Как AIG увеличила обработку заявок на 370,000 с помощью ИИ-агентов

Революция в страховании: как ИИ меняет бизнес-процессы

Страховая индустрия переживает технологическую трансформацию, и American International Group (AIG) становится ярким примером успешного внедрения генеративного искусственного интеллекта. Компания не просто экспериментирует с новыми технологиями - она перестраивает фундаментальные бизнес-процессы, получая измеримые результаты в производительности и эффективности.

Главный исполнительный директор Питер Заффино открыто признал, что изначальные планы по использованию ИИ выглядели скорее как мечта, чем реальная стратегия. Однако практика показала обратное. В отчете за четвертый квартал руководитель заявил: «Мы видим, что возможности намного больше, чем ожидалось». Это признание подкреплено конкретными цифрами и изменениями в операционных процессах.

Прорыв в обработке заявок без расширения штата

Самым неожиданным открытием для AIG стала способность обрабатывать колоссальный объем страховых заявок без найма дополнительных сотрудников. Заффино подчеркнул: «Мы наблюдаем массивные изменения в нашей способности обрабатывать поток заявок совершенно иначе, без привлечения новых человеческих ресурсов. Это стало самым большим сюрпризом».

В 2025 году компания активно встраивала генеративный ИИ в ключевые процессы андеррайтинга и урегулирования претензий, расширяя его применение. Внутренняя платформа AIG Assist теперь функционирует в большинстве коммерческих направлений бизнеса, демонстрируя практическую ценность технологии.

Подразделение Lexington Insurance, специализирующееся на избыточном и дополнительном страховании, поставило амбициозную цель - достичь 500,000 обработанных заявок к 2030 году. Удивительно, но уже в 2025 году этот показатель превысил 370,000, что говорит о стремительном росте производительности.

Оркестрационный слой: дирижер ИИ-агентов

Ключевым техническим достижением AIG стала разработка оркестрационного слоя в технологическом стеке. Эта система координирует работу множества ИИ-агентов, улучшая качество решений и снижая операционные расходы. На предыдущих инвесторских встречах такой уровень оркестрации не обсуждался - это новое слово в стратегии компании.

Заффино описывает ИИ-агентов как «компаньонов, работающих рядом с нашими командами». Эти цифровые помощники предоставляют информацию в реальном времени, анализируют исторические кейсы и даже оспаривают решения андеррайтеров, когда это необходимо. Компания делает ставку на способность управлять входящими данными «за долю прежнего времени» и координировать агентов так, чтобы они могли «масштабироваться и анализировать информацию без предвзятости на протяжении всего рабочего процесса».

Узнайте больше о практическом применении ИИ в бизнесе на сайте AI Projects, где эксперты делятся реальными кейсами и стратегиями внедрения.

Сжатие рабочего процесса от начала до конца

AIG связывает оркестрацию с тем, что называет «сжатием сквозного рабочего процесса» - более тесной интеграцией между приемом заявок, оценкой рисков и обработкой претензий. Компания утверждает, что множество агентов, скоординированных через оркестрационный слой, упрощают повторяющиеся и ранее длительные процессы.

Этот подход позволяет автоматизировать не отдельные задачи, а целые цепочки операций. Генеративные модели извлекают и суммируют входящие данные, передавая их между специализированными агентами, каждый из которых выполняет свою функцию в общей системе принятия решений.

Практические кейсы: интеграция портфелей и новые синдикаты

AIG применила свой ИИ-стек в конкретных бизнес-транзакциях, демонстрируя реальную ценность технологии. При конвертации розничного коммерческого бизнеса Everest компания смогла приоритизировать счета для продления «за долю прежнего времени». Руководство сообщило, что построило онтологию портфеля Everest и объединило ее со своей собственной, что «позволило приоритизировать, как портфели могут объединиться вместе».

Онтологическое выравнивание - технически сложная задача, которая часто влечет недооцененные затраты. Однако AIG справилась с этим вызовом, показав, что инвестиции в фундаментальную архитектуру данных окупаются.

Запуск синдиката Lloyd's 2479 в партнерстве с Amwins и Blackstone расширил онтологический подход на специализированную структуру. Совместно с Palantir компания использовала большие языковые модели для оценки того, соответствует ли портфель программ Amwins заявленному риск-аппетиту синдиката. Заффино отметил, что у AIG есть «сильный пайплайн возможностей для специальных проектных компаний».

Уроки для руководителей, принимающих решения об ИИ

Опыт AIG иллюстрирует практическую пользу, которую могут принести оркестрация и интеграция рабочих процессов при встраивании генеративных моделей в основные операции. Экономический эффект напрямую зависит от измеримых изменений в производительности и времени цикла обработки.

Для компаний, рассматривающих внедрение ИИ, кейс AIG демонстрирует несколько ключевых принципов:

Важность создания координирующего слоя для управления множеством специализированных агентов
Необходимость фокуса на сквозных процессах, а не точечной автоматизации
Ценность онтологического подхода к интеграции данных из разных источников
Возможность достижения результатов, превосходящих первоначальные ожидания

Компания не просто внедрила технологию - она перестроила операционную модель, используя ИИ как катализатор системных изменений. Результаты говорят сами за себя: кратное увеличение пропускной способности без расширения штата, ускорение критически важных бизнес-процессов и новые возможности для роста.

Будущее страхования с ИИ-агентами

Переход от «амбициозных прогнозов» к «намного большим возможностям» за короткий период показывает, насколько быстро развивается область применения генеративного ИИ в реальном бизнесе. AIG демонстрирует, что технология уже сейчас способна трансформировать консервативные отрасли, традиционно медленно принимающие инновации.

Оркестрация ИИ-агентов открывает новые горизонты не только для страхования, но и для других секторов, где критически важна обработка больших объемов структурированной и неструктурированной информации. Способность координировать работу множества специализированных моделей, каждая из которых решает свою задачу в общем процессе, становится конкурентным преимуществом.

Компания продолжает расширять применение технологии, и её опыт служит ориентиром для других организаций, стоящих перед выбором стратегии цифровой трансформации. Измеримые результаты, прозрачность процессов и готовность руководства делиться как успехами, так и вызовами делают кейс AIG особенно ценным для изучения.

Для тех, кто хочет глубже погрузиться в практические аспекты внедрения ИИ-решений и узнать о проверенных стратегиях, рекомендуем посетить AI Projects - платформу с экспертными материалами и консультациями.

Выводы: от эксперимента к операционному преимуществу

История AIG демонстрирует переход генеративного искусственного интеллекта из категории экспериментальных технологий в инструмент создания реального операционного преимущества. Компания не только достигла поставленных целей, но и превзошла собственные ожидания, получив конкретные измеримые результаты в виде увеличенной пропускной способности и сокращенного времени обработки.

Оркестрационный подход к управлению ИИ-агентами, сквозная интеграция процессов и онтологическое выравнивание данных - эти три элемента стали основой успеха. Опыт показывает, что инвестиции в фундаментальную архитектуру и координацию множества специализированных моделей окупаются ускорением критически важных бизнес-процессов и открытием новых возможностей для роста без пропорционального увеличения затрат на персонал.