Μια πελάτισσα ασφαλιστικής γράφει στον εικονικό βοηθό της: «Έχασα το ασφαλιστήριο του αυτοκινήτου μου». Εντός ολίγων δευτερολέπτων λαμβάνει αυτόματα από το σύστημα που έχει εκπαιδευτεί ειδικά για να αντιλαμβάνεται τέτοιου είδους ερωτήματα και να παράγει απαντήσεις, το εξής: «Θα σας στείλω ένα νέο αντίγραφο στο email σας εντός ολίγων λεπτών». Το σύστημα λοιπόν αναγνωρίζει το αίτημα, εντοπίζει το προφίλ του πελάτη και ενεργεί αυτόνομα. Κάποιος θα υπέθετε ότι αυτό είναι ένα υποθετικό ή μελλοντικό σενάριο.
του Χρήστου Γαβαλά, (Το άρθρο δημοσιεύτηκε στον Οδηγό Ασφάλισης που κυκλοφόρησε με την ΚΑΘΗΜΕΡΙΝΗ στις 14/12/2025)
Είναι όμως πραγματικό, φέρνοντας τα στελέχη και τις διοικήσεις των ασφαλιστικών μπροστά σε ένα κρίσιμο σταυροδρόμι και σε ένα τεντωμένο σχοινί. Στην εποχή της τεχνητής νοημοσύνης, οι εταιρείες καλούνται από τη μία να κινηθούν με γνώμονα την καινοτομία και την αυτοματοποίηση, από την άλλη να ικανοποιήσουν την απαίτηση για ασφάλεια, διαφάνεια και συμμόρφωση. Στη σκακιέρα των επιλογών που καθορίζει την επιτυχία ή μη ενός στρατηγικού σχεδιασμού, το κλειδί κρύβεται στη λέξη «ισορροπία».
Εύκολο να το λες, δύσκολο να το πετύχεις, θα πουν πολλοί. Σε πρώτη ανάγνωση, είναι δεδομένο ότι οι ασφαλιστικές εταιρείες διεθνώς επενδύουν στρατηγικά σε τεχνολογίες τεχνητής νοημοσύνης (ΤΝ), με στόχο την ενίσχυση της λειτουργικής αποδοτικότητας, την επιτάχυνση κρίσιμων διαδικασιών και τη βελτίωση της εμπειρίας των πελατών τους. Σύμφωνα με την Global Insurance Survey 2024-2025 της Goldman Sachs, περίπου το 48% των ασφαλιστικών οργανισμών έχουν ήδη ενσωματώσει τεχνολογίες ΤΝ σε επιμέρους λειτουργίες, ενώ επιπλέον το 50% βρίσκεται σε φάση υιοθέτησης ή πιλοτικής δοκιμής. Είναι μάλιστα χαρακτηριστικό ότι 8 στις 10 συμμετέχουσες στην έρευνα εταιρείες αναγνωρίζουν την ΤΝ ως βασικό μοχλό μείωσης λειτουργικού κόστους, ενώ σχεδόν οι 4 στις 10 την αξιοποιούν ήδη ή σκοπεύουν να τη χρησιμοποιήσουν σε underwriting και διαχείριση κινδύνου.
Μέσα σε αυτό το δυναμικό περιβάλλον, που απαιτεί συντριπτικές αλλαγές με άξονα την υιοθέτηση τεχνολογιών σε όλο το φάσμα της λειτουργίας τους, πώς μπορούν οι ασφαλιστικές να κινηθούν δομικά προς τη νέα εποχή, διασφαλίζοντας και τη μεγάλη επένδυση που τους ζητείται εν τοις πράγμασι να κάνουν;
Για να απαντήσουμε σε αυτό το ερώτημα, απευθυνθήκαμε σε ένα έμπειρο στέλεχος της κορυφαίας εταιρείας συμβουλευτικών υπηρεσιών KPMG. H Δέσποινα Παπαχρυσάνθου, Partner, Transformation and Operations στην Ελλάδα, μας ανέδειξε πτυχές του θέματος από τη σκοπιά του επαγγελματία που βοηθάει εταιρείες να χαρτογραφήσουν τρόπους εργασίας, έτσι ώστε ο ψηφιακός μετασχηματισμός να μη φέρνει έκθεση σε υπερβολικό κίνδυνο και ταυτόχρονα να οδηγεί σε καλύτερα και διαρκέστερα αποτελέσματα. «Για να ισορροπήσει μια ασφαλιστική εταιρεία μεταξύ καινοτομίας και διαχείρισης ρίσκου, η στρατηγική της πρέπει να βασίζεται σε έναν ολιστικό μετασχηματισμό, που ξεκινά από την αξιολόγηση της οργανωτικής ωριμότητας και προχωρά στην ανάπτυξη καινοτόμων λύσεων με ελεγχόμενο και στοχευμένο τρόπο. Ο συνδυασμός Lean και Agile μεθοδολογιών επιτρέπει τόσο τη βελτιστοποίηση των διαδικασιών όσο και την ευέλικτη προσαρμογή στις ανάγκες της αγοράς, εξασφαλίζοντας ότι η εισαγωγή νέων τεχνολογιών δεν αυξάνει υπερβολικά τον λειτουργικό κίνδυνο», εξηγεί.
