Automatyzacja likwidacji szkód jest możliwa, opłacalna i zgodna z europejskimi regulacjami — pod warunkiem, że nie koncentrujemy się wyłącznie na efektywności operacyjnej. Ubezpieczyciele, którym ta transformacja się udaje, pracują jednocześnie nad trzema wymiarami: ramami regulacyjnymi (AI Act i RODO), projektowaniem behawioralnym ścieżek klientów oraz transformacją zawodów. Kto zaniedbuje chociażby jeden z tych wymiarów, uzyskuje rozczarowujące wyniki — niezależnie od zastosowanej technologii.
Liczby mówią same za siebie. Według Insurance Nexus zaledwie 22% ubezpieczycieli uważa swoje procesy likwidacji szkód za najwyższej jakości. Natomiast według Bain & Company aż 87% ubezpieczonych traktuje swoje doświadczenie w procesie szkodowym jako decydujące dla lojalności wobec ubezpieczyciela. Na rynku, gdzie pozyskanie nowego klienta kosztuje pięć razy więcej niż utrzymanie obecnego, zła automatyzacja jest bardziej ryzykowna niż jej brak.
Ten artykuł omawia trzy wymiary, które decydują o sukcesie, i pokazuje, jak organizacje odnoszące sukces przestają pytać “jak zautomatyzować więcej?” i zaczynają pytać “jak zautomatyzować lepiej?”
Wiele organizacji waha się z automatyzacją w obawie przed sankcjami. Ten lęk jest uzasadniony, ale nie powinien paraliżować działań. Europejskie ramy są rygorystyczne i praktyczne zarazem.
Europejskie rozporządzenie w sprawie sztucznej inteligencji, które weszło w życie 1 sierpnia 2024 roku, klasyfikuje systemy AI według poziomu ryzyka. W przypadku ubezpieczeń sytuacja jest jasna: ocena ryzyka i taryfikacja w ubezpieczeniach na życie i zdrowotnych są sklasyfikowane jako systemy wysokiego ryzyka. Ta klasyfikacja nakłada trzy obowiązki: pełną przejrzystość dotyczącą działania algorytmu, identyfikowalność każdej decyzji oraz ocenę wpływu na prawa podstawowe.
Sankcje za naruszenie? Do 30 milionów euro lub 6% globalnego rocznego obrotu, w zależności od tego, która kwota jest wyższa.
Bieżąca likwidacja szkód nie jest jednak automatycznie klasyfikowana jako “wysokie ryzyko”. Szkoda na szybie rozpatrzona automatycznie z możliwością odwołania? Dopuszczalne. Całkowicie zautomatyzowana odmowa pokrycia bez możliwości interwencji człowieka? Problematyczne.
Od 2018 roku RODO ustanawia w artykule 22 fundamentalną zasadę: każda osoba ma prawo do tego, aby nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, która wywołuje skutki prawne lub w podobny sposób istotnie na nią wpływa, bez możliwości interwencji człowieka. Istnieją trzy wyjątki: wyraźna zgoda, konieczność umowna lub upoważnienie prawne. W każdym przypadku ubezpieczony musi móc uzyskać wyjaśnienie decyzji, zakwestionować ją i zażądać weryfikacji przez człowieka.
Rozwiązanie wyłaniające się w branży jest proste w założeniu, bardziej wymagające w realizacji: segmentować sprawy według ich złożoności i wagi, stosując zasadę Human-in-the-loop — nadzoru ludzkiego w pętli decyzyjnej.
| Wolumen spraw | Rodzaj szkód | Tryb obsługi |
|---|---|---|
| 70 do 80% | Szkody na szybie, standardowa pomoc drogowa, rutynowe zapytania informacyjne (zazwyczaj poniżej 500 €) | Nadzorowana automatyzacja: AI obsługuje od początku do końca, algorytm monitoruje anomalie i przekazuje wątpliwe przypadki człowiekowi. |
| 15 do 20% | Szkody z dzieloną odpowiedzialnością, wysokie kwoty, nietypowe okoliczności | Współpraca AI-człowiek: AI zbiera, analizuje i sugeruje. Ostateczna decyzja należy do likwidatora. |
| 5 do 10% | Sytuacje wrażliwości, spory sądowe, poważne szkody z obrażeniami ciała | Wyłączna interwencja człowieka: empatia i wyważona ocena od pierwszego kontaktu. |
Ta architektura nie jest tylko ograniczeniem regulacyjnym. Jest również gwarancją jakości: złożone sprawy zasługują na spojrzenie człowieka, proste sprawy zasługują na natychmiastowe rozwiązanie.
