Towarzystwo ubezpieczeniowe to w dużej mierze maszyna do przetwarzania dokumentów. Wnioski, polisy, zgłoszenia szkód, protokoły, faktury, korespondencja z klientem i reasekuratorem, cała ta masa wciąż w ogromnej części przechodzi przez ręce ludzi, którzy czytają, przepisują i przeklejają dane między systemami. Automatyzacja w ubezpieczeniach zaczyna się właśnie tam, gdzie wykwalifikowany specjalista robi pracę, której nie powinien robić: ręcznie wyciąga numer polisy z PDF-a albo przepisuje dane z protokołu szkody do systemu likwidacji.
Z naszego doświadczenia problemem nie jest brak chęci, tylko zaufanie: w regulowanym środowisku nie można wdrożyć modelu, który „zwykle się nie myli”. Dlatego dla UNIQA zbudowaliśmy asystenta AI opartego na RAG i LLM, działającego na polskim modelu PLLuM w realiach jednego z największych towarzystw w regionie. Ten sam fundament, kontrolowane sięganie po wiedzę, przewidywalne odpowiedzi i bezpieczeństwo danych, wykorzystujemy do automatyzacji dokumentów i procesów.
Gdzie w ubezpieczeniach najwięcej czasu ucieka na ręczną pracę z dokumentami?
Najwięcej marnuje się tam, gdzie dane już istnieją, tylko w niewygodnej formie. Zgłoszenie szkody przychodzi jako skan i dziesięć zdjęć, polisa jako PDF, faktura serwisowa jako zdjęcie z telefonu. Człowiek staje się wtedy interfejsem między dokumentem a systemem: odczytuje, klasyfikuje, wprowadza, sprawdza kompletność. To praca powtarzalna, obciążająca i podatna na błędy, a przy tym kosztowna, bo wykonują ją ludzie, którzy powinni zajmować się oceną ryzyka albo trudnymi szkodami.
Drugie źródło strat to przełączanie kontekstu. Underwriter czy likwidator skacze między systemem polisowym, pocztą, repozytorium dokumentów i wiedzą produktową. Każde takie przejście to sekundy i rozproszenie, które w skali tysięcy spraw miesięcznie zamieniają się w realny koszt operacyjny i wydłużony czas obsługi klienta.
Jak działa klasyfikacja dokumentów i ekstrakcja danych z AI?
To fundament całej reszty, bo większość procesów zaczyna się od dokumentu, który trzeba zrozumieć. Łączymy tu kilka warstw, dobierając je do rodzaju treści:
- OCR i przetwarzanie dokumentów (IDP) zamieniają skany i zdjęcia na tekst wraz z układem strony,
- klasyfikacja rozpoznaje, z czym mamy do czynienia (wniosek, polisa, protokół, faktura, wyrok),
- ekstrakcja danych z dokumentów z pomocą LLM wyciąga konkretne pola i zależności, także z dokumentów o zmiennej strukturze,
- walidacja sprawdza wynik względem reguł biznesowych i danych z systemów źródłowych.
Kluczowy jest próg pewności. Każde wyciągnięte pole dostaje ocenę wiarygodności, a sprawy pewne idą dalej automatycznie. Te poniżej progu trafiają do człowieka. Dzięki temu nie handlujemy jakością za szybkość, tylko świadomie decydujemy, co model może zrobić sam, a czego nie.
Jak zautomatyzować triage szkód w ubezpieczeniach?
Triage to moment, w którym najszybciej widać wartość. Zamiast kolejki, w której wszystkie zgłoszenia czekają tak samo, budujemy warstwę, która czyta zgłoszenie, uzupełnia je danymi z polisy i wstępnie je kwalifikuje. Proste, kompletne szkody o niskiej wartości mogą ruszyć ścieżką przyspieszoną, a sprawy złożone, nietypowe albo z sygnałami ryzyka nadużycia od razu trafiają do odpowiedniego zespołu z już przygotowanym kontekstem.
Nie chodzi o to, żeby model „decydował o wypłacie”. Chodzi o to, żeby likwidator dostawał sprawę posortowaną, opisaną i wzbogaconą, a nie surowy plik do rozgryzienia od zera. Decyzja zostaje po stronie człowieka, tylko podejmuje ją szybciej i na pełnych danych.
Jak asystent AI wspiera underwritera?