Η ουσιαστική αλλαγή, προσθέτει, δεν περιορίζεται στην απλή υιοθέτηση μεμονωμένων τεχνολογιών, αλλά προκύπτει μέσα από έναν στρατηγικό επανασχεδιασμό των λειτουργικών μοντέλων, σε μια μετάβαση από αποσπασματικά έργα σε μια ολιστική στρατηγική. Περνούν δηλαδή οι ασφαλιστικές «από το στάδιο της Intelligent Automation στο επόμενο επίπεδο, το Hyper Automation – μια προσέγγιση που συνδυάζει τεχνητή νοημοσύνη, RPA, OCR, Predictive and Prescriptive Analytics, Cloud-based συστήματα και Agentic AI για να αυτοματοποιήσει ολόκληρες επιχειρησιακές διαδικασίες end-to-end», σημειώνει. «Το αποτέλεσμα είναι αυξημένη ευελιξία, βελτιωμένη ακρίβεια, ταχύτερη λήψη αποφάσεων και πλήρως προσωποποιημένη εμπειρία πελάτη, σε ένα περιβάλλον όπου η τεχνολογία λειτουργεί πλέον ως στρατηγικός καταλύτης και όχι ως εργαλείο υποστήριξης».
Από τα οφέλη στις απτές αλλαγές που ήδη συμβαίνουν
Οι κύριοι τομείς εφαρμογής της τεχνητής νοημοσύνης στις ασφαλιστικές περιλαμβάνουν, εξηγεί, την αυτοματοποιημένη διαχείριση αποζημιώσεων, την ανίχνευση και την πρόληψη ασφαλιστικής απάτης, την ευφυή τιμολόγηση και τη βελτίωση της πελατειακής εμπειρίας μέσα από Conversational AI και ψηφιακά κανάλια εξυπηρέτησης.
Μέσα σε αυτή τη μετάβαση υπάρχουν σαφή πεδία όπου η ΤΝ έχει ήδη προσφέρει απτά οφέλη στις ασφαλιστικές. Όπως σημειώνει η κ. Παπαχρυσάνθου, η παραγωγική τεχνητή νοημοσύνη ενισχύει ήδη την παραγωγικότητα μέσω αυτοματοποιημένων προτάσεων και σύνταξης εγγράφων, επιτρέποντας στους ασφαλιστικούς συμβούλους να επικεντρωθούν σε στρατηγικές αποφάσεις, ενώ κάνει συγκεκριμένη αναφορά στην περίπτωση της Omega Healthcare, η οποία μέσω αυτού του τρόπου «έχει εξοικονομήσει πάνω από 15.000 ώρες εργασίας μηνιαίως και έχει αυξήσει την ακρίβεια των εγγράφων στο 99,5%».
Παράλληλα, κάνει αναφορά σε μελέτη του Πανεπιστημίου της Πίζα, που έδειξε ότι η ενσωμάτωση Machine Learning και Process Mining μπορεί να αυτοματοποιήσει κρίσιμα στάδια όπως η αξιολόγηση απαιτήσεων, οδηγώντας σε αύξηση αποδοτικότητας άνω του 45% και βελτιωμένη λήψη αποφάσεων σε πραγματικό χρόνο.
Τονίζει επιπρόσθετα ότι η πραγματική αξία της παραγωγικής τεχνητής νοημοσύνης «επιτυγχάνεται όταν ενσωματώνεται σε στρατηγικά μοντέλα μετασχηματισμού, όπως τα Lean, Six Sigma και Agile frameworks», καθώς, όπως διευκρινίζει, το Lean Management επιτρέπει την εξάλειψη σπατάλης και τη βελτιστοποίηση ροών εργασίας, ενώ το Six Sigma προσφέρει μετρήσιμα KPIs για την αύξηση της ποιότητας, μειώνοντας λάθη και ενισχύοντας την ακρίβεια των διαδικασιών. Σύμφωνα με την εξειδικευμένη σύμβουλο της KPMG, τα Agile μοντέλα μετασχηματισμού παρέχουν την απαιτούμενη ευελιξία ώστε οι ασφαλιστικές να προσαρμόζονται γρήγορα στις αλλαγές της αγοράς, επιτρέποντας συνεχή βελτίωση και ανάπτυξη προϊόντων σε πραγματικό χρόνο.
Ο ανθρώπινος παράγοντας θα είναι πάντα κρίσιμος
Παρά τη ραγδαία υιοθέτηση τεχνολογιών, η κ. Παπαχρυσάνθου εκτιμά ότι ο ανθρώπινος παράγοντας παραμένει κομβικός. Η μηχανή μπορεί να επεξεργάζεται δεδομένα, να κάνει προτάσεις, να εντοπίζει μοτίβα· αλλά η κριτική σκέψη, η ηθική λήψη αποφάσεων, η αίσθηση του «τι είναι δίκαιο» και η επικοινωνία της απόφασης προς τον πελάτη δεν μπορούν να παραμείνουν δευτερεύουσες. «Οι ασφαλιστικοί σύμβουλοι και τα στελέχη συνεχίζουν να μεταφράζουν την τεχνολογία σε ουσιαστική αξία, ερμηνεύοντας πολύπλοκα δεδομένα, διαχειριζόμενοι σύνθετα σενάρια και διαμορφώνοντας σχέσεις εμπιστοσύνης με τους πελάτες», εξηγεί.
