Michal Tichý: „Když jsme v roce 2021 zakládali InstaCover, byly pojišťovny inovacemi a digitalizací téměř nepolíbené“

Nejen o umělé inteligenci bojující s pojistnými podvody jsme si povídali s Michalem Tichým, CTO plzeňského startupu InstaCover, který je členem České asociace umělé inteligence. Jak moc šetří technologie čas a jaké výzvy je třeba v praxi překonávat?

Jaká byla původní motivace pro založení InstaCover?

    Představte si, že jste nadšenec do dat. Pro spoustu čtenářů je to pravděpodobně realita nebo minimálně fajn představa. A víte, že existuje obor, konkrétně pojišťovnictví, které sbírá neskutečné množství dat, a tušíte, že není využitý jejich potenciál. 

    Když jsme v roce 2021 zakládali InstaCover, byly pojišťovny inovacemi a digitalizací téměř nepolíbené. Vstoupit do tak tradičního oboru, kde zatím modernizace jen krouží kolem, to byla výzva. Vybrali jsme si konkrétně oblast autopojištění, tam jsme vytušili obrovský potenciál, kde AI může nejenom pomáhat, ale taky předcházet nekalostem. Pojistné podvody u automobilů asi nemusíme ani detailně vyjmenovávat.  

    Jaké konkrétní výzvy v oblasti inspekcí vozidel řeší vaše technologie?

      V úplných počátcích před námi byl jasný cíl – vytvořit produkt, který během chvíle nejen nafotí, ale i vyhodnotí kvalitu a úplnost snímků vozidel. Prvotní nedůvěru v nové technologie naštěstí velmi rychle vystřídalo nadšení z toho, že naše appka dokáže nejen ohlídat zmíněné fotografie, ale taky zvládne vytěžit data z SPZ, VIN štítku, tachometru a samozřejmě pozná i značku a model vozidla. Původně se totiž obdoba takových dokumentací zajišťovala vyslaným technikem, a to jen v určitém procentu případů. 

      A když se podíváme na výzvy, kterým čelíme nyní, pak stále zlepšujeme naše AI modely na detekci poškození vozidel. Našim klientům tak tyhle modely mohou výrazně šetřit náklady, například při třídění škod v likvidaci (tzv. triage), která velmi zjednodušeně pomáhá automaticky selektovat pojistné události dle rozsahu poškození a následně distribuovat likvidátorům. Malé poškození tak přistane na stole juniorovi, rozsáhlá poškození řeší seniorní likvidátor. 

      U detekce poškození hraje velkou roli vliv prostředí, osvětlení, odlesky na laku karoserie. Tyhle úkoly jsou často náročné nejen pro AI, ale i pro lidské oko. 

      Jaký vliv má vaše technologie na zrychlení procesů pro vaše klienty?

        Jedna z prvních asociací, co se vám vybaví, když slyšíte slovo pojišťovna, jsou právě zdlouhavé procesy a čekání. A v tomhle je právě využití AI v pojišťovnictví geniální. Máte obrovskou hromadu dat a když je “nalijete” do těch správných modelů, můžete ušetřit neskutečné množství času. Pojišťovně i jejímu zákazníkovi.

        Z naší case study s Direct pojišťovnou vyplynulo, že na zajištění kompletní fotodokumentace stačí zákazníkovi pojišťovny 7 minut, oproti původním hodinám či dnům, když jste museli čekat na technika, který osobně automobil dorazí vyfotit nebo se zákazník musí vydat přímo na pojišťovnu, aby si sjednal havarijní pojištění. 

        Při třídění došlých e-mailů, které obsahují přílohy, máme změřeno, že s využitím AI a intuitivního UI dochází k poklesu nutné ruční kontroly o desítky procent. 

        V řádech minut se pohybujeme i v případě výše zmíněné segmentace škod po vzniku pojistné události. S jejím využitím se mohou pojišťovny dostat k nižším jednotkám hodin od samotného vzniku pojistné události po výplatu peněz. 

        Jaké jsou výzvy spojené s integrací vašeho systému do stávajících IT infrastruktur klientů?

        Myslím, že se nám tuhle výzvu podařilo celkem pokořit. Jsou dvě cesty, jak k integraci přistupujeme. Prvnímu řešení říkáme interně “krabička”, tak bych tenhle název použil i tady. Díky zkušenostem z custom developmentu se nám podařilo připravit minimalistickou komponentu, což je právě ta krabička, která komunikuje s naší API. Ta se pak napojí na další systémy v klientově struktuře, které mohou být v libovolné technologii. Díky tomuto jednoduchému řešení tak samotná integrace může trvat jen několik týdnů vč. samotného ladění, a my zároveň nemusíme řešit výzvy v podobě legacy systémů na zastaralých technologiích. 

