Σε μια νέα φάση φαίνεται να περνά ο ασφαλιστικός κλάδος, καθώς παραδοσιακές εταιρείες αλλά και νεότερες insurtechs στρέφονται από το απλό prompting και τις μεμονωμένες εφαρμογές τεχνητής νοημοσύνης σε μια νέα κατηγορία εργαλείων που κινούνται πέρα από την κλασική αυτοματοποίηση διαδικασιών.
Στο εξωτερικό, η μετάβαση αυτή φαίνεται πως εξελίσσεται ήδη με μεγαλύτερη ταχύτητα, καθώς εξειδικευμένοι AI agents αρχίζουν να ενσωματώνονται σε κρίσιμες λειτουργίες των ασφαλιστικών επιχειρήσεων, από την ανάλυση συμβολαίων και το underwriting, μέχρι τη διαχείριση απαιτήσεων και την αξιολόγηση καλύψεων. Χαρακτηριστικό παράδειγμα αποτελεί η περίπτωση της νεοφυούς εταιρείας τεχνολογίας ασφαλίσεων Qumis με έδρα το Σικάγο, η οποία αναπτύσσει μια πλατφόρμα τεχνητής νοημοσύνης ειδικά σχεδιασμένη για την ανάλυση εμπορικών ασφαλιστικών συμβολαίων.
Η ελληνική αγορά μπορεί να μην έχει φτάσει ακόμη στο ίδιο επίπεδο ψηφιακής ωριμότητας, καθώς αρκετές εταιρείες εξακολουθούν να εμφανίζονται επιφυλακτικές, ωστόσο υπάρχουν και παραδείγματα όπως η Hellas Direct και η Insurance Market, που λειτουργούν εξ ολοκλήρου ψηφιακά. Αυτό ακριβώς το χάσμα, ανάμεσα στην αυτοματοποίηση και την πραγματική αυτονομία των συστημάτων, βρέθηκε στο επίκεντρο συζήτησης στο πλαίσιο του 19ου Ασφαλιστικού Συνεδρίου. Πέντε στελέχη της ελληνικής ασφαλιστικής αγοράς —από παραδοσιακές εταιρείες έως επιχειρήσεις που γεννήθηκαν ψηφιακά— συζήτησαν πόσο κοντά βρίσκεται σήμερα ο κλάδος στην εποχή των AI agents, ποιες εφαρμογές έχουν ήδη περάσει στην πράξη και ποιοι παράγοντες εξακολουθούν να επιβραδύνουν την ευρύτερη υιοθέτησή τους.
Qumis: Οι 16 εξειδικευμένοι agents που «διαβάζουν» ολόκληρα ασφαλιστικά προγράμματα
Το πόσο γρήγορα προχωρά η αγορά στις ΗΠΑ αποτυπώνεται στην περίπτωση της Qumis, μιας insurtech με έδρα το Σικάγο και δραστηριότητα στην εμπορική ασφάλιση περιουσίας και αστικής ευθύνης. Ειδικότερα, τον Ιούλιο του 2026 η εταιρεία παρουσίασε μια πλατφόρμα με 16 εξειδικευμένους AI agents, για διαφορετικούς ασφαλιστικούς κλάδους, όπως Cyber, D&O, Marine, Workers’ Compensation και Property, στην οποία οι πράκτορες μπορούν να αναλύουν ολόκληρα ασφαλιστικά προγράμματα, μαζί με εξαιρέσεις και παραρτήματα, και να επιστρέφουν συμπεράσματα με παραπομπές στα συγκεκριμένα σημεία των συμβολαίων.
Οι πράκτορες τεχνητής νοημοσύνης έχουν ουσιαστικά εκπαιδευτεί από δικηγόρους πάνω σε συγκεκριμένα ασφαλιστικά και νομικά σενάρια, ενώ τα αποτελέσματά τους περνούν από διαδικασία αξιολόγησης με τη συμμετοχή ανθρώπων και ειδικών του κλάδου. Στόχος είναι να ελέγχεται η ακρίβεια των απαντήσεων και να αποφεύγεται η υποβάθμιση της ποιότητας ακόμη και μετά από ενδεχόμενες αναβαθμίσεις των μοντέλων. Σε πιο σύνθετες περιπτώσεις φυσικά, ο ανθρώπινος έλεγχος εξακολουθεί να αποτελεί μέρος της διαδικασίας.
