Гендиректор блокчейн-платформы REGA Risk Sharing Сергей Севрюгин рассказал о том, как блокчейн трансформирует рынок страхования.
CoinFox: В описании проекта Rega Risk Sharing используется новый термин — краудшуранс (crowdsurance). Почему вы решили отказаться от термина страхование?
Сергей Севрюгин: То, что мы делаем, обычным словом страхование называть не очень правильно. В отличие от классического страхования у нас нет страховой компании, нет централизованного органа, который собирает деньги от клиентов и потом эти деньги выплачивает клиентам в виде покрытия рисков, нет централизованного органа, который принимает решение по заявкам (claim).
Мы долго искали слово, которое бы отражало суть проекта. Думали над совместным, взаимным страхованием, но и они отсылают к традиционной схеме страхования рисков с участием посредников.
Технически мы сильно отличаемся от классического страхования. У нас сообщество людей, которые объединяются для покрытия риски. Без посредников, все под управлением смарт-контрактов, прозрачно и неизменно благодаря использованию технологии блокчейн.
Есть еще один немаловажный момент: слово страхование/insurance содержит в себе негативные коннотации для многих клиентов.
С этим связно и негативное отношение к страхованию. Выступая на конференциях, мы часто спрашиваем у присутствующих в зале — как вы относитесь к добровольному страхованию? Практически всегда ответы – «плохо». Поэтому мы решили избавиться от этой негативной коннотации.
CoinFox: Вы заявляете о том, что использование сервиса позволит сократить расходы на управление рисками на 80%. За счет чего это будет сделано?
Сергей Севрюгин: В страховом бизнесе огромную долю премии забирают посредники. Многие страховки покупаются не напрямую у страховой компании, а через брокера или в ритейле, например, при покупке авиабилетов на сайте авиакомпании. Мы работаем в страховом и кредитном рынке уже 15 лет и знаем, что порой комиссия брокеров достигает 80-90%. Это такой честный отъем денег. Обычно клиент не знает о том, сколько получает брокер, потому что если бы он узнал, вряд ли бы захотел покупать такой продукт.
Но на нашей платформе благодаря блокчейну и той прозрачности, которую он подразумевает, пользователи смогут увидеть в смарт-контрактах, сколько денег было собрано и с какого количества людей. При такой прозрачности ситуация, когда брокер сможет получать 80-90%, вряд ли возникнет.
CoinFox: Расскажите подробнее, как работает скоринг? Определение рисков только по фотографии звучит футуристично.
Сергей Севрюгин: Это звучит так же странно, как и то, что ваши риски можно просчитать по вашим демографическим данным, а ведь именно это самый привычный способ оценки страховых рисков.
Как работает традиционный скоринг: это анкетирование клиента со стандартными вопросами о возрасте, прописке, наличии детей и других иждивенцев. Эти параметры используются для определения того, насколько клиент будут хорошим заемщиком. Есть и другие, удивительные, но подтвержденные статистикой параметры. Например, люди, адрес которых содержит слово «тупик», обычно являются менее хорошими заемщиками, чем те, у кого этого слова в адресе места жительства нет.
Страховая или заемщик собирает статистику по анкетам клиентов, она накапливается. Дальше эта статистика, или, как ее называют, накопленная демография, дополняется информацией о том, был ли этот заемщик или страхователь в результате хорошим или нет, как часто у него наступали страховые случаи, как часто, например, у него болело животное. С помощью определенных математических алгоритмов эта информация обрабатывается, анализируется, и получается определенная модель поведения. Эта математическая модель, обученная на статистических данных, потом будет говорить, стоит ли иметь дело с тем или иным заемщиком или страхователем, просчитывает страховые риски и страховую премию исходя из уровня рисков.
Это то, как работает обычная страховая модель.
Мы же продвинулись дальше и сделали свою модель. Мы стали определять часть демографических данных по фотографии животного и его хозяина. Пилотом для ее тестирования стала программа распределения рисков для владельцев домашних животных. По фотографии можно с достаточно большой точностью понять возраст, пол и другие демографические параметры.
Мы с точки зрения скоринга мало что придумали нового: вместо привычной анкеты мы взяли часть стандартной демографической информации из фотографии, а также добавили в параметры некоторые черты лица, которые, как мы выяснили путем многих экспериментов, влияли на статистику по страховым рискам.
