Piše: Igor Zorić, direktor Službe za upravljanje rizicima i kontroling u Triglav osiguranju a.d.o. Beograd:
AI nije problem tehnologije, već kvaliteta znanja. Ko ne sredi bazu znanja, samo će brže donositi pogrešne odluke.
Veštačka inteligencija (AI) se primenjuje u gotovo svakom segmentu lanca vrednosti u osiguranju, od algoritama mašinskog učenja koji povećavaju preciznost underwritinga do alata za obradu prirodnog jezika koji unapređuju obradu šteta i identifikuje prevare. Najnoviji podaci pokazuju da 77 odsto globalnih osiguravača aktivno usvaja AI tehnologije, u poređenju sa svega 61 odsto pre godinu dana.
Procenjuje se da bi AI do 2030. godine mogao da doprinese sa čak 950 milijardi evra godišnje globalne vrednosti u sektoru osiguranja, od čega bi gotovo 350 milijardi evra moglo da proistekne iz unapređenog underwritinga, određivanja cena personalizovane ponude i promotivnih aktivnosti.
Budući da se osiguravači suočavaju s rastućom konkurencijom, evoluirajućim rizicima i okruženjem bogatim podacima, AI‑driven upravljanje rizicima predstavlja ne samo tehnološko unapređenje već i strateški imperativ. Ovi alati omogućavaju osiguravačima prelazak s reaktivne procene rizika na prediktivno i dinamičko donošenje odluka, čime se menjaju underwriting prakse, operativna efikasnost i proces strateškog planiranja. Ključno je da ova poboljšanja već počinju da utiču i na to kako investitori i finansijska tržišta vrednuju osiguravače.
Pored taktičke primene u underwritingu ili obradi šteta, AI alati se sve češće posmatraju kao strateška imovina – koja unapređuje alokaciju kapitala, poboljšava povrat prilagođen riziku i pruža podršku donošenju odluka u vezi sa M&A (tokom due diligencea). Prediktivni modeli se koriste za analizu scenarija i stres testove u oblastima katastrofalnih rizika, sajber izloženosti i trendova, omogućavaju aktuarima i odborima za rizike dinamičnije razumevanje izloženosti rizicima. Napredna analitika podataka može da identifikuje neuobičajene obrasce razvoja šteta, otkrije neefikasnosti u trijaži šteta ili prepozna slabo profitabilne segmente portfelja. Usvajanje AI‑a menja troškovne strukture i apetite za rizicima osiguravača. Smanjenjem operativnih troškova kroz automatizaciju, oslobađa se kapital koji se može ponovo alocirati ka rastu ili vratiti akcionarima. Procene ukazuju da osiguravači koji uspešno primenjuju AI kroz više funkcija imaju veću verovatnoću da ostvare poboljšanja profitabilnosti od najmanje 20 odsto, zahvaljujući nižim racijima šteta i efikasnijoj strukturi troškova. Osiguravači razvijaju AI upravljačke okvire koji obezbeđuju da modeli budu objašnjivi, sledljivi i usklađeni s regulatornim očekivanjima. Kako ovi okviri budu sazrevali, AI će prerasti iz taktičkog alata u temeljni stub enterprise‑level risk inteligencije i strateškog odlučivanja.
AI kao strateški multiplikator vrednosti, a ne IT projekat, prešao je put od alata za uštedu troškova do izvora trajne konkurentske prednosti. Najbolji igrači više ne koriste AI da bi „radili isto, samo jeftinije”, već da bi donosili bolje odluke brže i da bi se takmičili u informisanosti i agilnosti, a ne samo u ceni (od price competition ka insight competition). AI omogućava: finiju segmentaciju rizika, formiranje cena u realnom vremenu (na bazi ponašanja i konteksta) i precizniji komercijalni fokus (marketing i ponuda gde je stvarna profitabilnost). Diferencijacija se ne gradi kroz proizvod, već kroz sposobnost da se rizik razume pre konkurencije i da se reaguje brže. AI pomera fokus s „koliko kapitala imamo” na „koliko precizno razumemo gde ulaganje kapitala funkcioniše i gde se troši”. Uspešne kompanije neće biti one koje „imaju AI”, već one koje su ugradile rezultate AI u ERM/ORSA, stres testove i scenarije, pretvorile AI signale u operativne limite i early‑warning indikatore, povezale AI inicijative s merljivim efektima na racio šteta, racio troškova i volatilnost, što predstavlja razliku između pilot‑projekta i trajnog mehanizma odlučivanja. Što je veći uticaj AI na preuzimanje rizika (UW) i određivanje cena (pricing), to je veći regulatorni fokus na: pravičnost, transparentnost i zaštitu potrošača (regulatorni i reputacioni blowback). AI nije više pitanje efikasnosti, već pitanje konkurentnosti. Pobeđivaće oni koji mogu da procenjuju rizik preciznije, brže i dinamičnije i koji AI koriste za kapitalne odluke, ne samo za automatizaciju. Naša meta nije „više AI”, već „AI u ERM/ORSA i u budžetiranju”, uz upravljanje koje omogućava skaliranje bez regulatornog rizika. AI više nije opcija, već linija razdvajanja između lidera i sledbenika. Kao primer dobre prakse, AI platforma AXA Grupe zauzima #1 u Evident AI Insurance Indexu (2025), gde je AI je direktno ugrađen u ERM i strateško planiranje, a ne izolovan u IT-ju.
U praksi osiguranja važi vrlo jednostavno pravilo: kvalitet AI rešenja nikada ne može biti veći od kvaliteta baze znanja na kojoj je zasnovano. Kod osiguravača, baza znanja (knowledge base) nije samo skup podataka. AI ne uči samo iz podataka već iz načina na koji je znanje strukturisano, objašnjeno i kontekstualizovano. Vodeći osiguravačipre nego što skaliraju AI, standardizuju jezik rizika (ERM, underwriting, kontroling), formalizuju ekspertsko znanje, povezuju znanje sa bilansom uspeha i kapitalom, uspostavljaju upravljanje znanjem (vlasništvo, inoviranje i pregled).