Η κατεύθυνση αυτή προς το agentic AI αποτυπώνεται και στις επενδύσεις. Σύμφωνα με στοιχεία της Gallagher Re, το πρώτο τρίμηνο του 2026 η παγκόσμια χρηματοδότηση των insurtechs έφθασε τα 1,63 δισ. δολάρια, με περίπου 95% των κεφαλαίων να κατευθύνεται σε εταιρείες που εστιάζουν στην τεχνητή νοημοσύνη.
Η ελληνική αγορά των «δύο ταχυτήτων»
Η απόσταση από τις ΗΠΑ δεν σημαίνει ότι η ελληνική ασφαλιστική αγορά παραμένει στάσιμη. Αντιθέτως, οι τοποθετήσεις των στελεχών στο 19ο Ασφαλιστικό Συνέδριο έδειξαν ότι αρκετοί παίκτες έχουν ήδη προχωρήσει προς την ανάπτυξη εργαλείων που ακολουθούν τα διεθνή πρότυπα.
«Στην αγορά, μπορώ να διακρίνω δύο ταχύτητες», ανέφερε ο Γιάννης Βασιλάτος Γενικός Διευθυντής Ψηφιακού Μετασχηματισμού, Εργασιών & Εξυπηρέτησης, Eurolife FFH, περιγράφοντας από τη μία πλευρά εταιρείες που έχουν πάρει δύσκολες επενδυτικές αποφάσεις και έχουν προχωρήσει στον τεχνολογικό μετασχηματισμό και από την άλλη, οργανισμούς που εξακολουθούν να διστάζουν. Η Eurolife, παρά το γεγονός ότι είναι μια εταιρεία ηλικίας περίπου 20 ετών, έχει ήδη διαχειριστεί διαφορετικές γενιές συμβολαίων, συστημάτων και διαδικασιών, στοιχείο που δείχνει πόσο γρήγορα δημιουργείται τεχνολογική πολυπλοκότητα ακόμη και σε σχετικά νεότερους οργανισμούς.
Ο ίδιος εντόπισε δύο ακόμη δομικούς περιορισμούς: το κανονιστικό πλαίσιο, ιδιαίτερα σε έναν κλάδο που διαχειρίζεται προσωπικά δεδομένα και κρίσιμες αποφάσεις τιμολόγησης, και την ασφάλεια των πληροφοριών. Όσο περισσότερες λειτουργίες συνδέονται τεχνολογικά μεταξύ τους, τόσο μεγαλύτερη μπορεί να είναι και η επίπτωση ενός περιστατικού κυβερνοασφάλειας εφόσον τα συστήματα δεν έχουν θωρακιστεί επαρκώς.
Στον αντίποδα βρίσκονται εταιρείες που ξεκίνησαν χωρίς μεγάλο βάρος παλαιών υποδομών. Η Hellas Direct, όπως περιέγραψε ο Μιχάλης Περιβολάρης, Head of Infrastructure and Automation, ήταν από την αρχή paperless, με τον αυτοματισμό ενσωματωμένο στο μοντέλο λειτουργίας της και «στο DNA της». Έτσι, τα εργαλεία AI δεν αντιμετωπίστηκαν ως μια απότομη τεχνολογική αλλαγή, αλλά ως ένα ακόμα εργαλείο σε ένα ήδη υπάρχον σύστημα αυτοματισμού. Αντίστοιχα, η Anytime Online λειτουργεί σε πλήρως ψηφιακό περιβάλλον από το 2011. Όπως ανέφερε ο Μπάμπης Μπαμπίλης, Customer Value & Digital Growth, Tribe leader, το μερίδιο του αμιγώς digital customer journey στην ασφαλιστική αγορά παραμένει περίπου στο 15% τα τελευταία χρόνια. Αυτό δείχνει ότι η τεχνολογική δυνατότητα από μόνη της δεν αρκεί, ενώ παραδοσιακά κανάλια εξακολουθούν να έχουν ισχυρή θέση στις προτιμήσεις των καταναλωτών.
