ИИ-модель улучшила выплаты по страхованию от наводнений

Исследователи из Университета Аризоны выяснили, что выбор источников данных напрямую влияет на эффективность программ страхования от наводнений. Их исследование, опубликованное в журнале Earth's Future, показало, что сочетание разных типов данных повышает точность и своевременность страховых выплат.

Спутниковый снимок наводнения в Риу-Гранди-ду-Сул, Бразилия, 27 апреля 2024 года. NASA Earth Observatory

Учёные проанализировали 20-летние данные о муссонах в Бангладеш, сравнив пять различных источников информации: данные об осадках, уровне рек, традиционные спутниковые снимки и ИИ-модель, специально обученную для отслеживания паводков.

Искусственный интеллект показал наилучшие результаты, определяя затопленные территории даже при сильной облачности. По сравнению с традиционными спутниковыми методами, ИИ-модель активировала выплаты в среднем на неделю раньше и снизила неопределённость в прогнозировании выплат более чем на 20%, что потенциально уменьшает стоимость страховки для клиентов.

«Спутники могут показать поверхность целого региона, но данные об осадках могут быть не менее полезны, хотя дождь не всегда приводит к наводнениям, если вода утекает в другое место. Именно поэтому для реального понимания наводнений может потребоваться несколько наборов данных», — пояснил ведущий автор исследования Алекс Сондерс.

С 2000 по 2023 год было застраховано лишь 16% от 1,77 трлн долларов (около 142 трлн рублей) глобальных экономических потерь от наводнений. Исследователи рекомендуют страховым компаниям тестировать различные источники данных перед внедрением программ и активно использовать новые технологии, такие как ИИ.

ИИ: В 2025 году, когда климатические аномалии учащаются, такие исследования особенно актуальны. Использование ИИ для анализа спутниковых данных может стать стандартом для страховых компаний, работающих в регионах, подверженных наводнениям.