Т-Страхование выявило и предотвратило 1426 случаев мошеннических действий, связанных с получением выплат по КАСКО, ОСАГО в 2024 году. Общая сумма возможного ущерба по ним оценивается в 291,1 млн рублей.

Общее число случаев предотвращенных мошеннических действий в 2024 году в 1,2 раза выше, чем годом ранее (1426 против 1150 соответственно). Количество возбужденных уголовных дел по итогам года достигло 37, общая сумма ущерба по ним -11,2 млн рублей.

Иван Мироненко, генеральный директор Т-Страхования:  «Борьба с мошенничеством — первоочередная задача страховой, ведь это напрямую влияет на конечную выгоду для добросовестных автомобилистов. Поэтому подход к борьбе должен быть жестким и системным, чтобы увеличить число выявленного мошенничества и уменьшить привлекательность схем с поддельными ДТП или „разводными“ ремонтами. Современные технологии и комплексная работа службы безопасности уже помогают страховщикам в этом. Следующий шаг — более плотная совместная работа государства, правоохранительных органов и страхового рынка».

Большая часть мошеннических действий была выявлена при попытках получить выплаты по полисам ОСАГО. На их долю пришлось 98% от общего числа установленных случаев, на полисы КАСКО — около 2% случаев.

Наиболее частотные случаи, используемые злоумышленниками: постановочные ДТП, круговое мошенничество (т. е. мошенничество на круговом перекрестке, когда мошенники намеренно провоцируют ДТП с неподозревающей жертвой), повторное заявление ранее полученных повреждений, инсценировка угонов.

Больше всего мошеннических случаев выявлено по итогам прошлого года в Новосибирской области — 184 случая. Также в первую пятерку вошли Республика Башкортостан (174), Ульяновская область (117), Московская область (110), Челябинская область (107).

При этом в течение года специалистами Т-Страхования были выявлены 3 организованные преступные группы в Москве и Саратове. Общий материальный ущерб от их действий составил 5,6 млн рублей.

Рост числа предотвращенных случаев мошенничества связан с совершенствованием антифрод-системы страховой компании, а также применению ML-моделей, которые по ряду признаков выявляют подозрительные обращения.