Από την αυτοματοποίηση στην αυτονομία
Η μεγαλύτερη αλλαγή, ωστόσο, δεν αφορά το αν μια ασφαλιστική χρησιμοποιεί AI, αλλά το τι ακριβώς του επιτρέπει να κάνει. Ο Μανώλης Μαρσέλλος, Διευθύνων Σύμβουλος, Insurancemarket.gr, ανέδειξε ότι το στάδιο κατά το οποίο το AI αντιμετωπιζόταν κυρίως ως ένα prompt σε ένα chatbot έχει ήδη ξεπεραστεί. Σήμερα, όπως είπε, η δουλειά τους μετατοπίζεται στον προγραμματισμό agents οι οποίοι μπορούν να εκτελούν διαφορετικές εργασίες σε πραγματικό χρόνο, περιορίζοντας bottlenecks που στο παρελθόν απαιτούσαν σημαντικό ανθρώπινο χρόνο.
Έδωσε ακόμη μια εικόνα για το πώς αξιοποιούνται στην πράξη αυτά τα εργαλεία στην εταιρεία του, λέγοντας ότι δικαιολογητικά μπορούν να ελέγχονται αυτόματα, με περίπου το 90% των σχετικών περιπτώσεων να ολοκληρώνεται χωρίς ανθρώπινη παρέμβαση, ενώ αναλύονται τηλεφωνικές κλήσεις για τον εντοπισμό προβλημάτων στον τρόπο επικοινωνίας και γίνονται διασταυρώσεις με τις ενέργειες που έχουν καταγραφεί στο CRM. Το εντυπωσιακό, σύμφωνα με τον ίδιο, είναι η ταχύτητα της αλλαγής, καθώς εφαρμογές που πριν από λίγους μήνες θεωρούνταν προηγμένες, σήμερα μπορεί ήδη να μοιάζουν ξεπερασμένες.
Συνεχίζοντας ο Πέτρος Τσώνης, Chief Technology Officer (CTO), της Εθνικής Ασφαλιστικής, τόνισε ότι το agentic AI δεν αφορά πρωτίστως την αυτοματοποίηση, αλλά την αυτονομία. Το ζητούμενο σήμερα δεν είναι απλώς να επιταχυνθεί μια διαδικασία, αλλά να μεγαλώσει το ποσοστό των περιπτώσεων στις οποίες δεν χρειάζεται να παρέμβει άνθρωπος για να ληφθεί μια απόφαση. Κατά την εκτίμησή του, η συντριπτική πλειονότητα των use cases στα οποία αξίζει να επενδύσει μια εταιρεία θα πρέπει να έχει ως δυνητικό στόχο επίπεδα αυτονομίας άνω του 90%. Τέλος συμπλήρωσε ότι το πρώτο ερώτημα, δεν είναι ποιο AI εργαλείο θα αγοράσει μια εταιρεία, αλλά ποιες αποφάσεις είναι διατεθειμένη να αναθέσει στη μηχανή. Ο κ.Τσώνης περιέγραψε αυτό το στάδιο ως «decision perimeter», εννοώντας ότι πρώτα ο οργανισμός πρέπει να καθορίσει τα σημεία στα οποία λαμβάνονται αποφάσεις και ποια από αυτά μπορούν να περάσουν σε ένα agentic σύστημα και στη συνέχεια να επανασχεδιάσει το workflow γύρω από αυτά.
