AI-агенты в страховании: как автономный андеррайтинг и разбор выплат меняют отрасль

Короткий ответ: AI-агенты в страховании — это не чат-бот для клиента, а автономные системы, которые сами читают заявку, сверяют её с полисом и данными риска, принимают решение по стандартным случаям и эскалируют человеку только нестандартные. По данным отраслевого обзора Deloitte, страховщики уже сокращают срок рассмотрения сложных заявлений с недель до дня, а потенциальная экономия только на борьбе с мошенничеством в P&C-сегменте оценивается в 160 млрд долларов к 2032 году. Дальше — какие задачи агенты закрывают на практике, сколько это экономит и с чего начать внедрение в российской страховой компании.

Зачем страховщику AI-агент, если генеративный ИИ уже внедрён

Чат-бот для клиентов или помощник для сотрудника отвечает на вопрос и на этом останавливается — решение всё равно принимает человек. AI-агент устроен иначе: он получает право действовать в рамках заданных границ — запросить недостающий документ, сопоставить его с базой, посчитать риск-скоринг и либо одобрить операцию, либо направить её на ручную проверку с готовым обоснованием. Именно этот шаг — от «подсказать» к «сделать» — Deloitte называет главным сдвигом отрасли в 2026 году: агентные системы всё чаще берут на себя приоритизацию и обработку входящих данных с минимальным участием человека, а не просто ускоряют печать документов.

Где AI-агенты уже работают: андеррайтинг, выплаты, мошенничество

Андеррайтинг: AIG, Anthropic и Palantir

Страховая группа AIG внедрила ассистента на базе генеративного ИИ, созданного совместно с Anthropic и Palantir. Система самостоятельно принимает и приоритизирует каждую новую заявку по excess & surplus страхованию — сегменту нестандартных и высокорисковых рисков — и позволяет тем же андеррайтерам обрабатывать больше заявок без расширения штата. Это не разовая автоматизация одной формы, а постоянно работающий агент, встроенный в очередь входящих заявок.

Выплаты: Zurich сокращает 22 дня до одного

Zurich Financial Services совместно с University of Technology Sydney внедрили ИИ-инструмент для заявлений по страхованию жизни, где клиент раскрывает сведения о психическом здоровье — исторически самая долгая и чувствительная категория случаев. Срок обработки такого заявления сократился с 22 дней до менее чем одного дня — это 96% сокращения цикла без потери качества оценки риска.

Мошенничество и триаж: Allianz, AXA и азиатские страховщики

Allianz и AXA сейчас разворачивают агентные возможности именно в блоке claims (урегулирование убытков), хотя обе компании прямо называют это осторожным движением: сначала модернизация данных и переход в облако, и только потом — экспериментальные агентные проекты поверх обновлённой инфраструктуры. Страховщики в Азии в это же время уже используют gen AI-ботов поддержки и системы триажа заявлений — но только в «безопасных» с точки зрения регулятора сценариях, где ошибка агента не создаёт юридического риска.

Сколько это экономит: цифры, а не общие фразы

Показатель	Значение	Источник примера
Срок обработки чувствительного заявления по life-страхованию	с 22 дней до <1 дня (−96%)	Zurich + UTS
Потенциальная экономия P&C-страховщиков на fraud-аналитике в реальном времени к 2032 году	до $160 млрд	оценка Deloitte
Рост объёма обрабатываемых андеррайтинговых заявок без роста штата	без найма новых сотрудников	AIG + Anthropic + Palantir
Доля страховщиков, реально прокачавших навыки команды под работу с ИИ	25% при 90% признающих срочность	обзор Deloitte

Последняя строка в таблице — самая важная: разрыв между «признаём необходимость» и «сделали» в 65 процентных пунктов объясняет, почему у большинства компаний агент остаётся пилотом на одном продукте, а не масштабируется на весь портфель.

Почему не все страховщики спешат

• Раздробленные данные. Аэрофотоснимки, данные телематики, медицинские счета накапливаются в разных системах, и агент не может принять качественное решение, если не видит полную картину риска.
• Легаси-платформы полисного администрирования. Часть руководителей открыто сомневается: стоит ли начинать многолетнюю замену core-системы, если через пару лет её логику всё равно возьмёт на себя ИИ-контур.
• Расширенная поверхность атаки. Облако, API-интеграции, IoT-устройства и сами агенты одновременно увеличивают число точек, через которые можно скомпрометировать данные клиента — Deloitte прямо называет доверие таким же конкурентным активом, как и скорость.
• Регуляторная неопределённость. Даже там, где регулятор поддерживает эксперименты — как программы Валютно-финансового управления Сингапура или Управления страхования Гонконга, — компании предпочитают сначала обкатывать агента на низкорисковых сценариях.

Что это значит для страхового рынка России и СНГ

Российские страховщики сталкиваются с той же развилкой данных и легаси-систем, что и AIG или Zurich, но с дополнительным условием: работа AI-агента с персональными и медицинскими данными клиента должна соответствовать 152-ФЗ, включая требования по локализации хранения. По практике Unlim Group, для страховой компании в РФ первый жизнеспособный пилот — это не полная замена андеррайтера, а узкий агент на одном типе типовых заявок (ОСАГО, розничное страхование имущества), где решение легко проверить и откатить. Такой периметр снимает регуляторный риск и одновременно даёт измеримый эффект — сокращение среднего срока рассмотрения заявления — уже в первом квартале пилота.

С чего начать: чек-лист запуска (рекомендация Unlim Group)

1. Выбрать один тип заявлений с высоким объёмом и низкой вариативностью — не самый сложный случай, а самый частый.
2. Свести данные по этому типу заявлений в единый источник, прежде чем подключать агента — агент, работающий поверх разрозненных таблиц, будет ошибаться независимо от качества модели.
3. Задать агенту жёсткий список решений, которые он не принимает сам: отказ клиенту, выплата выше определённого порога, случаи с признаками мошенничества.
4. Вести аудит-лог каждого решения агента с той же строгостью, что и лог доступа сотрудника к персональным данным — это требование 152-ФЗ и одновременно инструмент разбора инцидентов.
5. Через 4-6 недель сравнить долю заявлений, ушедших на ручную проверку, с плановой — рост этой доли говорит о дрейфе качества раньше, чем жалобы клиентов.

Читайте также: AI-агенты в финансовом отделе и Управление рисками AI-агентов: чек-лист безопасного внедрения.

---

Материал подготовлен командой Unlim Group. Источником вдохновения послужил отраслевой обзор Deloitte «2026 Global Insurance Outlook». Российский контекст, требования 152-ФЗ и чек-лист запуска пилота — собственный опыт проектов Unlim Group.