Trzy zasady do bezwzględnego przestrzegania:
Kluczowe wnioski
AI Act i RODO nie blokują automatyzacji: wyznaczają jej warunki. Przed wdrożeniem rozwiązania trzy pytania do zadania: czy ta decyzja wywołuje istotne skutki prawne? Czy ubezpieczony może zakwestionować decyzję? Czy decyzja jest wyjaśnialna w zrozumiałym języku? Jeśli wszystkie trzy odpowiedzi brzmią “tak”, projekt jest na właściwej ścieżce. Jeśli któraś brzmi “nie”, to ryzyko do skorygowania przed wdrożeniem, nie po nim.
Zgodność prawna wyznacza ramy. Ale między tym, co jest dozwolone, a tym, co naprawdę działa, jest świat, który pomaga nam zrozumieć ekonomia behawioralna. Wracając do przykładu dwóch ubezpieczycieli: różnica w wynikach nie pochodzi od technologii. Pochodzi od efektu domyślnego.
Meta-analiza z zakresu ekonomii behawioralnej (Johnson & Goldstein, 2003) pokazuje, że osoby mają o 27% wyższe prawdopodobieństwo wybrania opcji prezentowanej jako domyślna — nawet gdy mogą ją swobodnie zmienić. W stresującym momencie, jakim jest szkoda, prezentowanie najszybszej opcji jako naturalnej drogi upraszcza decyzję. Ubezpieczony zachowuje pełną kontrolę, ale nie jest już sparaliżowany niezdecydowaniem.
I tu tkwi paradoks: użytkownicy w pozycji opt-out (jak ubezpieczyciel B) czują się bardziej autonomiczni niż ci w pozycji opt-in (jak ubezpieczyciel A). Ponieważ nie musieli uzasadniać swojego wyboru od samego początku. Po prostu ruszyli do przodu, wiedząc, że mogą w każdej chwili zrezygnować.
Zasada 1: przedstawiać automatyzację jako naturalną ścieżkę, a nie opcję wymagającą uzasadnienia
❌ „Czy chcesz skorzystać z naszego automatycznego asystenta, czy wolisz porozmawiać z doradcą?”
✅ „Twoje zgłoszenie jest w trakcie obsługi. W każdej chwili możesz porozmawiać z doradcą.”
Różnica? Pierwsza formuła wymusza wybór. Druga oferuje bezpieczeństwo.
Zasada 2: sprawić, żeby wyjście było łatwe i widoczne, a nie krępujące
Przycisk “Porozmawiaj z doradcą” musi być stale widoczny, sformułowany pozytywnie i dostępny bez żadnych utrudnień — bez potrzeby uzasadnienia. Badanie Forrester pokazuje, że użytkownicy są 2,5 razy bardziej skłonni do korzystania z systemu automatycznego, gdy wyraźnie widzą, jak z niego wyjść.
Zasada 3: wyjaśniać bez przytłaczania
Ubezpieczony nie chce wykładu o AI. Chce wiedzieć trzy rzeczy: co się teraz dzieje, jak długo to potrwa i jak wyjść, jeśli chce.
❌ „Nasz system sztucznej inteligencji analizuje Twoją sprawę przy użyciu algorytmów uczenia maszynowego zgodnych z normami RODO…”
✅ „Analizujemy Twoją sprawę. Odpowiedź w ciągu 2 minut. Możesz porozmawiać z doradcą tutaj.”