        Druhý způsob je ještě o poznání jednodušší. Integraci zahájíme několika konzultacemi s IT oddělením, po kterých si pojišťovna nasadí do stávající struktury InstaCover napřímo skrze API a ve velmi krátkém čase jdeme do produkce. Jinými slovy si tu “krabičku” postaví přímo klientské IT oddělení podle vlastních preferencí. První volání našich služeb je ale možné už v rámci nižších hodin integračních prací.

        Jaké byly největší technické výzvy při vývoji vaší AI platformy?

        Překvapivě to nebyl vývoj AI modelů, ale jejich výrazné zmenšení, abychom je dokázali dostat přímo do mobilních telefonů s omezeným výpočetním výkonem. Stahování aplikace a plýtvání dat v okamžiku, kdy si jednorázově sjednáváte havarijní pojištění, nám totiž nedává smysl. Proto volíme cestu co nejmenších modelů při udržení vysoké kvality a rychlosti zpracování.

        Výzvou byl i sběr kvalitních dat a vývoj vyladěné uživatelsky přívětivé aplikace, která bude v reálném čase dávat zákazníkovi pojišťovny zpětnou vazbu o tom, co případně dělá během focení vozidla chybně.

        Jak InstaCover zajišťuje přesnost a jasnost fotografií pořízených zákazníky?

        Přímo v telefonu zákazníka pojišťovny běží malý model umělé inteligence, který i bez přístupu k internetu dokáže okamžitě po pořízení fotografie vyhodnotit její kvalitu a správnost. Kontroluje se, že je nafoceno celé vozidlo, zda je viditelná registrační značka, jestli fotografie není rozmazaná, příliš tmavá nebo naopak přesvícená, že vozidlo není zasněžené nebo jinak zakryté atd. Pokud cokoliv není v pořádku, aplikace rovnou vrací uživatele k přefocení.

        Jaký dopad má vaše technologie na zákaznickou spokojenost?

        Když jsme do pojišťovnictví vstupovali, tak jedním z hlavních hnacích motorů byla osobní zkušenost. V hlavě nám běželo, že to přeci musí jít rychleji, jednoduše, na pár kliků. Teď už si samozřejmě dokážeme představit i tu řadu procesů, která se skrývá za každým úkonem v pojišťovně. Ale i přes to všechno se nám podařilo řadu procesů opravdu zrychlit. A to jak na straně pojišťoven, tak u jejich zákazníků. 

        Ale není to jen o spokojenosti s rychlostí, snížením nákladů nebo vytvořením intuitivní aplikace. Jsme především součástí antifraud systému a pomáháme předcházet pojistným podvodům.

        Jaké jsou nejčastější typy poškození, které vaše systémy detekují?

        Podle našich měření má přibližně 15 % vozidel vstupujících do havarijního pojištění alespoň nějaké drobné poškození. Typicky jsou to poškození spíše kosmetického rázu – drobné oděrky, mělké škrábance nebo důlky od odrazu kamínků apod. Obvykle žádné z takto detekovaných poškození nebrání havarijnímu pojištění vozidla. 

        Naše aplikace pojišťovnu informuje o závažnosti poškození pomocí 5 bodové stupnice, kde právě poškození úrovně 1-2 jsou drobné oděrky a promáčkliny, úroveň 3 už jsou větší škody na karoserii, případně chybějící části nárazníků, úroveň 4 jsou rozsáhlé škody na velké ploše vozidla nebo sklech a úroveň 5 je neslučitelná s provozem vozidla. Vyšší úrovně poškození na vstupu do pojištění prakticky neevidujeme, naopak v případě hlášení pojistné události jsou zastoupené dominantně.

        Jaké jsou klíčové faktory úspěchu v oblasti insurtech podle vaší zkušenosti?

        Vracím se na začátek, kde jsem zmiňoval, že pojišťovnictví je opravdu velmi tradiční obor. Nemůžete naběhnout s raketovou rychlostí, na kterou jste zvyklý ze startupového prostředí a začít metat blesky inovací. 

        Já osobně jsem se rozhodně naučil zpomalit a naslouchat klientům. Právě od naslouchání jsme velmi brzy přešli ke společným debatám a následné spolupráci. Vzájemně jsme vyladili produkt do podoby, v jaké je teď. Ovšem nebylo by to možné, kdyby i na druhé straně, tj. na straně pojišťoven, nebyli nadšenci do inovací.     

        Jaká technologická vylepšení plánujete v blízké budoucnosti?

        Dá se říct, že jsme teď v InstaCover zas v takovém hodně tvořivém flow. Máme za sebou nasazení aplikace u prvního zahraničního klienta – slovenské pojišťovny Wüstenrot, čemuž předcházela samozřejmě důkladná příprava a odladění detailů pro vstup na zahraniční trhy. 

        Finalizujeme zmíněnou triage, která velmi výrazně zefektivní procesy v rámci claim managementu a likvidace pojistných událostí. 

        A v neposlední řadě naše řešení nyní v modifikované podobě testujeme pro možnost využití například pro e-grocery a další kurýrní služby. 

        Asociace

        © 2024 Všechna práva vyhrazena

        Česká asociace umělé inteligence z.ú.