ”, а правильно собранный контур данных и процессов, где автоматизация становится нормой, а не надстройкой.

С 16.12.2025 стартует внедрение облачной платформы Novus360 для интегрированного администрирования медльгот и пенсионных программ в сложной среде многопрофильных планов (multiemployer, Taft-Hartley). Там сходятся регистрация участников, обработка заявлений/требований, контроль соответствия и аналитика — в одном контуре. Для страхования это почти зеркальная ситуация: андеррайтинг, урегулирование, комплаенс, выплаты и отчётность также годами жили «в разных коробках».

Ниже — разбор, почему такие внедрения дают измеримый результат, какие параллели напрямую применимы к ИИ в страховании, и что делать компаниям, которые хотят получать лиды не из «общих обещаний», а из реальных операционных улучшений.

Почему единая облачная платформа важнее, чем “ещё один модуль”

Ключевой вывод: единая платформа убирает разрывы между данными и процессами, а значит — сокращает ручной труд и ошибки, ускоряет решения и делает прозрачными обязательства.

В новости важна не только длительность контракта (5 лет), а сам выбор подхода: Novus360 берёт на себя несколько «критических контуров» сразу — от enrolment до claims processing и compliance tracking. Когда эти функции разнесены по разным системам, страховщик (или администратор льгот) платит трижды:

• за ручные сверки между реестрами, статусами и выплатами;
• за задержки (клиент ждёт, партнёр нервничает, SLA горит);
• за риск несоответствия требованиям регулятора и внутренним политикам.

Именно поэтому CIO Amalgamated подчёркивает «гибкость и интеграционные возможности» в сложной среде. По моему опыту, гибкость — это не про «можем настроить поля». Это про способность системы выдерживать реальность: исключения, нестандартные правила, разные источники данных и постоянные изменения.

Прозрачность в реальном времени — это не “витрина”, а контроль рисков

В комментариях стороны говорят о real-time transparency для участников и доверенных лиц (trustees). В страховании аналог — прозрачность для клиента, партнёров, внутреннего контроля и службы безопасности.

Когда статусы заявлений, документы, основания решения и история коммуникаций лежат в одном контуре, резко падают:

• число конфликтов «кто обещал/кто потерял документ»;
• стоимость обработки повторных обращений;
• доля выплат «на доверии» без достаточного обоснования.

ИИ здесь становится полезным только после того, как прозрачность появилась как системное свойство.

Что эта история говорит про ИИ в страховании

Ключевой вывод: ИИ эффективен там, где процессы стандартизированы, данные объединены, а решения фиксируются и проверяются.

Novus360 — не «про ИИ» напрямую, но это именно тот фундамент, без которого ИИ превращается в красивую презентацию. Для страховой компании реальная ценность ИИ обычно лежит в трёх местах:

1. Автоматизация потока документов (извлечение данных из заявлений, справок, счетов, актов).
2. Триаж и маршрутизация (кому отдать кейс, какой приоритет, какие проверки запустить).
3. Контроль качества и комплаенса (сигналы о рисках, несоответствиях, аномалиях).

И всё это требует единого «источника правды»: единой карточки клиента/участника, единого таймлайна событий, единого справочника правил и версий.

Параллель с урегулированием убытков

В льготах речь идёт об обработке требований (claims). В страховании — урегулирование убытков. Проблема одинаковая: входящие данные разношёрстные, сроки жёсткие, решений много, а цена ошибки — высокая.

Если платформа объединяет процессы, ИИ можно применять точечно и безопасно:

• распознавать документы и подсвечивать недостающие поля;
• автоматически проверять лимиты/исключения/сроки;
• находить подозрительные паттерны (повторяемость, несостыковки, «слишком ровные» суммы);
• формировать черновики писем и запросов, но оставлять финальное решение за экспертом.

Это и есть практичный путь: не «заменить эксперта», а убрать рутину и снизить вариативность там, где она не нужна.

Какие процессы дают самый быстрый эффект от автоматизации

Ключевой вывод: начинать стоит с процессов, где много повторов, много ручных проверок и понятная экономика эффекта.

История с Novus360 ценна тем, что она сразу закрывает несколько контуров. В страховании похожую логику можно использовать для выбора “первых” use case ИИ.

1) Ввод и валидация данных (заявления, изменения, справки)

Самый частый источник потерь — ошибки ввода и разрыв между каналами (офис, агент, сайт, партнёр). Автоматизация здесь обычно даёт:

• меньше возвратов на доработку;
• меньше «потерянных» кейсов;
• быстрее старт рассмотрения.

2) Комплаенс и контроль правил

В Novus360 отдельно упоминается compliance tracking. Для страховщика это может означать:

• контроль обязательных проверок по каждому продукту;
• фиксация версий правил и оснований решений;
• отчётность для аудита и внутреннего контроля.