CoinFox: Почему сначала платформа заработает на рынке США, а потом уже в ЕС? Почему не быстрорастущие страны Азии?
Сергей Севрюгин: Мы хотели понять, как работает продукт на принципах взаимного страхования, так что мы должны были найти ту нишу, где конкуренция не слишком большая. Мы обнаружили совершенно случайно, что рынок страхования животных очень интересный. На нем крутится огромный объем денег. А в России на этом рынке практически нет страховых компаний. Были попытки со стороны крупных страховщиков, но продукты, которые выводились на рынок, были настолько дорогими и сложными, что спроса на них почти не было. Мы увидели в этом возможность и свободную нишу.
Но в России мы столкнулись с преградой в виде низкого спроса. Отсутствие конкуренции — это здорово, но оно имеет и оборотную сторону — отсутствие или низкий спрос на такой продукт. Как оказалось, люди даже не задумывались о том, чтобы застраховать своего питомца.
У российской аудитории пока нет понимания и опыта в использовании таких продуктов. На таком рынке нужно гораздо больше денег на маркетинг и пиар, чем на тех рынках, где аудитория более активно пользуется добровольным страхованием. Поэтому мы стали смотреть на более развитые рынки. Мы изучили и выяснили, что в этом отношении рынок США очень интересен. К домашним животным там относятся, как к детям. Там в этом секторе активно развиваются многие компании, существует множество продуктов. При этом проникновение страховых продуктов в сектор pets пока очень небольшое, около 5%, но оно стремительно развивается и имеет большой потенциал.
Таким образом мы решили ,что имеет смысл выводить продукт на развитые рынки, где не такая большая конкуренция и где есть клиенты, готовые воспринять этот продукт.
CoinFox: Работа страховых компаний не вызывает нареканий у клиентов до тех пор, пока они не сталкиваются с, по их мнению, несправедливым присуждением страхового возмещения. В случае со страховой компанией процедура урегулирования споров ясна - это суд. Но куда обращаться пользователям платформы, если они не будут согласны с размером страхового возмещения?
Сергей Севрюгин: Мы фактически этот суд и процесс создаем нашим сообществом экспертов. Эксперты — это держатели токенов Risk Sharing Smart Token. Они выступают нашим жюри, эдаким судом присяжных, который рассматривает спорные кейсы.
Полная автоматизация без участия человека, как показали наши эксперименты, не дает такого результата, как совместное вовлечение в управление рисками и смарт-контрактов, и представителей коммьюнити.
Что важно – решение о присуждении или отказе в возмещении ущерба принимает не какой-то централизованный орган, например, страховая компания, а сообщество независимых и потому менее пристрастных участников платформы. При этом экспертам выгодно принять верное решение.
CoinFox: Чем ваша платформа отличаетесь от р2р страхования?
Сергей Севрюгин: Это похожая история. Обычно p2p больше используется в кредитовании, нежели в страховании. Но P2P-платформы не используют блокчейн, нет той прозрачности, возникает некоторое посредничество в виде компании, которая агрегирует и собирает деньги у людей, имеет сайт, платформу. Именно на счетах этой компании и хранятся все средства, выплаты по страховым случаям поступают также от компании.
Мы же не делаем нового посредника. В качестве хранилища средств используются смарт-контракты. Мы не управляем этими средствами, не храним их на своих счетах. Мы разработчики сервиса и его смарт-контрактов.
CoinFox: Использовали ли вы при построении блокчейн-платформы те практики, которые вы ранее использовали в своих предыдущих страховых и кредитных проектах?
Сергей Севрюгин: Да, например, для построения системы скоринга мы использовали информацию из уже существующей у нас системы страховых и кредитных продуктов, через которую ежемесячно проходит 30 миллионов долларов в транзакциях. В ней мы накопили достаточно большой объем фотографий. Нас не интересовали личные данные, фотографии по сути были обезличены — мы смотрели на них с точки зрения привычного скоринга, который проводятся в страховых компаниях и банках.
Оцифровав эти фотографии и используя статистику по демографии и страховым рискам, мы построили модель, которая позволяет с вероятностью 70% определить по фотографии, насколько этот человек приемлемый член сообщества по распределению рисков. Этот проект мы сделал совместно с Microsoft: они нам помогали консультациями. Это звучит футуристично, но если разобраться, оказывается, что это банальная математика и статистика.
Беседовала Елена Платонова
