Case Study · Healthcare & Insurance
AI w underwritingu medycznym: automatyzacja oceny ryzyka ubezpieczeniowego
Rezultaty biznesowe
automatycznej weryfikacji
Wynik przekroczył oczekiwany przez klienta poziom 80%.
od startu do MVP
Główna wersja platformy dostarczona w wymagającym terminie.
wdrożone i stale rozwijane
Rozwiązanie działa produkcyjnie i zyskuje kolejne funkcjonalności.
01 · Klient
Nasz klient
- Klient
- Poufny
- Branża
- Medyczna, Ubezpieczeniowa
- Rynek
- Europa
- Technologia
- LLM, AI-native
- Realizacja
- PoC – 1 tydzień · MVP – 2 miesiące · Działa produkcyjnie
02 · Wyzwanie
Wyzwanie klienta
Underwriting medyczny wymagał analizy kwestionariuszy zdrowotnych, dokumentacji medycznej oraz reguł właściwych dla różnych produktów ubezpieczeniowych. Ręczna obsługa tego procesu była czasochłonna, utrudniała zachowanie spójnych kryteriów oceny ryzyka i ograniczała możliwość skalowania działalności.
Klient potrzebował dedykowanego oprogramowania, które zautomatyzuje powtarzalne etapy underwritingu i wesprze analizę dokumentacji medycznej za pomocą AI. Rozwiązanie musiało jednocześnie chronić wrażliwe dane, integrować się z istniejącymi procesami oraz pozostawiać ekspertom kontrolę nad przypadkami wymagającymi indywidualnej oceny.
03 · Rozwiązanie
Nasze rozwiązanie
Zaprojektowaliśmy i stworzyliśmy dedykowaną platformę do automatyzacji underwritingu medycznego. System wspiera cały proces oceny ryzyka ubezpieczeniowego: od zebrania danych z kwestionariusza zdrowotnego i dokumentacji medycznej, przez ich analizę, aż po rekomendację decyzji i weryfikację przez underwritera.
Platforma wykorzystuje OCR i modele językowe do odczytywania oraz porządkowania informacji zawartych w dokumentach medycznych. Następnie konfigurowalny silnik reguł ocenia dane zgodnie z kryteriami właściwymi dla danego produktu ubezpieczeniowego. Przypadki wymagające indywidualnej interpretacji są automatycznie przekazywane ekspertowi wraz z uporządkowanym zestawem najważniejszych informacji.
Rozwiązanie zostało zaprojektowane z myślą o bezpieczeństwie danych medycznych, przejrzystości decyzji i integracji z istniejącymi procesami klienta. Modułowa architektura pozwala rozwijać platformę, dodawać kolejne produkty ubezpieczeniowe oraz dostosowywać reguły bez przebudowy całego systemu.
04 · AI-native development
AI-native software development w praktyce
Projekt został zrealizowany w podejściu AI-native, w którym sztuczna inteligencja wspierała cały proces tworzenia oprogramowania: od analizy wymagań i generowania kodu, przez testowanie, aż po wykrywanie błędów i weryfikację zmian.
Repozytorium projektu pełniło funkcję centralnej bazy wiedzy dla programistów i narzędzi AI. Zawierało informacje o architekturze systemu, standardach kodowania, bezpieczeństwie, integracjach oraz sposobach testowania aplikacji. Dzięki temu AI mogło pracować na aktualnym kontekście biznesowym i technicznym.
05 · Realizacja projektu
Jak AI pomogło w realizacji projektu?
- Przyspieszyło analizę wymagań i implementację funkcjonalności.
- Wspierało generowanie, refaktoryzację i weryfikację kodu.
- Analizowało wyniki testów i pomagało usuwać błędy.
- Umożliwiło pracę w krótkich, łatwych do sprawdzenia cyklach.
- Korzystało z wiedzy zapisanej bezpośrednio w repozytorium.
- Wspierało automatyczne testy jednostkowe, integracyjne i end-to-end.
- Pomagało wykrywać regresje, problemy z bezpieczeństwem i błędy integracji.
- Usprawniło proces przeglądu i przygotowania zmian do wdrożenia.
Połączenie AI-assisted software development, automatycznych testów i kontroli jakości pozwoliło dostarczyć główną wersję platformy w około dwa miesiące. Mimo szybkiego tempa rozwoju liczba błędów trafiających na produkcję pozostała bliska zeru.
AI wspierało zespół techniczny, ale kluczowe decyzje dotyczące architektury, bezpieczeństwa, logiki biznesowej i wdrożeń nadal należały do ludzi.
06 · Korzyści
Korzyści dla klienta
- Krótszy czas oceny wniosków dzięki automatyzacji analizy kwestionariuszy i dokumentacji medycznej.
- Spójniejsze decyzje underwritingowe oparte na jawnych, konfigurowalnych regułach biznesowych.
- Mniejsze obciążenie underwriterów powtarzalnymi zadaniami i więcej czasu na analizę złożonych przypadków.
- Szybsze uruchamianie nowych produktów ubezpieczeniowych dzięki możliwości konfiguracji kwestionariuszy, kryteriów i ścieżek decyzyjnych.
- Pełna kontrola eksperta nad procesem. AI wspiera ocenę ryzyka, ale nie zastępuje człowieka w przypadkach wymagających interpretacji.
- Bezpieczna i skalowalna podstawa do dalszej cyfryzacji procesów w sektorze medycznym i ubezpieczeniowym.
07 · Pomiar rezultatu
Jak mierzymy 92% automatycznej weryfikacji?
Wynik został zmierzony na produkcji i obejmuje wszystkie wnioski pierwszych 200 klientów. W 92% przypadków system samodzielnie podjął decyzję, bez udziału człowieka.
Pozostałe 8% przypadków zostało przekazanych do dodatkowej oceny underwritera, lekarza lub innego eksperta. Rozwiązanie jest stale rozwijane, aby zwiększać skuteczność automatycznej weryfikacji przy zachowaniu kontroli eksperckiej.
OptFor.AI
Rozwiązania AI dla sektora medycznego i ubezpieczeniowego
OptFor.AI projektuje i buduje dedykowane rozwiązania AI dla ubezpieczycieli, organizacji medycznych oraz firm przetwarzających wrażliwe dane medyczne. Łączymy inteligentne przetwarzanie dokumentów, konfigurowalne reguły biznesowe i procesy human-in-the-loop, aby automatyzować złożone decyzje bez zamieniania ich w nieprzejrzystą czarną skrzynkę.
Niezależnie od tego, czy modernizujesz underwriting medyczny, automatyzujesz ocenę ryzyka ubezpieczeniowego, czy wprowadzasz AI do regulowanego procesu medycznego, pomożemy Ci przejść od koncepcji i proof of concept do bezpiecznego rozwiązania produkcyjnego.
Case study · Ostatnia aktualizacja:
OptFor.AI
Planujesz projekt AI w medycynie lub ubezpieczeniach?
Porozmawiajmy o automatyzacji underwritingu, oceny ryzyka lub analizy dokumentacji medycznej z uwzględnieniem bezpieczeństwa, zgodności i kontroli człowieka.