ИИ полезен как «второй контролёр»: он находит пропуски и несоответствия быстрее человека, особенно в больших объёмах.

3) Аналитика, которая привязана к действию

Аналитика в платформе — это не “дашборд ради дашборда”. Смысл — чтобы цифра приводила к действию: пересобрали маршрут, изменили правило, усилили проверку, перераспределили нагрузку.

Если аналитика не меняет процесс — она превращается в отчётность ради отчётности.

Риски внедрения “единой платформы” и как их не профукать

Ключевой вывод: чаще всего ломается не технология, а управление изменениями, данные и владение процессами.

Пятилетний контракт — это признание, что трансформация не делается за квартал. В страховании похожие проекты часто буксуют по трём причинам.

Данные: «грязь» всплывает в первые недели

Как только вы сводите enrolment/реестры/выплаты/документы в один контур, обнаруживается:

• дубли клиентов;
• разные идентификаторы в разных системах;
• противоречивые статусы;
• отсутствие обязательных атрибутов.

Решение простое, но не лёгкое: выделить владельца данных, правила качества и «разрешение конфликтов» на уровне политики, а не ручных договорённостей.

Процессы: автоматизировать хаос нельзя

Если «как работаем» нигде не описано, ИИ будет только усиливать вариативность. Сначала нужны:

• карта процесса (хотя бы на уровне шагов и ролей);
• SLA и точки контроля;
• список исключений и кто их утверждает.

Люди: страх потери контроля

Сотрудники часто воспринимают автоматизацию как попытку «срезать штат». Лучше честно формулировать цель иначе: снять рутину, сократить очереди, повысить качество решений. Тогда люди начинают помогать проекту, а не саботировать.

Хорошая автоматизация делает процесс предсказуемым. ИИ становится сильным именно там, где предсказуемость уже построена.

Практический чек-лист: как страховщику подойти к ИИ через платформенный подход

Ключевой вывод: сначала объединяем контуры данных и решений, затем добавляем ИИ как ускоритель.

Вот рабочая последовательность, которая обычно даёт быстрые результаты и не превращается в бесконечный R&D:

1. Выберите один сквозной поток (например, урегулирование по массовому продукту или обслуживание корпоративных договоров).
2. Определите “единый объект” (карточка случая/убытка/клиента) и перечень обязательных полей.
3. Соберите события в таймлайн: вход документа → проверка → решение → выплата → коммуникации.
4. Встроите контроль правил: кто и на каком основании принял решение, какие проверки пройдены.
5. Добавьте ИИ точечно:
   • извлечение данных из документов;
   • классификация обращений;
   • подсказки по следующему шагу;
   • сигналинг аномалий.
6. Считайте эффект в деньгах и времени: средний срок, доля ручных касаний, стоимость кейса, качество.

Если вы хотите лидогенерацию, этот чек-лист легко превращается в понятный оффер: «за 6–10 недель снизим ручные касания в потоке на X, ускорим принятие решения на Y, настроим контроль качества и витрину статусов для клиента». Конкретика продаёт.

Почему эта новость актуальна именно в декабре 2025

Ключевой вывод: конец года — лучший момент фиксировать архитектурные решения, потому что с января начинается новая волна регламентов, бюджетов и KPI.

В декабре обычно происходит одно и то же: команды закрывают хвосты, руководители утверждают планы, а клиенты становятся особенно чувствительными к срокам и качеству сервиса (премии, отчёты, дедлайны по договорам). Поэтому ставка на платформу, которая даёт прозрачность и ускорение “с первого дня”, — прагматичное управленческое решение.

Для страхования это тоже сезонная правда: январь и февраль часто приносят всплеск обращений, перерасчётов, изменений в программах. Если входящие потоки не автоматизированы, очередь вырастет моментально.

Что делать дальше: план на 30 дней

Если вы отвечаете за операционную эффективность, цифровую трансформацию или развитие ИИ в страховании, я бы действовал так:

• За 1 неделю: выберите один поток (например, массовые убытки или входящие обращения по ДМС) и соберите метрики “как сейчас”.
• За 2 недели: нарисуйте целевой процесс и определите, какие данные должны быть «едиными».
• За 3–4 недели: запустите пилот на ограниченном сегменте с чёткими KPI (скорость, качество, доля автоматических решений/подсказок).

Дальше вопрос уже не в том, «нужен ли ИИ». Вопрос в том, готовы ли ваши процессы и данные, чтобы он работал на прибыль, а не на презентации.

Какая часть вашего страхового цикла сегодня больше всего страдает от разрозненных систем — урегулирование, андеррайтинг или клиентский сервис?