Sztuczna inteligencja stała się już elementem codziennego funkcjonowania firm ubezpieczeniowych. Raport Capgemini Research Institute pokazuje jednak, że samo wdrożenie technologii nie gwarantuje lepszych wyników biznesowych. O przewadze decyduje zdolność do jej skutecznego skalowania i powiązania z celami organizacji.

Według raportu „World Property and Casualty Insurance Report 2026” tylko około 10 proc. ubezpieczycieli majątkowych i osobowych skutecznie wykorzystuje AI na szeroką skalę. Ta grupa osiąga wyższy wzrost przychodów i lepsze wyniki giełdowe niż pozostali uczestnicy rynku. Jednocześnie aż 60 proc. firm pozostaje na etapie testów lub projektów proof of concept, a 42 proc. nie mierzy efektów wdrożeń za pomocą żadnych wskaźników.

To oznacza, że dla wielu organizacji sztuczna inteligencja pozostaje zbiorem pojedynczych inicjatyw, a nie narzędziem wspierającym realizację strategii biznesowej. AI jest dziś wykorzystywana między innymi w obsłudze klienta, ocenie ryzyka ubezpieczeniowego, likwidacji szkód czy wsparciu agentów, jednak korzyści finansowe często okazują się mniejsze od oczekiwań.

Jednym z głównych problemów pozostaje brak systematycznego pomiaru efektów. Bez określenia wskaźników trudno ocenić, które projekty przynoszą wartość, a które wymagają zmian lub zakończenia. Coraz więcej ekspertów zwraca uwagę, że inicjatywy związane z AI powinny być rozliczane podobnie jak inne inwestycje biznesowe, z uwzględnieniem wpływu na przychody, koszty i efektywność operacyjną.

Raport wskazuje również na nierównowagę w sposobie finansowania transformacji. Średnio 72 proc. budżetów przeznaczonych na AI trafia na technologie i infrastrukturę, podczas gdy jedynie 28 proc. finansuje zarządzanie zmianą. Tymczasem właśnie przygotowanie procesów, kompetencji i sposobu pracy pracowników często decyduje o powodzeniu wdrożeń.

„Większość firm ubezpieczeniowych nie zmaga się dziś z technologią AI jako taką, lecz z jej skutecznym skalowaniem. Prawdziwym czynnikiem wyróżniającym jest umiejętność industrializacji sztucznej inteligencji — integracji z procesami biznesowymi, przełożenia jej na wyniki finansowe oraz zapewnienia adopcji w całej organizacji. To właśnie odróżnia etap eksperymentów od osiągnięcia realnej przewagi konkurencyjnej” – komentuje Fabrizio Casale, Continental Europe – Insurance Practice Head, Financial Services w Capgemini Polska.

Autorzy raportu zwracają uwagę, że firmy odnoszące największe sukcesy traktują AI jako element modelu operacyjnego, a nie odrębny projekt innowacyjny. W latach 2021–2024 osiągnęły one o 21 proc. wyższe tempo wzrostu przychodów oraz o 51 proc. większy wzrost wartości akcji niż pozostali ubezpieczyciele. Ich przewaga wynika z równoczesnego rozwoju technologii, kompetencji pracowników, jakości danych i sposobu zarządzania organizacją.

Istotnym wyzwaniem pozostają także kompetencje zespołów. Raport pokazuje, że 67 proc. ubezpieczycieli wskazuje niedobór wiedzy o AI jako jedną z głównych barier. Jednocześnie niemal połowa pracowników korzystających z tych narzędzi twierdzi, że po 18 miesiącach ich codzienna praca praktycznie się nie zmieniła. Dodatkowo 43 proc. obawia się wpływu AI na bezpieczeństwo zatrudnienia, a tylko 14 proc. jasno rozumie rolę tej technologii w swoich obowiązkach.

„AI nie przyniesie korzyści, jeśli pozostanie jedynie zbiorem odizolowanych zastosowań. Prawdziwa zmiana polega na przejściu od AI wspierającej pracę ludzi do AI aktywnie działającej w organizacji — zintegrowanej z podstawowymi procesami, wspomagającej i orkiestrującej decyzje oraz wdrożonej na skalę całego przedsiębiorstwa. Taka transformacja wymaga nie tylko odpowiedniej technologii, lecz także jasnego podziału odpowiedzialności, nowych kompetencji i fundamentalnej zmiany modelu operacyjnego” – dodaje Fabrizio Casale, Continental Europe – Insurance Practice Head, Financial Services w Capgemini Polska.

Zdaniem autorów raportu kolejnym etapem rozwoju sektora będzie model ubezpieczyciela wspieranego przez AI, w którym technologia przejmuje powtarzalne zadania, a eksperci koncentrują się na decyzjach wymagających wiedzy i doświadczenia. Warunkiem powodzenia pozostaje jednak przejście od eksperymentów do pełnoskalowych wdrożeń opartych na danych, jasno określonej odpowiedzialności i spójnej strategii biznesowej.