Zasada 4: rozpoznawać, kiedy człowiek jest niezbędny
Tu wchodzi w grę paradoks Moravca: to, co jest trudne dla człowieka, jest łatwe dla AI — i odwrotnie. Sformułowana w 1988 roku przez badacza Hansa Moravca, ta zasada bezpośrednio dotyczy ubezpieczeń.
| AI doskonale radzi sobie z | Człowiek doskonale radzi sobie z |
|---|---|
| Przetworzeniem 10 000 faktur w 30 sekund | Zrozumieniem, że samotna starsza osoba potrzebuje uspokojenia przed jakimkolwiek działaniem |
| Wykryciem niespójności w zgłoszeniu szkody | Zauważeniem, że klient z niepełnosprawnością potrzebuje dostosowanego formatu komunikacji |
| Identyfikacją potencjalnych wzorców oszustw (628 mln € wykrytych w 2024 roku, +35% vs 2023, wg AGIRA) | Rozstrzygnięciem granicznego przypadku, gdzie dwie zasady umowne wchodzą w konflikt |
| Zaproponowaniem kwoty odszkodowania na podstawie 50 000 podobnych przypadków | Towarzyszeniem rodzinie z empatią po poważnej szkodzie |
Problem wielu automatyzacji? Odwracają tę logikę. Kierują technicznie proste przypadki do AI, nie pytając, czy te przypadki są proste w ludzkim sensie. Szkoda na szybie jest technicznie prosta i emocjonalnie neutralna: idealna do automatyzacji. Wypadek samochodowy z lekkimi obrażeniami jest też technicznie prosty, ale emocjonalnie obciążony. Osoba w szoku po wypadku może nie być gotowa na interakcję z chatbotem, nawet najsprawniejszym.
Organizacje odnoszące sukces nie pytają “czy możemy zautomatyzować ten przypadek?” ale “czy ten przypadek zasługuje na interwencję człowieka od samego początku?” Krzyżują dwa kryteria: złożoność techniczną i obciążenie emocjonalne szkody.
| Niskie obciążenie emocjonalne | Wysokie obciążenie emocjonalne | |
|---|---|---|
| Niska złożoność techniczna | Pełna automatyzacja Np.: szkoda na szybie |
Automatyzacja z bardzo widocznym wyjściem Np.: wypadek samochodowy bez obrażeń |
| Wysoka złożoność techniczna | Współpraca AI-człowiek Np.: szkoda z dzieloną odpowiedzialnością |
Człowiek od początku Np.: śmierć ubezpieczonego, szkoda z obrażeniami ciała |
Liczby potwierdzają to podejście. Według Capgemini automatyzacja skraca czasy obsługi o średnio 30%, ale tylko gdy jest stosowana do właściwych przypadków. Natomiast według Deloitte 96% ubezpieczycieli przyspieszających transformację cyfrową przyznaje, że główną barierą nie jest technologia: to akceptacja ze strony zespołów i klientów.
Kluczowe wnioski
Dobre projektowanie ścieżki nie jest testowane na makiecie: jest testowane z prawdziwymi użytkownikami w symulowanych warunkach stresu. Dwa wskaźniki do monitorowania od pilotażu: wskaźnik przejść do doradcy (jeśli przekracza 40%, zautomatyzowana ścieżka nie jest wystarczająco uspokajająca) i punkt porzucenia (jeśli ubezpieczeni systematycznie rezygnują w tym samym miejscu, to tam leży problem projektowy). Te dwa sygnały pozwalają na korekty przed wdrożeniem na dużą skalę i unikają poprawek w trybie awaryjnym po starcie.
Ramy prawne i projektowanie behawioralne są koniecznymi warunkami. Ale nie wystarczającymi. Trzeci wymiar, często niedoceniany, to transformacja zawodów towarzysząca automatyzacji. Bez niej dwa pierwsze wymiary pozostają kruche.
Dziś likwidator szkód spędza średnio 70% swojego czasu na zadaniach administracyjnych: wprowadzanie danych, weryfikacja zgodności, prośby o uzupełnienie informacji, śledzenie standardowych procedur. Ta praca jest konieczna, ale nie jest ani wartościowa, ani różnicująca.
Co gorsza: generuje to, co specjaliści nazywają brown-outem — utratę sensu związaną z powtarzalnym wykonywaniem zadań postrzeganych jako oderwanych od prawdziwego celu zawodu. Objawy są znane: chroniczne zmęczenie, cynizm, wysoka rotacja. A koszt zastąpienia doświadczonego likwidatora często przekracza 50% jego rocznego wynagrodzenia, nie licząc utraty wiedzy branżowej.