Το πραγματικό εμπόδιο δεν είναι η τεχνολογία
Το μεγαλύτερο κοινό σημείο των τοποθετήσεων ήταν ότι η δυσκολότερη παράμετρος δεν είναι απαραίτητα ούτε ο αλγόριθμος ούτε το κόστος της τεχνολογίας, αλλά ο φόβος απέναντι στο ενδεχόμενο λάθους. Όπως περιέγραψε ο κ. Μαρσέλλος, στις εσωτερικές συζητήσεις γύρω από τους agents ένα από τα πρώτα ερωτήματα είναι «κι αν κάνει λάθος ο agent;». Η απάντησή του είναι ότι λάθη κάνουν και οι άνθρωποι. Η πιο ασφαλής διαδρομή, κατά την άποψή του, είναι να ξεκινήσει η εφαρμογή από διαδικασίες στις οποίες ένα πιθανό λάθος δεν θα έχει καταστροφικές συνέπειες για τον πελάτη ή την εταιρεία και στη συνέχεια να διευρύνεται σταδιακά.
Οι μεγαλύτερες αντιστάσεις όπως υποστήριξε, δεν προέρχονται τελικά από τα data, την τεχνολογία ή τα οικονομικά δεδομένα, αλλά από τον φόβο και την κουλτούρα μέσα στον ίδιο τον οργανισμό. Ήδη στην πρώτη τοποθέτησή του στο συνέδριο είχε επισημάνει ότι το δυσκολότερο κομμάτι της αλλαγής «είναι οι άνθρωποι» και ότι η αλλαγή κουλτούρας αποτελεί προϋπόθεση για την πραγματική αξιοποίηση των νέων εργαλείων.
Παρόμοια λογική ακολούθησε και ο κ. Περιβολάρης, ο οποίος εξήγησε ότι από τον πρώτο μήνα κατά τον οποίο τα εργαλεία generative AI έγιναν ευρέως διαθέσιμα, η εταιρεία ξεκίνησε συζητήσεις και εκπαίδευση με εργαζομένους σε όλο τον οργανισμό, όχι μόνο με τις τεχνικές ομάδες. Στόχος ήταν κάθε εργαζόμενος, ακόμη και στο τηλεφωνικό κέντρο, να αναζητήσει πώς θα μπορούσε να αξιοποιήσει το AI στη δική του καθημερινή εργασία. Το αποτέλεσμα, όπως είπε, είναι οι ιδέες για νέες εφαρμογές να προέρχονται πλέον από διαφορετικά σημεία της εταιρείας και όχι μόνο από μια κεντρική ομάδα τεχνολογίας.
Legacy συστήματα και δεδομένα
Σχεδόν όλοι οι ομιλητές, ανεξαρτήτως ηλικίας εταιρείας —από τα 15 χρόνια της insurancemarket μέχρι τα 134 της Εθνικής— επέστρεψαν στο ίδιο σημείο: τα παλιά συστήματα, οι διασκορπισμένες βάσεις δεδομένων και οι ξεπερασμένες διαδικασίες back office είναι το μεγαλύτερο εμπόδιο για γρήγορη εφαρμογή AI λύσεων.
Ο κ. Τσώνης χρησιμοποίησε χαρακτηριστικά τη φράση ότι το back office έχει τις δικές του «ιδεοληψίες», διευκρινίζοντας ότι αναφερόταν στα συστήματα και όχι στους ανθρώπους. Πολλές παλιές διαδικασίες έχουν σχεδιαστεί από ανθρώπους για ανθρώπους, δεν έχουν τεκμηριωθεί πλήρως και περιλαμβάνουν μεταβάσεις από το ένα βήμα στο άλλο των οποίων οι πραγματικοί κανόνες μπορεί να βρίσκονται μόνο στη γνώση συγκεκριμένων εργαζομένων.
Η εισαγωγή agentic AI δεν μπορεί, επομένως, να γίνει απλώς προσθέτοντας ένα νέο εργαλείο πάνω από μια προβληματική διαδικασία. Χρειάζεται πρώτα επανασχεδιασμός του flow, εντοπισμός των πραγματικών σημείων απόφασης και στη συνέχεια πρόσβαση των agents σε trusted data.
Στην πράξη, αυτό σημαίνει καθαρότερα δεδομένα, αποτελεσματικό data governance και διασύνδεση με τα υπάρχοντα συστήματα μέσω APIs, middleware ή άλλων μηχανισμών ενορχήστρωσης. Η λογική δεν είναι απαραίτητα να αντικατασταθούν όλα τα legacy συστήματα, κάτι εξαιρετικά δύσκολο για μεγάλους ασφαλιστικούς οργανισμούς, αλλά να δημιουργηθεί γύρω τους η υποδομή που επιτρέπει στα νέα συστήματα να αντλούν με ασφάλεια και συνέπεια την πληροφορία που χρειάζονται.
