Обезличивание персональных данных – это важный инструмент для выполнения требований законодательства при реализации различных кейсов и бизнес-задач в страховании. Прежде всего, использование обезличенных дата-сетов позволяет минимизировать риски при утечке клиентских данных. Еще одно важное направление применения технологии – это подготовка дата-сетов при работе с большими языковыми моделями. Об этом рассказала Марина Ляшенко, вице-президент – руководитель лаборатории финтех и инноваций Страхового Дома ВСК, в рамках выступления на ежегодной конференции CDI Conf в панели «Обезличивание персональных данных в 2025 году: что требует закон и что нужно бизнесу». 

Ключевым бизнес-трендом последних лет становится клиентоцентричный подход в построении бизнеса, и как часть этой работы – выстраивание оптимального нативного взаимодействия между компанией и клиентом/партнером. Эта тенденция характерна для страхования, так как это в первую очередь партнерский бизнес. Игроки рынка стремятся одновременно сократить время обработки запросов от клиентов - и сохранить при этом высокий уровень SLA. 

Для решения этой задачи в ВСК активно внедряется применение больших языковых моделей – как внутри компании, так и в облаке. Инструменты обезличивания данных существенно расширяют возможности в реализации кейсов для использования облачных технологий, позволяющих компании оптимизировать расходы на содержание внутренней инфраструктуры. 

В ВСК есть успешные кейсы использования обезличенных датасетов. Например, в страховании лизинговых авто. Зачастую страховщикам сложно использовать стандартный шаблон заявок на страхование со всеми партнерами, также не все компании используют API-интеграцию. Для повышения операционной эффективности в компании был разработан ИИ-агент (его функционал основывается на технологии LLM и роботизации). Алгоритм работы цифрового помощника следующий – полученные от партнера документы распознаются при помощи технологии OCR (Optical Character Recognition, оптическое распознавание символов), выделяются важные атрибуты для расчета через LLM, затем робот загружает базовую информацию (параметры автопарка и т.д.) в систему для расчета, формируя размер премии.  

«Мы активно тестируем большие языковые модели, например, используем инструменты на базе искусственного интеллекта, помогающие разработчикам в написании кода или сотрудникам контакт-центров в рамках ДМС. Формирование обезличенных дата-сетов особенно актуально в проектах, которые базируются на большом объеме неструктурированных данных, требующих, например, обогащения, преобразования с использованием больших языковых моделей. Так, применение технологии в страховании лизинговых авто позволит нам сэкономить в перспективе порядка 10 млн рублей в год за счёт оптимизации одного внутреннего бизнес-процесса. По нашим оценкам, перспектива масштабирования этого подхода принесёт значительно больший эффект и позволит получить экономию и эффективность в других направлениях бизнеса», - отметила Марина Ляшенко, вице-президент – руководитель лаборатории финтех и инноваций Страхового Дома ВСК.