Dobrze zaprojektowana automatyzacja nie eliminuje miejsc pracy: przekształca je. Termin “model Centaura” pochodzi z szachów. W 1997 roku Deep Blue pokonuje Kasparowa. Ale to nie koniec historii. To początek “Centaur Chess”, gdzie człowiek wspomagany przez AI pokonuje zarówno człowieka działającego samodzielnie, jak i AI samą w sobie. Przełożone na ubezpieczenia daje to jasny podział.
AI przejmuje (70 do 80% wolumenu):
Likwidator skupia się na (20 do 30% wolumenu, ale 80% wartości):
Zamiast obsługiwać 50 prostych spraw dziennie z niewielką satysfakcją, likwidator obsługuje 10 złożonych spraw z realnym wpływem. To nie jest utrata stanowiska. To jest dowartościowanie zawodu.
Dla ubezpieczonych: proste sprawy są rozpatrywane w ciągu minut zamiast dni. Złożone sprawy korzystają z uwagi eksperta, a nie przeciążonego pracownika administracyjnego. Wynik: 30% redukcja czasów obsługi średnio według Capgemini, z jednoczesną poprawą satysfakcji klientów.
Dla pracowników: uwolnieni od powtarzalnych zadań, likwidatorzy na nowo odkrywają sens swojego zawodu. Cenione kompetencje się zmieniają: inteligencja emocjonalna, głęboka specjalizacja techniczna, zdolność do analizy w warunkach niejednoznaczności. Kilka ubezpieczycieli, które przeprowadziły tę transformację, raportuje znaczny spadek rotacji i lepszą atrakcyjność dla młodych talentów.
Dla firmy: automatyzacja redukuje koszty operacyjne i tworzy trudną do skopiowania przewagę konkurencyjną. Każdy może kupić tę samą technologię. Wdrożyć ją dobrze — z właściwym projektowaniem behawioralnym, właściwą segmentacją i właściwą transformacją zawodów — to już inna historia.
Błąd 1: wiara, że technologia wystarczy. Wdrożenie chatbota bez przemyślenia ścieżki klienta jest jak kupno bolidu wyścigowego do jazdy po polnej drodze. Technologia to tylko narzędzie. Projektowanie ścieżki robi różnicę.
Błąd 2: zaniedbanie zarządzania zmianą. Automatyzacja głęboko transformuje zawody. Jeśli pracownicy nie są szkoleni, wspierani i uspokajani, będą opierać się — świadomie lub nie. Zarządzanie zmianą oznacza wyjaśnianie, dlaczego automatyzujemy, szkolenie w nowych narzędziach i oczekiwanych kompetencjach, oraz angażowanie zespołów w projektowanie i ciągłe doskonalenie.
Błąd 3: automatyzacja bez rozeznania. Nie wszystko można zautomatyzować w ten sam sposób. Macierz złożoność/emocje nie jest pojęciem teoretycznym: to operacyjne narzędzie decyzyjne. Automatyzowanie wypadku samochodowego z obrażeniami ciała tak samo jak szkody na szybie to poważne ryzyko dla satysfakcji klientów i reputacji.
Kluczowe wnioski
Transformacja zawodów nie może być improwizowana w momencie wdrożenia. Musi być przygotowana z wyprzedzeniem, z trzema konkretnymi pytaniami: jakie zadania likwidatorzy przestaną wykonywać? Jakie nowe kompetencje będą musieli opanować? I jak mierzyć ich rosnącą wartość w czasie? Bez odpowiedzi na te trzy pytania przed startem, opór wobec zmiany to nie hipotetyczne ryzyko — to pewność.
Dzięki ponad 20 latach doświadczenia w zarządzaniu relacjami z klientami dla podmiotów z sektora ubezpieczeń oraz 600 doradcom przeszkolonym w specyficznych wyzwaniach branży, Armatis wspiera swoich klientów ubezpieczeniowych w tej transformacji. Co systematycznie obserwujemy: projekty, które odnoszą sukces, to te, które pracowały nad wszystkimi trzema wymiarami równolegle, a nie sekwencyjnie.
Zgodność regulacyjna jest ustalana z góry, a nie naprawiana w ostatniej chwili. Projektowanie ścieżek jest testowane z prawdziwymi użytkownikami przed wdrożeniem na dużą skalę. A transformacja zespołów jest antycypowana, z programami rozwoju kompetencji w zakresie empatii, analizy złożonych spraw i zarządzania wrażliwymi sytuacjami.
