Модуль 'Антифрод' на Zunami: Как технологии машинного обучения спасают страховые компании от мошенничества

За 12 месяцев с июня 2023 по июнь 2024 гг. страховые компании — клиенты платформы Zunami — получили более 2,5 тыс. потенциально мошеннических заявлений об урегулировании страховых случаев при перевозках.

Общая сумма заявленных убытков с июня 2023 по июнь 2024 месяцев по ним составила уже 557,5 млн р. Благодаря работе модуля страховщики смогли избежать потенциальных потерь на 424,68 млн р. — это 76,1% от общего объема заявленных убытков. Такие данные приводят аналитики платформы цифрового сопровождения страхования грузоперевозок Zunami калининградской ИТ-компании «Инносети». Указанная сумма — это возможная компенсация, которую страховщикам пришлось бы выплатить по мошенническим заявлениям на урегулирование претензий при страховании перевозок. Предотвратить мошенничества помог модуль «Антифрод» — решение полностью российской разработки.

В апреле 2024 г. разработчики обновили модуль «Антифрод» с помощью интеграции технологий машинного обучения. В результате этого «Антифрод» помог страховым компаниям сэкономить более 28 млн р. за два месяца работы с запуска обновления.

«Мы стремимся сделать Zunami удобнее и эффективнее. Благодаря интеграции технологий машинного обучения и обновлению модуля „Антифрод“, пользователям платформы не придется проделывать двойную работу — сотрудник страховой компании сразу видит информацию о потенциально мошеннической схеме еще на этапе подачи претензии. Наши пользователи подтвердили уже 70% уникальных мошенников из нового объема за эти два месяца», — комментирует генеральный директор компании «Инносети» Артем Ефимов.

Компания вывела определенные правила для выявления мошенничества, среди которых могут быть отдельно или в комплексе: отправка грузов однофамильцам, наличие признака судебного процесса, регионы присутствия мошенников, требование клиента осмотра груза при отсутствии видимых повреждений, заявитель по претензии является физлицом, небольшое количество накладных для контрагента, наличие документов в категории претензии «Документы, подтверждающие право на собственность», смена номера телефона или электронной почты, анализ звонков колл-центра, одинаковые фото в разных претензиях.

Мошеннические схемы могут содержать несколько правил по определению мошенничества, а также включать одинаковые правила в разных схемах. Модуль «Антифрод» обнаруживает более 100 различных правил мошеннических схем, постоянно обучается, наращивает реестр неблагонадежных контрагентов и базу «черных списков». Почти треть — 27,7% мошеннических схем от всего объема за последние 12 месяцев — подтверждена пользователями платформы благодаря постоянным обновлениям, в том числе интеграции технологий машинного обучения.