Rok 2026 to dla branży ubezpieczeniowej czas rozliczeń. Po kilku latach pilotaży i demonstracji zarządy coraz częściej zadają jedno pytanie: gdzie są wyniki? Nie w slajdach – w liczbach.
Odpowiedź na pytanie o wyniki rzadko leży w jakości samego modelu AI, a w tym, co dzieje się przed jego wdrożeniem i długo po zakończeniu projektu.
Dlaczego 95% projektów AI nie wychodzi poza fazę testową?
Według raportu MIT z 2025 r., The GenAI Divide: State of AI in Business 2025, aż 95% projektów AI utyka w fazie testów, nie generując wymiernych zysków. Nie 30%, nie 60% – aż 95%.
Przyczyny są dwie. Po pierwsze: brak integracji z systemami centralnymi (legacy) – modele AI często działają w izolacji, nie znając np. statusu polisy klienta. Po drugie: niska jakość danych – AI nie naprawia „brudnych” danych, przetwarza je i zwraca błędne wyniki szybciej niż człowiek. W ubezpieczeniach, gdzie kluczowa jest powtarzalność i audytowalność, brak rzetelnych danych dyskwalifikuje wdrożenie, niezależnie od zaawansowania samej technologii.
Production First – co to oznacza w praktyce?
Podejście Production First to nie filozofia – to kolejność pytań, które zadajemy na początku projektu. Zamiast pytać „co ten model potrafi?”, zaczynamy od „w jakim środowisku ten model będzie działał za sześć miesięcy?”.
W praktyce oznacza to, że zgodność z AI Act i wytycznymi KNF traktujemy jako fundament projektowy od fazy zero. Zamiast wymiany systemów centralnych budujemy warstwy integracyjne, łączące agentów AI z infrastrukturą ubezpieczyciela bez ingerencji w jej strukturę. To jak adapter do gniazdka: nie wymieniasz instalacji w całym budynku, żeby podłączyć nowe urządzenie. Każda decyzja architektoniczna uwzględnia audytowalność – system pozbawiony tej cechy zostanie wycofany z produkcji już po pierwszej kontroli.
Gdzie zacząć? Od jednego procesu, nie od całej organizacji
Najczęstszym błędem przy wdrożeniach AI jest próba automatyzacji zbyt wielu procesów naraz, co generuje złożoność zamiast wartości.
Sprawdzona metoda to wybór jednego precyzyjnego obszaru – np. assistance – gdzie wdrożony tam agent AI samodzielnie weryfikuje polisę, organizuje pomoc i rejestruje szkodę. Taki zakres skraca wdrożenie do kilku tygodni i pozwala po 90 dniach zmierzyć rzeczywisty ROI: czas obsługi, koszt jednostkowy, błędy. To nie są szacunki – to liczby z systemu produkcyjnego.
Prawidłowo zaprojektowana architektura pozwala następnie powielić ten schemat do kolejnych procesów – underwritingu, retencji, obsługi reklamacji – bez przebudowy fundamentów. Dzięki współdzielonej warstwie integracyjnej i tym samym standardom bezpieczeństwa danych, czas i koszty kolejnych uruchomień drastycznie spadają.
Human-in-the-loop: co to znaczy w realiach likwidacji szkód?
Human-in-the-loop działa na prostej zasadzie: agent AI wykonuje, człowiek zatwierdza – ale tylko tam, gdzie zatwierdzenie jest rzeczywiście konieczne. Oznacza to precyzyjne progi decyzyjne: agent samodzielnie obsługuje zgłoszenia do określonej kwoty, a powyżej niej przekazuje sprawę pracownikowi wraz z gotową analizą – co sprawdził, co wzbudziło wątpliwości i dlaczego nie podjął decyzji sam. Pracownik nie zaczyna od zera, drastycznie skracając czas podjęcia decyzji.
Takie podejście jest zgodne z wymogami AI Act dotyczącymi nadzoru ludzkiego nad systemami wysokiego ryzyka – a ubezpieczenia, ze względu na wpływ decyzji na sytuację finansową klientów, do tej kategorii należą.
Rok 2026: czas na pytanie o wyniki, nie o możliwości
Rynek AI w ubezpieczeniach nie potrzebuje więcej demonstracji. Potrzebuje wdrożeń, które działają w środowisku produkcyjnym, są zgodne z regulacjami i generują mierzalny zwrot. Technologia jest dostępna i dojrzała. Pytanie, które pozostaje, jest wyłącznie architektoniczne i procesowe: od czego zacząć i jak nie powtórzyć błędów 95% projektów, które skończyły się na prezentacji?
Odpowiedzi na te i inne pytania szukaliśmy podczas webinaru „Agentowa AI w branży ubezpieczeniowej: od eksperymentów do praktycznego wdrożenia”, organizowanego przez Britenet i “Gazetę Ubezpieczeniową”. Serdecznie zapraszam do obejrzenia nagrania z wydarzenia i dowiedzenia się, jak wdrożyć AI, aby osiągnąć wymierną wartość biznesową.
Piotr Wegner
Solutions Director, Britenet