Chcesz ocenić swoje procesy likwidacji szkód? Nasi eksperci przeprowadzą dla Ciebie spersonalizowaną diagnozę.
Dwa teksty definiują ramy: artykuł 22 RODO, który zakazuje w pełni zautomatyzowanych decyzji wywołujących istotne skutki prawne bez możliwości odwołania do człowieka, oraz europejski AI Act (obowiązujący od sierpnia 2024 r.), który klasyfikuje niektóre systemy AI w ubezpieczeniach jako wysokiego ryzyka, z obowiązkami przejrzystości, identyfikowalności i oceny wpływu. Zgodność by design, wbudowana od samego początku w projektowanie ścieżek, jest skuteczniejsza i tańsza niż wymuszona zgodność po fakcie.
Model będący konsensusem w branży to Human-in-the-loop: 70 do 80% prostych szkód może być obsługiwanych automatycznie z nadzorem algorytmicznym. 15 do 20% wymaga współpracy AI-człowiek. A 5 do 10% wymaga wyłącznej interwencji człowieka od samego początku, szczególnie w sytuacjach wrażliwości lub szkodach z obrażeniami ciała.
Efekt domyślny daje jasną odpowiedź: prezentować automatyzację jako naturalną ścieżkę, sprawić, żeby wyjście do doradcy było widoczne i bez utrudnień, oraz wyjaśniać ścieżkę w trzech prostych zdaniach. Badanie Forrester pokazuje, że użytkownicy są 2,5 razy bardziej skłonni do korzystania z systemu automatycznego, gdy wyraźnie widzą, jak z niego wyjść.
Nie, jeśli jest dobrze zaprojektowana. Model Centaura (AI + człowiek) pokazuje, że automatyzacja zadań administracyjnych uwalnia likwidatorów do obsługi złożonych sytuacji, negocjacji w wrażliwych sporach i wnoszenia empatii w trudnych chwilach. Kilka ubezpieczycieli raportuje spadek rotacji i poprawę atrakcyjności zawodu po tej transformacji.
Technologia nie jest problemem. Według Deloitte 96% ubezpieczycieli przyspieszających transformację cyfrową przyznaje, że główną barierą jest akceptacja ze strony zespołów i klientów. Zarządzanie zmianą (wyjaśnianie, szkolenie, angażowanie) jest tak samo krytyczne jak wybór rozwiązania technicznego.
Bain & Company (2023) — Customer Experience in Insurance: The Critical Role of Claims — bain.com
Capgemini (2024) — World Insurance Report 2024 — capgemini.com
Deloitte (2024) — Insurance Industry Outlook — deloitte.com
Forrester Research (2023) — The State of Customer Experience in Insurance — forrester.com
Insurance Nexus (2024) — Claims Processing Benchmark Study — insurancenexus.com
AGIRA (2024) — Roczny raport o oszustwach ubezpieczeniowych — agira.asso.fr
Johnson, E. J. & Goldstein, D. G. (2003) — Do Defaults Save Lives? — Science, 302(5649) — doi.org
Moravec, H. (1988) — Mind Children: The Future of Robot and Human Intelligence — Harvard University Press
Rozporządzenie (UE) 2024/1689 — AI Act — eur-lex.europa.eu
Rozporządzenie (UE) 2016/679 — RODO, artykuł 22 — eur-lex.europa.eu
Armatis est l’un des principaux prestataires européens de services d’externalisation (BPO) dans le domaine de l’expérience client. Depuis plus de 35 ans, il accompagne les grandes entreprises et les PME dans la gestion et la transformation de leur service client. Présent en France, en Tunisie, au Portugal, en Pologne, à Madagascar et en Allemagne, le groupe allie une expertise sectorielle, une présence européenne multi-sites et une intégration technologique de pointe pour répondre aux exigences des marchés européens et internationaux.
Skontaktuj się z naszymi ekspertami w celu spersonalizowanej oceny Twoich ścieżek i planu działania dostosowanego do Twojego kontekstu.
Rejoignez les leaders qui font confiance à notre expertise multilingue et technologique.