Στο ίδιο ζήτημα στάθηκε και ο κ. Μπαμπίλης της Anytime, αναφέροντας ότι τα δεδομένα στις ασφαλιστικές είναι συχνά κατακερματισμένα σε διαφορετικές βάσεις, CRM και παλαιότερες εφαρμογές, ενώ η πραγματική αξιοποίησή τους απαιτεί ενοποίηση και όσο το δυνατόν πιο άμεση ροή πληροφορίας.
Ο άνθρωπος παραμένει στο κύκλωμα
Παρά την έμφαση στην αυτονομία, η συζήτηση στο 19ο Ασφαλιστικό Συνέδριο δεν κατέληξε στην εικόνα μιας ασφαλιστικής όπου ο άνθρωπος εξαφανίζεται από τη διαδικασία.
Ο κ. Περιβολάρης ήταν σαφής ότι η Hellas Direct δεν βρίσκεται σήμερα σε ένα πλήρως αυτόνομο μοντέλο χωρίς ανθρώπινη επιτήρηση και δεν θεωρεί ότι κάτι τέτοιο θα συμβεί άμεσα. Η προσέγγιση της εταιρείας είναι να ενσωματώνει AI σε συγκεκριμένα σημεία του flow όπου μπορεί να προσφέρει πραγματική αξία, αντί να επιχειρεί την αυτοματοποίηση ολόκληρης της διαδικασίας με μία κίνηση. Παράλληλα, και ο κ. Μπαμπίλης κινήθηκε στην ίδια κατεύθυνση, υπογραμμίζοντας ότι ακόμη και όσο αυξάνεται η αυτοματοποίηση, η ανθρώπινη κρίση εξακολουθεί να είναι απαραίτητη, ώστε η πληροφορία που φτάνει τελικά στον ασφαλισμένο να είναι σωστή.
Αυτό το μοντέλο δεν απέχει πολύ από όσα ήδη εφαρμόζονται στις πιο προηγμένες διεθνείς πλατφόρμες. Ακόμη και η Qumis, η οποία επιχειρεί να παραδώσει σημαντικό μέρος της ανάλυσης ασφαλιστικής κάλυψης σε εξειδικευμένους agents, διατηρεί human-in-the-loop για τις δυσκολότερες περιπτώσεις και έχει σχεδιάσει το σύστημά της ώστε να δηλώνει αβεβαιότητα όταν δεν μπορεί να στηρίξει επαρκώς ένα συμπέρασμα.
Η διαφορά, επομένως, δεν βρίσκεται στην πλήρη εξαφάνιση του ανθρώπου, αλλά στη μετατόπιση του σημείου στο οποίο απαιτείται η παρέμβασή του. Οι απλές, επαναλαμβανόμενες ή σαφώς οριοθετημένες αποφάσεις μπορούν σταδιακά να περνούν στους agents, αφήνοντας στον άνθρωπο τις περιπτώσεις που απαιτούν κρίση, ευθύνη ή διαχείριση μεγαλύτερου ρίσκου.
Το πόσο γρήγορα θα γίνει αυτή η μετάβαση δεν θα κριθεί μόνο από το πόσο γρήγορα εξελίσσονται τα μοντέλα τεχνητής νοημοσύνης. Θα εξαρτηθεί από το εάν οι ασφαλιστικές μπορούν να επανασχεδιάσουν διαδικασίες που χτίστηκαν επί δεκαετίες, να ενοποιήσουν τα δεδομένα τους, να λειτουργήσουν μέσα στα όρια του κανονιστικού πλαισίου και, κυρίως, να πείσουν τους ίδιους τους ανθρώπους τους ότι η ανάθεση περισσότερων αποφάσεων στις μηχανές δεν σημαίνει απώλεια ελέγχου, αλλά έναν διαφορετικό τρόπο άσκησής του.
