Исследование Moody's: две трети страховщиков внедрили ИИ, но лишь 41% подтверждают финансовую отдачу

Промышленное масштабирование генеративного ИИ и операционное лидерство P&C-страховщиков

Искусственный интеллект окончательно преодолел стадию разрозненных лабораторных экспериментов и превратился в фундаментальный элемент операционного ландшафта страхового сектора. Согласно масштабному аналитическому исследованию рейтингового агентства Moody's Ratings, охватившему 58 ведущих североамериканских страховых компаний, перестраховщиков и брокерских холдингов (в сегментах Life, Health и P&C), внедрение алгоритмов машинного обучения приобрело системный характер.

Ключевые количественные бенчмарки проникновения технологий распределились следующим образом:

• Масштаб промышленной эксплуатации: Около двух третей (66%) опрошенных финансовых институтов уже вывели решения на базе ИИ в промышленную эксплуатацию (production). При этом 34% заявили о полномасштабном общекорпоративном развертывании (enterprise-wide), а еще 32% эксплуатируют множественные прикладные алгоритмы в ключевых операционных контурах;
• Безоговорочное лидерство генеративных моделей: Генеративный ИИ (Generative AI — большие языковые модели, диалоговые ассистенты, специализированные LLM-копилоты) используют 98% респондентов, что сделало его самой массовой технологией. Классические прогнозные модели машинного обучения (predictive ML) применяют 79% компаний, а агентные системы автономной оркестрации рабочих процессов (agentic workflows) внедряют 71%;
• Сегментные контрасты: Наибольшую зрелость демонстрируют страховщики имущества и ответственности (Property & Casualty) и профессиональные перестраховщики: 75% из них используют ИИ в операционной деятельности, включая первичное андеррайтинговое профилирование, автоматизированный триаж убытков, распознавание повреждений по фотоматериалам и антифрод-мониторинг. При этом моделирование катастрофических рисков и кумуляции отстает (всего 19% внедрений в продакшене из-за жестких требований регуляторов к валидации стохастических моделей);
• Специфика страхования жизни: В секторе Life проникновение алгоритмов сосредоточено на цифровизации клиентского сервиса и дистрибуции полисов (66%), тогда как долгосрочное актуарное резервирование и управление активами и пассивами (ALM) сохраняют консервативный ручной надзор ввиду многодесятилетней дюрации обязательств.

Финансовый парадокс: дефицит метрик ROI, бюджетные ограничения и барьеры внедрения

Несмотря на высокую технологическую динамику, исследование Moody's выявило глубокий институциональный парадокс: подавляющее большинство участников рынка не способно подтвердить экономическую целесообразность произведенных капиталовложений на уровне финансового результата компании.

Структура измерения финансовой отдачи свидетельствует о дефиците метрик:

• Проблема подтверждения ROI: Лишь 41% страховщиков на постоянной основе отслеживают и количественно подтверждают финансовый эффект (Return on Investment) от конкретных кейсов использования ИИ. Еще 34% рассчитывают финансовую отдачу от случая к случаю без единой методики, а 24% компаний опираются исключительно на качественные субъективные суждения («повышение удобства сотрудников», «сокращение времени звонка»);
• Скромная доля в IT-бюджетах: На разработку, внедрение и лицензирование ИИ страховщики тратят в среднем от 2% до 10% своих совокупных IT-бюджетов. Moody's констатирует, что на текущем этапе ИИ генерирует преимущественно локальную экономию на рутинных операциях (headcount avoidance, компрессия операционного цикла), не оказывая пока определяющего влияния на чистую комбинированную убыточность (combined ratio);
• Критические барьеры масштабирования: Главными препятствиями для перехода к глубокой алгоритмизации респонденты назвали острый дефицит специалистов на стыке актуарной науки и Data Science (81%), неудовлетворительное качество и фрагментарность накопленных исторических данных (71%), техническую сложность интеграции современных нейросетей с унаследованными транзакционными платформами (legacy core systems — 62%), а также регуляторную неопределенность (47%).

Кредитные риски, надзорные директивы NAIC и практические уроки для Казахстана

С позиций рейтингового агентства, влияние ИИ на кредитоспособность страховщиков оценивается как нейтрально-позитивное, однако сопряжено с формированием новых факторов уязвимости. Концентрация на инфраструктуре ограниченного числа технологических гигантов (гиперскейлеров вроде AWS, Microsoft Azure, Google Cloud) усиливает риск сторонних сбоев (vendor lock-in), а расширение использования нейросетей киберпреступниками обостряет риски масштабных утечек конфиденциальной информации страхователей.

Параллельно ужесточается надзорная среда: в США уже 29 штатов имплементировали Модельный бюллетень Национальной ассоциации страховых комиссаров (NAIC Model Bulletin on AI Systems), предписывающий обязательный аудит алгоритмов на предмет ценовой дискриминации и прямой запрет на отказы в страховых выплатах исключительно решениями «черных ящиков». В Великобритании Управление по финансовому регулированию и надзору (FCA) ввело требования персональной ответственности менеджмента за ошибки алгоритмов в рамках режима Consumer Duty.

Для страхового сектора Казахстана, где АРРФР в рамках Программы до 2030 года развивает цифровую экосистему ЕСБД и автоматизацию Европротокола, выводы Moody's имеют прямое прикладное значение. Внедрение скоринговых нейросетей требует формирования национальной методологии валидации моделей (model risk governance), недопущения алгоритмической сегрегации граждан и обязательного сохранения роли дипломированных актуариев при верификации тарифов.

Актуарный вывод: Массовое внедрение искусственного интеллекта в первичное андеррайтинговое ценообразование и триаж убытков без надежного измерения финансового эффекта (ROI) и аудита модельного риска создает скрытые угрозы для финансовой устойчивости страховщиков. Для актуариев использование нейросетей требует обязательного внедрения процедур стресс-тестирования алгоритмического сдвига (algorithmic drift), независимого бэктестинга вероятности дефолта моделей и раздельного учета расходов на ИИ-инфраструктуру при расчете комбинированного коэффициента убыточности (combined ratio). Автоматизация процессов не заменяет актуарную эквивалентность между принимаемым риском и тарифной ставкой.

Источник: Insurance News, аналитический отчет Moody's Ratings от 21 октября 2026 года. Также сообщали: Insurance Business Magazine, PropertyCasualty360, Coverwire.