80% wzrost trafności odpowiedzi. SAS przedstawia korzyści z wdrożenia RAG u ubezpieczycieli

Agentowa sztuczna inteligencja może znacząco przyspieszyć obsługę klientów, likwidację szkód i wykrywanie oszustw ubezpieczeniowych. Jak wynika z najnowszego opracowania SAS, połączenie agentów AI z technologią RAG pozwala analizować informacje pochodzące z tysięcy dokumentów i dostarczać odpowiedzi oparte na wiarygodnych źródłach. 

Pracownicy firm ubezpieczeniowych każdego dnia analizują ogromne ilości rozproszonych informacji w dokumentacji polis, historii szkód, warunkach ochrony ubezpieczeniowej i przepisach regulacyjnych. Poszukiwanie potrzebnych danych bywa czasochłonne, co opóźnia podejmowanie decyzji i wpływa na jakość obsługi klientów. Jak wskazuje SAS w raporcie Unleashing agentic AI and retrieval-augmented generation for insurance, rozwiązaniem tego problemu może być połączenie agentowej sztucznej inteligencji z technologią RAG (Retrieval-Augmented Generation), która umożliwia generowanie odpowiedzi na podstawie informacji pochodzących z określonych, wiarygodnych źródeł.

Według przywołanych w opracowaniu globalnych szacunków około 80–90% przyrostu danych w przedsiębiorstwach przypada na informacje nieustrukturyzowane, takie jak dokumenty, wiadomości e-mail, notatki czy transkrypcje rozmów. Tradycyjne systemy wyszukiwania często nie pozwalają na ich szybkie i efektywne wykorzystanie. RAG łączy możliwości dużych modeli językowych z wyszukiwaniem semantycznym, dzięki czemu AI może odnajdywać informacje w zatwierdzonych źródłach, analizować je i przedstawiać odpowiedzi wraz z odniesieniami do dokumentów źródłowych.

W praktyce technologia ta może wspierać ubezpieczycieli w wielu kluczowych obszarach działalności:

• Ocena ryzyka, pricing i zawieranie umów ubezpieczenia – weryfikowanie kryteriów kwalifikowalności, identyfikowanie niekorzystnej selekcji ryzyka i wykrywanie potencjalnych prób oszustwa już na etapie składania wniosku.
• Sprzedaż i obsługa klientów – szybkie odpowiadanie na pytania dotyczące polis, zmian w zakresie ochrony czy rozliczeń oraz przygotowywanie spersonalizowanych rekomendacji.
• Likwidacja szkód – analizowanie zgłoszeń, weryfikowanie dokumentów i zdjęć oraz sprawdzanie limitów odpowiedzialności i wyłączeń ochrony.
• Wykrywanie oszustw ubezpieczeniowych – identyfikowanie powiązanych spraw, wyszukiwanie wcześniejszych dochodzeń i analizowanie informacji mogących wskazywać na nadużycia.

Kolejnym etapem rozwoju technologii jest połączenie RAG z agentową sztuczną inteligencją. W przeciwieństwie do systemów ograniczających się do generowania odpowiedzi agenty AI mogą również koordynować zadania, korzystać z różnych systemów biznesowych i inicjować określone działania. Przykładowo mogą samodzielnie wyszukać wymagane dokumenty, przeanalizować historię klienta, przygotować rekomendację, a następnie skierować sprawę do odpowiedniego pracownika.

Jednym z obszarów, w których połączenie RAG i agentowej AI może przynieść wymierne korzyści, jest obsługa klientów. Ubezpieczyciele muszą codziennie odpowiadać na pytania dotyczące warunków polis, zakresu ochrony, dostępnych produktów czy procedur zgłaszania szkód. Uzyskanie pełnej odpowiedzi często wymaga przeszukania wielu dokumentów, instrukcji, historii kontaktów i wewnętrznych systemów.

Dzięki technologii RAG pracownik może zadać pytanie w języku naturalnym, a system przeanalizuje informacje pochodzące z odpowiednich źródeł. Przykładowo, jeśli klient chce dowiedzieć się, jakie warunki musi spełnić, aby przystąpić do programu ubezpieczenia komunikacyjnego wykorzystującego telematykę, AI może jednocześnie sprawdzić zasady kwalifikacji, warunki umowy, instrukcje obsługi oraz materiały produktowe – mówi Łukasz Libuda, Senior Solutions Sales Account Executive, SAS.

Jak wskazuje SAS, takie procesy, które wcześniej wymagały wielogodzinnego, ręcznego wyszukiwania informacji, mogą być realizowane w ciągu kilku minut. W jednym z opisanych przypadków ubezpieczyciel, który wdrożył rozwiązanie łączące RAG i duże modele językowe w zespołach sprzedaży i obsługi kanałów dystrybucji, odnotował wstępny wzrost trafności odpowiedzi na zapytania o 80% w porównaniu z dotychczasowym procesem.

Kolejnym obszarem zastosowania agentowej AI jest likwidacja szkód. Szczególnie podczas gwałtownych zjawisk pogodowych i katastrof naturalnych ubezpieczyciele muszą obsługiwać dużą liczbę zgłoszeń w krótkim czasie. Likwidatorzy analizują wówczas dokumentację, raporty z oględzin, wcześniejsze roszczenia, warunki polis oraz informacje pochodzące od zewnętrznych podmiotów. Rozproszenie tych danych pomiędzy wieloma systemami może opóźniać wypłatę odszkodowań i utrudniać identyfikowanie potencjalnych nadużyć. Połączenie RAG z agentową AI pozwala usprawnić cały proces. System może automatycznie wyodrębniać i weryfikować kluczowe informacje ze zgłoszenia szkody, wyszukiwać powiązane dokumenty oraz zestawiać dane pochodzące z różnych źródeł.

Istotne jest przy tym zachowanie kontroli człowieka nad procesem decyzyjnym. Agentowa AI ma wspierać specjalistów, zapewniając im szybszy dostęp do kompletnych informacji i pomagając koordynować działania, a nie eliminować ich odpowiedzialność za podejmowane decyzje – dodaje Łukasz Libuda.

W wielu organizacjach przygotowanie zestawień dotyczących zakończonego okresu rozliczeniowego trwa kilka dni, a niekiedy nawet tygodni. Konieczność ręcznego łączenia danych z raportów, arkuszy kalkulacyjnych i różnych systemów opóźnia dostęp do informacji niezbędnych do podejmowania decyzji biznesowych.

RAG pozwala łączyć aktualne i historyczne dane finansowe z informacjami zawartymi w dokumentach nieustrukturyzowanych, tworząc bardziej kompletny obraz sytuacji przedsiębiorstwa. Agentowa AI może natomiast stale monitorować wyniki, identyfikować anomalie, wyjaśniać przyczyny zmian oraz rekomendować działania korygujące na podstawie prognoz i celów biznesowych.

Takie rozwiązania mogą pomóc ubezpieczycielom szybciej reagować na zmieniające się warunki rynkowe, efektywniej zarządzać płynnością finansową, kontrolować koszty i optymalizować wykorzystanie kapitału.