Dyskusje na temat AI w sektorze ubezpieczeniowym od dawna toczyły się według prostego scenariusza – technologia ta obiecywała szybszy underwriting czy lepszą obsługę klienta, jednak wszystkie rozmowy schodziły na tematy regulacji, ryzyka oraz bezpieczeństwa. Podczas webinaru zorganizowanego przez Gazetę Ubezpieczeniową we współpracy z Britenet, liderzy branży, którzy mają za sobą udane wdrożenia AI, rozmawiali o faktach, wynikach i możliwościach.
Kluczowe wnioski z artykułu
- AI Governance przyspiesza wdrażanie sztucznej inteligencji, ale tylko wtedy, gdy jest istotną częścią projektu od samego początku.
- Zgodność z regulacjami powinna być wbudowana w rozwiązanie już na etapie projektowania.
- Organizacje potrzebują ram AI Governance, które wykraczają poza AI Act, łącząc standardy ISO 42001 z praktycznymi wskazówkami (np. NIST AI RMF).
- Nadzór człowieka pozostaje niezbędny, nawet w przypadku wysoce zautomatyzowanych procesów AI.
- Sukces AI w coraz większym stopniu zależy od zdolności organizacyjnych, a nie od samego dostępu do technologii.
Czy AI Governance stało się motorem napędowym nowoczesnego biznesu?
Jedną z podstawowych przeszkód, z jaką od dawna zmagają się ubezpieczyciele, jest skalowanie AI na krytyczne procesy, bez utraty kontroli.
W momencie, gdy sztuczna inteligencja wyszła z fazy programów pilotażowych i zaczęła wpływać na obszary, które dotykają bezpośrednio klientów, AI Governance przestało być tylko kwestią prawną. Natomiast firmy, które traktują te procedury jako temat do poruszenia po zakończonym wdrożeniu, napotykają poważne problemy przy próbach dalszego skalowania rozwiązań.
To właśnie był jeden z głównych tematów, nad którym pochylili się liderzy branży podczas webinaru AI Governance w ubezpieczeniach – jak przygotować organizację na AI Act i DORA.
Sam AI Act nie wystarczy, żeby zbudować skuteczny model operacyjny
Damian Jagusz, Chief Information Security Officer w Ergo Hestii, przekonywał, że poleganie wyłącznie na unijnym AI Act grozi stworzeniem programu zgodności bez modelu operacyjnego. Zamiast tego jego organizacja łączy trzy uzupełniające się elementy: unijny AI Act, standard ISO 42001 oraz ramy NIST AI Risk Management Framework.
AI Act mówi nam, co należy osiągnąć, natomiast ISO i NIST pomagają nam zrozumieć, w jaki sposób to osiągnąć.
Standardy i praktyczne wskazówki pomagają organizacjom wypracować skuteczne metody działania. Dla ubezpieczycieli zmagających się ze złożoną infrastrukturą technologiczną i rosnącym nadzorem regulacyjnym, takie warstwowe podejście jest znacznie bardziej praktyczne niż traktowanie samej legislacji jako jedynego przepisu na sukces.
Compliance by Design redukuje ryzyko, zanim się ono pojawi
Tomasz Kasprzak, Experience & Innovation w Trasti, przedstawił być może najbardziej przejrzysty przykład tego, jak compliance by design wygląda w praktyce.
Bianka, oparty na AI asystent likwidacji szkód w Trasti, to rozwiązanie, w którym elementy takie jak nadzór człowieka przed podjęciem decyzji szkodowych, przejrzysta komunikacja z klientami, pełne ścieżki audytu, monitorowanie po wdrożeniu i ciągła walidacja – zostały wbudowane w rozwiązanie już na początkowym etapie projektu.
Przykład ten pokazał kluczową zmianę zachodzącą w sposobie myślenia firm ubezpieczeniowych – zamiast skupiać się na tym, jak sprawić, aby istniejący system AI był zgodny z przepisami, należy wbudować tę zgodność w sam system już na etapie jego projektowania.
