AI weszło w ubezpieczenia. Algorytmy i prewencja zmieniają wycenę ryzyka

Historycznie zakłady ubezpieczeń opierały się na liniowych modelach wyceny, starając się przewidzieć przyszłe zagrożenia. Współcześnie branża dysponuje szerokim dostępem do cyfrowych rejestrów i szczegółowych informacji o zachowaniach oraz majątku konsumentów. A to – dzięki zastosowaniu uczenia maszynowego – umożliwia towarzystwom bardzo dokładne dopasowanie oferowanej składki do faktycznego poziomu ryzyka, a nie tylko do ogólnej charakterystyki danej grupy demograficznej czy – w przypadku ubezpieczeń korporacyjnych – profilu przedsiębiorstwa.

Przykładem są tu ubezpieczenia komunikacyjne. Na tej zmianie korzystają przede wszystkim ostrożni kierowcy, którzy nie muszą finansować w płaconych składkach kosztów generowanych przez mniej odpowiedzialnych uczestników ruchu.

– Dzięki temu, że wiemy więcej o naszym kliencie – o tym, jakim autem jeździ, od jak dawna jest kierowcą, jakie osiąga przebiegi oraz ile ma punktów karnych – jesteśmy w stanie lepiej dopasować cenę polisy do rzeczywistego ryzyka, które ubezpieczamy. Dzięki temu wycena jest bardziej sprawiedliwa i mniej uśredniona – tłumaczy Jakub Sajkowski, dyrektor Grupy PZU, szef Pionów Klienta Korporacyjnego i Programów Dealerskich.

Generatywne modele w biurowej codzienności

Cyfryzacja ubezpieczeń firmowych napotyka na inne wyzwania niż segment detaliczny. Zapytania płynące od przedsiębiorstw charakteryzują się tym, że każde jest inne, a współpraca między firmami a brokerami wiąże się ze sprawnym zarządzaniem przesyłanymi plikami. I to właśnie na tym etapie wkraczają modele oparte na generatywnej sztucznej inteligencji.

Ich zadaniem jest sprawne wyłuskanie najważniejszych informacji tekstowych oraz wstępne ułożenie ich w systemie wewnętrznym, co zwalnia specjalistów z powtarzalnych obowiązków administracyjnych.

– Model pracy polega na tym, że broker przesyła nam informacje, nadesłane przez klienta pliki i dokumenty. Niestety, nie są one w żaden sposób wystandaryzowane. Praca z tymi dokumentami jest więc czasochłonna i wymaga dużego nakładu pracy ludzi. Tymczasem AI jest całkiem dobry w porządkowaniu. Może domu nam jeszcze nie posprząta, ale z porządkowaniem dokumentów radzi sobie całkiem nieźle – przyznaje Jakub Sajkowski.

Przeczytaj: Pożar, powódź, błąd projektowy. Kto płaci, gdy staje wielka budowa?

Niezastąpiony czynnik ludzki

Skuteczność najnowszych narzędzi rodzi również pewne ryzyko. Maszynowo wygenerowane odpowiedzi i podsumowania często brzmią bardzo poprawnie oraz profesjonalnie, co może uśpić czujność pracownika zatwierdzającego dany wniosek. Oprogramowanie wciąż nie zawsze radzi sobie z interpretacją zawiłych warunków rynkowych, dlatego konieczna pozostaje weryfikacja wyników jego pracy przez analityka. Pełna autonomia algorytmów w obsłudze sektora B2B jest więc dość odległą perspektywą, gdyż oprogramowanie nie potrafi samodzielnie prowadzić złożonych ustaleń z kontrahentami.

– Często mówimy o tym, że jak negocjujemy, to istotne bywa to, gdzie w zdaniu umowy postawiony jest przecinek. I naprawdę nie ma w tym przesady. W zakresie negocjacji warunków umowy będzie więc trudno o automatyzację – przewiduje Jakub Sajkowski.

Przeczytaj: Fala inwestycji napędzi rynek ubezpieczeń dla firm. Gdzie tkwi największy potencjał?

Technologie wspierające prewencję

Zaawansowana analityka danych daje ubezpieczycielom możliwość współpracy i dzielenia się z klientami wiedzą na polu prewencji. Zakłady ubezpieczeń – poprzez analizę zdarzeń z tysięcy polis – dysponują sprawdzoną historią awarii w zakładach produkcyjnych. Często więc wiedzą o najsłabszych punktach linii technologicznych więcej niż specjaliści w nich zatrudnieni.

Rozwój internetu rzeczy (IoT) ułatwia stałe monitorowanie wybranych obszarów ubezpieczonego przedsiębiorstwa. W halach montuje się odpowiednie czujniki badające ciśnienie i temperaturę, a personel otrzymuje listy kontrolne do regularnej weryfikacji stanowisk.

Uważamy, że nasz rola jako ubezpieczyciela nie powinna się kończyć na tym, że gwarantujemy, że jeżeli coś się wydarzy, to za to zapłacimy. Powinniśmy się również dzielić z klientami i brokerami wiedzą, którą mamy o szkodach.

– Uważamy, że nasza rola jako ubezpieczyciela nie powinna się kończyć na tym, że gwarantujemy, że jeżeli coś się wydarzy, to za to zapłacimy. Powinniśmy się również dzielić z klientami i brokerami wiedzą, którą mamy o szkodach. To pozwala kontrolować poziom szkodowości i dbać o naszych klientów, jeszcze zanim powstanie szkoda – podsumowuje Jakub Sajkowski.

Główne wnioski

1. Wykorzystanie sztucznej inteligencji oraz ogromnych zbiorów danych zmienia branżę ubezpieczeniową, pozwalając na odejście od uśrednionych stawek na rzecz precyzyjnej wyceny ryzyka. Dzięki uczeniu maszynowemu i dostępowi do cyfrowych rejestrów ubezpieczyciele mogą dopasować składkę do faktycznego poziomu zagrożenia.
2. W segmencie ubezpieczeń korporacyjnych wsparciem stają się generatywne modele AI, które potrafią uporządkować i wyselekcjonować kluczowe informacje z niewystandaryzowanych dokumentów przesyłanych przez brokerów. Systemy jednak wciąż nie radzą sobie z prowadzeniem skomplikowanych negocjacji biznesowych.
3. Zaawansowana analityka danych oraz rozwój internetu rzeczy (IoT) pozwalają ubezpieczycielom wspierać przedsiębiorstwa w działaniach prewencyjnych. Analizując historię zdarzeń z tysięcy polis, towarzystwa ubezpieczeniowe posiadają wiedzę np. o słabych punktach linii technologicznych. Wyposażenie hal produkcyjnych w odpowiednie czujniki umożliwia stałe monitorowanie zakładu, co pozwala firmom skutecznie kontrolować ryzyko i zapobiegać szkodom jeszcze przed ich wystąpieniem.

Artykuł powstał na zlecenie Grupy PZU.