Παράλληλα, κάνει αναφορά στην έρευνα της Zurich Insurance του 2025, με βάση την οποία, ενώ το 70-80% των καθημερινών λειτουργιών των ασφαλιστικών εταιρειών μπορούν να αυτοματοποιηθούν, οι εργασίες που απαιτούν ενσυναίσθηση, ηθική κρίση και στρατηγική διορατικότητα παραμένουν αποκλειστικά ανθρώπινες. Μάλιστα επισημαίνει ότι η εξέλιξη της τεχνολογίας δεν είναι αποθαρρυντικός παράγοντας για την αντίστοιχη μετεξέλιξη της ανθρώπινης συμμετοχής. «Η σωστή σχεδίαση τεχνολογικών λύσεων επιτρέπει στον ανθρώπινο παράγοντα να ενδυναμώνεται αντί να αντικαθίσταται. Μέσω upskilling και reskilling, οι εργαζόμενοι αποκτούν δεξιότητες σε AI literacy, data literacy και ψηφιακές μεθοδολογίες Lean και Agile, και καθίστανται ικανοί να διαχειρίζονται τα πιο πολύπλοκα σενάρια και να προσφέρουν εξατομικευμένη εξυπηρέτηση. Σύμφωνα με μελέτες, οργανισμοί που επένδυσαν συστηματικά σε εκπαίδευση και ενδυνάμωση του προσωπικού, μετά την εισαγωγή ΤΝ είδαν αύξηση της παραγωγικότητας κατά 15-20% και βελτίωση της ικανοποίησης πελατών κατά 25%».
Αυτό μάλιστα συνδέεται άμεσα και θα φανεί πολύ χρήσιμο στο νέο ρυθμιστικό πλαίσιο: το AI Act της Ευρωπαϊκής Ένωσης αντιμετωπίζει τα συστήματα ΤΝ στον ασφαλιστικό κλάδο (π.χ. ΤΝ που χρησιμοποιείται για τιμολόγηση ή αξιολόγηση κινδύνου) ως «high-risk» και επιβάλλει υποχρεώσεις για διαφάνεια, ανάγκη εξήγησης (explainability), επαρκή δεδομένα και γενικώς ανθρώπινη εποπτεία. «Οι ασφαλιστικές εταιρείες καλούνται να ενσωματώσουν τη συμμόρφωση από το στάδιο του σχεδιασμού (compliance by design) μέσω μηχανισμών όπως η explainability, που επιτρέπει στους ανθρώπους να κατανοούν και να ελέγχουν τις αποφάσεις του συστήματος ΤΝ, η ιχνηλασιμότητα, που εξασφαλίζει ότι όλες οι αποφάσεις και ενέργειες του συστήματος μπορούν να εντοπιστούν, και η δυνατότητα ελέγχου/επιθεώρησης, που επιτρέπει τη συνεχή αξιολόγηση της συμμόρφωσης και της απόδοσης του συστήματος καθ’ όλη τη διάρκεια της ζωής του», επισημαίνει η κ. Παπαχρυσάνθου.
Και προσθέτει: «Αυτοί οι μηχανισμοί εξασφαλίζουν διαφάνεια, δυνατότητα ανθρώπινης εποπτείας και διαχείριση κινδύνου, ενσωματώνοντας την τεχνολογία σε ασφαλές και υπεύθυνο πλαίσιο». Μπορεί η κ. Παπαχρυσάνθου να βλέπει ένα μέλλον γεμάτο θετικές αλλαγές για τις εταιρείες και τους ασφαλισμένους, ωστόσο δεν παραλείπει να υπογραμμίζει και τους λόγους για τους οποίους αυτές δεν προβλέπεται να έρθουν άμεσα.
Παρά το γεγονός ότι ο ψηφιακός μετασχηματισμός των ασφαλιστικών βρίσκεται σε πλήρη εξέλιξη, σημειώνει ότι η υιοθέτηση της τεχνητής νοημοσύνης παραμένει σε μεγάλο βαθμό ελεγχόμενη και σταδιακή. «Μόλις το 20-25% των ασφαλιστικών οργανισμών έχει καταφέρει να επεκτείνει λύσεις ΤΝ σε πλήρη επιχειρησιακή κλίμακα, με τα περισσότερα έργα να βρίσκονται σε πιλοτικό ή μερικώς ενσωματωμένο στάδιο. Η σταδιακή αυτή προσέγγιση εξηγείται από την ανάγκη αξιολόγησης μέσω KPIs και ROI, καθώς και την απαίτηση συμμόρφωσης με αυστηρά κανονιστικά πλαίσια (π.χ. GDPR, AI Act)».
