První úspěchy ukazují, že přístupy založené na AI často překonávají tradiční systémy. Odvětví je však stále na samém počátku této transformace. Technologie, jako jsou Large Language Models (velké jazykové modely LLM), by mohly v příštích letech přinést rozhodující pokrok. Nesmíme však ignorovat výzvy, jako je kvalita dat.
Mohlo by vás zajímat: Rastislav Havran: Klíčový problém trhu? Podpojištěné a nepojištěné domy
Současný stav: nestrukturovaná data jsou potenciálem
Přestože pojišťovnictví již léta investuje do digitálních systémů, mnoho aplikací je stále založeno na modelech spočívajících na pravidlech téměř výhradně strukturovaných dat. Tyto modely spolehlivě fungují v definovaných scénářích, ale často narážejí na své limity, pokud jde o rozsáhlejší spornou problematiku. Zároveň často zůstávají nevyužita nestrukturovaná data, jako jsou texty z e-mailů nebo znalecké posudky. Přitom právě tyto informace mohou poskytnout zúčastněným důležité poznatky.
Konkrétní příklad z praxe to jasně ukazuje: při regresní správě pojistných smluv pojištění budov jsou zásadní informace často obsaženy ve znaleckých posudcích nebo fakturách řemeslníků. Tyto dokumenty obsahují podrobnosti o příčinách škod, odpovědnosti nebo odchylných standardech, které naznačují možné regresní nároky. Tradiční systémy založené na pravidlech nemohou tyto informace do posouzení zahrnout, zatímco moderní modely umělé inteligence je cíleně analyzují a extrahují. S pomocí takových inteligentních modelů lze dosáhnout vyšší kvóty v řízení regresů a efektivnějšího využití stávajících zdrojů.
Mohlo by vás zajímat: Michal Řezníček: Klienti chtějí řešení od A až do Z. V Directu nám to dává smysl
Proč technologie LLM vytváří nové příležitosti
Vývoj LLM by mohl v nadcházejících letech hrát ústřední roli. Dokážou nejen analyzovat nestrukturované texty, nýbrž také rozpoznat složité vztahy, souvislosti, a zasadit je do širšího kontextu. To otevírá nové perspektivy pro odvětví pojišťovnictví, zejména v oblasti automatizace procesů. A zde je další příklad z praxe: oznámení o pojistných událostech, která dříve museli kontrolovat úředníci v časově náročném procesu, lze pomocí LLM analyzovat efektivněji, a sice bez ohledu na to, zda byly texty vytvořeny strojově nebo ručně. Silné stránky těchto systémů se projevují zejména při rozpoznávání pokusů o pojistný podvod. Zatímco tradiční modely se omezují na známé vzory, řešení s podporou umělé inteligence identifikují i jemné anomálie, které by mohly indikovat podvod. Takový pokrok však není „zadarmo“: například pokud jde o integraci technologie LLM do stávajících procesů nebo při zajištění potřebné kvality dat.
Výzvy: kvalita dat je klíčem pokroku
Jakkoli je potenciál umělé inteligence velký, její úspěch do značné míry závisí na kvalitě dat. Nestrukturovaná data, například ta, která se nacházejí v e-mailech nebo znaleckých posudcích, je třeba převést do zpracovatelného formátu. To vyžaduje nejen technické znalosti, ale také pochopení toho, jaké informace jsou skutečně relevantní. Nesprávná nebo neúplná data mohou zkreslit výsledky nebo je posunout nežádoucím směrem a omezit tak přínosy technologie. Dalším aspektem je kvalita otázky položené UI. Postupy LLM mohou být působivě výkonné, ale přesné výsledky poskytují pouze tehdy, jsou-li specificky řízeny. Proto je rozhodujícím faktorem „inženýrství dotazů“, tj. návrh správných dotazů na UI.
Mohlo by vás zajímat: ČAP Insurance Talk: U mikrofonu Tereza Slavíková
Praktické příklady: Pokrok a první úspěchy
Existuje řada příkladů, které už dnes ilustrují potenciál umělé inteligence v praxi. Společnosti například využívají zpracování přirozeného jazyka (Natural Language Processing; NLP) k automatické kontrole škodních hlášení. UI nejenže rozpozná zjevné nesrovnalosti, ale také analyzuje jazykové vzorce a formulace, které mohou naznačovat podvodné úmysly klienta.
V oblasti správy regresů je situace podobná: moderní systémy analyzují nestrukturovaná data, aby identifikovaly potenciální nároky vůči třetím stranám. Znalecké posudky, faktury a další dokumenty jsou automaticky prověřovány, zda neobsahují indicie, které tradiční systémy nedokázaly odhalit. Výsledky jsou slibné a zajišťují výrazné zvýšení úspěšnosti. Integrace těchto informací do procesu přezkumu uzavřených spisů přináší také značné výhody. Hodnocení uzavřených spisů pomocí umělé inteligence lze například využít k jejich předběžnému třídění, které by mělo být v procesu zpětné kontroly uzavřených spisů zohledněno v první řadě.
Proč je právě teď ten vhodný čas
Pojišťovnictví se nachází na křižovatce. Společnosti, které investují do AI v rané fázi a uzavřou případně potřebná strategická partnerství, si zajistí rozhodující výhody v dlouhodobém horizontu. To platí zejména v oblastech, jako je řízení regresních náhrad nebo odhalování podvodů, kde AI již dosahuje velkých pokroků. Zároveň je spolupráce s poskytovateli technologií klíčovou strategií, protože pojišťovny mají k dispozici velké množství dat, ale často jim chybí technické znalosti k využití tohoto potenciálu.
Mohlo by vás zajímat: Jan Klíma: PREMIUM Pojišťovna přináší svěží vítr na český trh
Závěr: Šance na aktivní utváření budoucnosti
Umělá inteligence nabízí pojišťovnictví obrovské příležitosti, od zvýšení efektivity až po otevření nových oblastí pro podnikání. První aplikace ukazují, že zejména analýza nestrukturovaných dat by mohla změnit pravidla hry. Tento vývoj však vyžaduje předvídavost a strategické kroky. Pojišťovny, které nyní investují a propojí se se specializovanými partnery, mohou utvářet nejen svou vlastní budoucnost, ale i budoucnost celého odvětví.
O autorovi komentáře: Stefan Winkel je odborník na management pojistných událostí a pojistných podvodů s více než 25 lety zkušeností v pojišťovnictví. Jako vedoucí týmu Claims Solutions ve společnosti adesso SE spojuje technické znalosti s praktickými řešeními. Zaměřuje se na inovativní přístupy k efektivní likvidaci pojistných událostí a automatizaci procesů.
Komentáře
Přidat komentář