Tu wracamy do tego, co sprawdziliśmy w praktyce. Underwriter potrzebuje wiedzy rozproszonej po dokumentach, procedurach i systemach, a szukanie jej ręcznie zżera czas. Asystent oparty na RAG (retrieval-augmented generation) sięga po właściwe fragmenty wiedzy i podaje odpowiedź wraz ze źródłem, zamiast zgadywać. Dla UNIQA zbudowaliśmy dokładnie taki mechanizm, oparty na kontrolowanym dostępie do wiedzy. Przy ocenie ryzyka ten sam wzorzec pozwala streścić dokumentację wniosku, wychwycić braki i podpowiedzieć zapisy procedur, z których underwriter korzysta, podejmując decyzję.
Jak zautomatyzować procesy back-office z workflow, RPA i AI?
AI rzadko działa samo. Realna oszczędność powstaje, gdy inteligencja modelu wpięta jest w przepływ pracy, który prowadzi sprawę od początku do końca. Dlatego łączymy trzy rzeczy:
- silnik workflow porządkuje kroki, decyzje i przekazania między zespołami,
- RPA domyka integracje tam, gdzie system nie ma API i trzeba działać „jak człowiek przy ekranie”,
- AI bierze na siebie to, co wymaga rozumienia treści: klasyfikację, ekstrakcję, streszczenie, wstępną kwalifikację.
W tym układzie model nie jest gadżetem, tylko jednym z elementów procesu, który da się monitorować, wersjonować i rozliczać z wyniku.
Jak zapewnić człowieka w pętli, zgodność i bezpieczeństwo danych?
W ubezpieczeniach to nie jest dodatek, to warunek wejścia. Projektujemy rozwiązania tak, żeby człowiek pozostał w pętli wszędzie tam, gdzie zapada decyzja o istotnych skutkach, a model pełnił rolę asystenta, nie sędziego. Pilnujemy identyfikowalności, czyli tego, skąd pochodzi dana i na jakiej podstawie powstała odpowiedź, oraz kontroli dostępu do dokumentów i wiedzy.
Dane wrażliwe traktujemy jako dane wrażliwe. W pracy dla UNIQA działaliśmy w regulowanym środowisku z polskim modelem językowym, co pokazuje, że bezpieczeństwo, zgodność i lokalny kontekst da się pogodzić z automatyzacją, jeśli zaprojektuje się je od początku, a nie dokleja na końcu.
Jakie kompetencje dostarczamy do automatyzacji w ubezpieczeniach?
Budujemy zespół pod konkretny proces, a nie „na zapas”. Najczęściej spinamy w jeden skład kilka ról:
- inżynierowie AI/ML i LLM od modeli, RAG i ekstrakcji danych,
- inżynierowie danych od integracji, jakości i zasilania modeli,
- programiści backendu od workflow, API i wpięcia w systemy polisowe i likwidacyjne,
- eksperci od bezpieczeństwa i zgodności oraz architekt pilnujący całości.
Taki zespół wzmacniamy w modelu dopasowanym do etapu: od wzmocnienia Twojego zespołu po zespół dedykowany prowadzący wdrożenie end-to-end.
Jak robimy to w RITS?
Robimy to jako partner, który już dowiózł AI w regulowanym świecie ubezpieczeń. Dla UNIQA wdrożyliśmy asystenta AI opartego na RAG i LLM na polskim modelu PLLuM, czyli rozwiązanie działające na realnej wiedzy towarzystwa, z kontrolą nad tym, skąd pochodzą odpowiedzi. Ten sam fundament, kontrolowany dostęp do wiedzy, przewidywalne działanie modelu i bezpieczeństwo danych, przenosimy na klasyfikację dokumentów, ekstrakcję danych i automatyzację procesów. Zaczynamy od procesu, który najbardziej boli, dobieramy do niego technologię i skład, a dopiero potem skalujemy na kolejne obszary.
Od czego zacząć automatyzację dokumentów i procesów w ubezpieczeniach?
Zacznij od jednego procesu o dużej objętości i powtarzalności, na przykład od wprowadzania danych z dokumentów szkodowych albo od wstępnej kwalifikacji zgłoszeń. Policz, ile kosztuje dziś ręcznie, ustal próg pewności, od którego ufasz automatyzacji, i zaprojektuj punkty, w których wkracza człowiek. To daje mierzalny efekt w kilka tygodni i fundament pod kolejne kroki. Jeśli zastanawiasz się, w jakim modelu poprowadzić takie wdrożenie, opisaliśmy to w artykule o modelach współpracy IT.
Chcesz zautomatyzować dokumenty i procesy w ubezpieczeniach z AI? Porozmawiajmy, dobierzemy podejście, technologię i zespół pod Twój proces.