Ubezpieczyciele a AI: Ostrożny optymizm zamiast ślepej wiary. Raport SAS i IDC

Choć sztuczna inteligencja jest postrzegana jako biznesowa konieczność, branża ubezpieczeniowa podchodzi do jej wdrażania z dużą rezerwą. Najnowszy raport „Data and AI Impact Report: The Trust Imperative”, opracowany przez IDC na zlecenie SAS, ujawnia paradoks: ubezpieczyciele darzą generatywną AI większym zaufaniem niż tradycyjne systemy, ale brakuje im infrastruktury i procedur (governance), by to zaufanie było uzasadnione.

Badanie przeprowadzone na początku 2026 roku pokazuje, że sektor ubezpieczeniowy notuje najniższy poziom dojrzałości AI spośród czterech analizowanych branż (w tym bankowości i administracji). Zaledwie 7% firm określa się mianem „transformacyjnych”, co jest najgorszym wynikiem w zestawieniu. Główną barierą pozostaje fragmentacja danych – aż 51% respondentów przyznaje, że ich organizacje nie mają skutecznego ładu danych, a 14% wciąż operuje w silosach, co uniemożliwia skalowanie innowacji. Kathy Lange z IDC podkreśla, że choć ubezpieczyciele dbają o etykę rozwiązań, to technologicznie wciąż gonią resztę rynku.

Co ciekawe, raport obala mit, że głównym celem AI jest cięcie kosztów. Dane wskazują, że projekty optymalizacyjne przynoszą najniższy zwrot z inwestycji (1,54 USD za każdego dolara). Prawdziwa wartość leży we wzroście: inicjatywy poprawiające doświadczenia klientów (CX) generują zwrot na poziomie 1,83 USD, a te zwiększające udział w rynku – 1,74 USD. Franklin Manchester, doradca strategiczny w SAS, zaznacza, że wygrają właśnie te firmy, które przestaną traktować AI jako „cudowne lekarstwo” na koszty, a zaczną używać jej do budowania unikalnej wartości dla klienta.

Mimo wyzwań, branża planuje inwestycje, choć zachowawczo. Blisko 60% ubezpieczycieli zamierza zwiększyć budżety na AI o 4-20% w nadchodzącym roku. Jednak bez rozwiązania problemu „luki zaufania” – gdzie ponad 40% firm albo nie ufają sprawdzonym systemom, albo nadmiernie polegają na niezweryfikowanych narzędziach GenAI – te wydatki mogą nie przynieść oczekiwanych rezultatów. Kluczem do sukcesu w 2026 roku będzie więc nie tyle zakup nowej technologii, co uporządkowanie danych i wdrożenie rygorystycznych mechanizmów kontrolnych.