Nadzór człowieka pozostaje strategicznym wymogiem
Pomimo szybkiego postępu w dziedzinie generatywnej AI i systemów agentowych, żaden z prelegentów nie zasugerował wyeliminowania ludzi z procesów. Oparty na modelu GPT asystent dla agentów ubezpieczeniowych w Ergo Hestii świetnie pokazuje dlaczego.
W przypadku tego rozwiązania każda odpowiedź jest weryfikowana pod kątem zdefiniowanych progów jakości – słabsze odpowiedzi są automatycznie eskalowane, a próbki udanych interakcji wciąż podlegają ręcznej ocenie. W efekcie firma utrzymuje jakość odpowiedzi powyżej swojego wewnętrznego wskaźnika KPI na poziomie 90%.
Przewaga konkurencyjna wynika ze zdolności organizacyjnych
Przewagi konkurencyjnej nie buduje się już przez sam dostęp do modeli AI, gdyż te stają się powszechnie dostępne. Tym, co rzeczywiście wyróżnia organizacje, jest zdolność do odpowiedzialnego zarządzania sztuczną inteligencją, które otwiera drzwi do wykorzystania jej potencjału.
Dla kadry zarządzającej oznacza to przesunięcie inwestycji z pogoni za najnowszym modelem w stronę budowania AI Governance, kompetencji, dyscypliny operacyjnej oraz zdolności organizacyjnych.
Lokalne AI może poprawić bezpieczeństwo, kontrolę i przewidywalność kosztów
Piotr Wegner, Solutions Director w Britenet, przedstawił kolejny aspekt, który przyciąga rosnącą uwagę branży – lokalne wdrożenia sztucznej inteligencji.
Zamiast polegać wyłącznie na usługach chmurowych, niektóre organizacje rozważają odizolowane środowiska AI, które zapewniają ściślejszą kontrolę nad wrażliwymi danymi, bardziej przewidywalne koszty operacyjne, większy wgląd w zachowanie modeli oraz lepszą walidację przed wdrożeniem produkcyjnym.
W Britenet stworzyliśmy wyizolowane laboratorium AI, w którym modele i agenci AI są testowani i poddawani benchmarkom przed uzyskaniem dostępu do rzeczywistych procesów biznesowych.
Agent AI powinien uzyskiwać dostęp do danych i rzeczywistych zadań dopiero wtedy, gdy można udowodnić, że organizacja posiada nad nim pełną kontrolę. Zasada ta wykracza poza samą infrastrukturę. Odzwierciedla ona szerszą zmianę podejścia, polegającą na budowaniu zaufania, zanim powierzy się sztucznej inteligencji szerszy zakres zadań.
AI Governance powinno działać, jeszcze zanim rozpocznie się skalowanie
Jeden z końcowych wniosków webinaru dotyczył tego, że najbardziej zaawansowane organizacje to niekoniecznie te, które eksperymentują z najnowszymi modelami, ale te, które inwestują w dyscyplinę wymaganą do obsługi AI w sposób spójny, przejrzysty i bezpieczny.
Podsumowanie
Przewaga konkurencyjna w coraz mniejszym stopniu zależy od samej sztucznej inteligencji, a w coraz większym od dojrzałości organizacyjnej niezbędnej do jej właściwego wykorzystania.
Liderzy branży ubezpieczeniowej, którzy wdrożyli już AI w środowisku produkcyjnym, pokazali, że bezpieczne i przynoszące zyski skalowanie sztucznej inteligencji to nie tylko kwestia nowoczesnej technologii, ale przede wszystkim zmodernizowanych fundamentów danych, dojrzałych modeli operacyjnych oraz solidnych ram AI Governance. Jeśli chcesz zgłębić praktyczne podejście ekspertów, obejrzyj pełne nagranie ze spotkania.
