Likvidátoři museli zpracovávat široké spektrum nestrukturovaných dokumentů (ručně psaná hlášení, PDF bez dat, fotografie, faktury, plné moci). Každý případ zabral v průměru 15 minut manuální práce. Obtížné odhalování chyb a nesrovnalostí (např. chybné číslo účtu, podezřelé položky, nekompletní dokumentace). Chyběl systém, který by dokázal připravit kompletní shrnutí případu a podpořit rychlé rozhodnutí o výplatě. Zpracování bylo omezeno pracovní dobou likvidátorů, klienti museli čekat.
Agentní systém pro automatizované zpracování pojistných událostí
Jméno klientaDirect Pojišťovna
Země klientaČeská republika
- Typ klientaVelký podnik
- OdvětvíFinanční služby, trhy a pojišťovnictví
- Oblast nasazeníAutomatizace provozu a procesů, Zákaznická podpora a zkušenost
- AI technologieAI agenti a orchestrace úloh, Počítačové vidění a video analýza, Pokročilá analytika / Data Science, Velké jazykové modely (LLMs)
- Přínos pro byznysEfektivita provozu a úspory nákladů, Produktivita a podpora zaměstnanců
- Typ datDokumenty / semistrukturovaná data, Obrazová data
- Model dodáníZakázkový vývoj
- NasazeníCloudové řešení
- Klíčové schopnostiDetekce anomálií, rizik a podvodů, Podpora rozhodování a rozšířená analytika
- Fáze projektuPrvní produkční nasazení
- Formy řešeníPlugin / rozšíření pro existující systém
Popis řešení
Obchodní problém
Řešení
BigHub pomohl navrhnout a dodat modulární systém založený na AI agentech schopný automatizovat zpracování likvidačních dokumentů. Řešení kombinovalo pragmatický iterativní vývojový model s moderními nástroji AI: Hybridní přístup: Nástroj pravidel vynucuje obchodní pravidla v kombinaci s umělou inteligencí pro extrakci atributů a rozhodování. Extrakce dat z dokumentů: Služba Azure Document Intelligence vytěžila data z faktur, formulářů a ručně psaných poznámek. Orchestrace agentů: LangChain a LangGraph jako základní framework pro orchestraci a řízení agentů. Architektura založená na eventech: Kafka zpracovával commandy a eventy napříč vícevrstvé architektury. Integrace Cursor IDE: Hluboké využití LLM ve vývojovém prostředí umožnilo rychlou iteraci a zapojení podnikání.
Hlavní uživatelé řešení
Likvidátoři
Časový rámec projektu (měsíce)
9
Použité technologie
Azure Document Intelligence, LangChain, LangGraph (Python), Kafka, Cursor IDE, hybridní modul pravidel + LLM
Dodatečné služby
- AI strategie a roadmapa
- Identifikace a prioritizace vhodných use‑casů
- Výběr a přizpůsobení AI modelu
- Podpora změny a školení uživatelů
- Podpora compliance / regulace
Použití osobních údajů / regulovaných dat
Ano
Implementace
Vlastník projektu na straně klienta
Vedoucí inovací / digitální transformace
Participace na straně klienta
- Business / Product Owner
- Doménoví / procesní odborníci
- Softwarové & datové inženýrství / IT Ops
Forma zapojení dodavatele
Společná implementace s klientem
Provoz a údržba
Provozní model
Klientovi jsme k dispozici
Potřebné kompetence na straně klienta
Školený poweruser
Další zdroje nebo infrastruktura
Školený poweruser
Dopad a výsledky
Kvalitativní přínosy
Zpracování případu se zkrátilo z ~15 minut na ~2 minuty (úspora cca 87 % času). Jednoduché případy jsou vyřízeny plně automaticky bez zásahu likvidátora. Systém běží nepřetržitě 24/7, na rozdíl od pracovní doby likvidátorů.
Kvantitativní výsledky
Zpracování případu se zkrátilo z ~15 minut na ~2 minuty (úspora cca 87 % času). Jednoduché případy jsou vyřízeny plně automaticky bez zásahu likvidátora. Systém běží nepřetržitě 24/7, na rozdíl od pracovní doby likvidátorů.
Zpětná vazba klienta
“Zákaznická zpětná vazba na automatizované zpracování škod je velmi pozitivní. Výrazné zrychlení vyřízení, zjednodušená komunikace a schopnost systému samostatně rozhodnout o výplatě do několika minut, zlepšuje celkový zákaznický dojem.” – Jakub Lada, AI Digitalization Expert, Direct Pojišťovna
Poučení a doporučení
Klíčové faktory úspěchu
Efektivní projektové řízení – jasně nastavené role, odpovědnosti a pravidelná komunikace. Týmová spolupráce – vysoká míra angažovanosti a otevřená výměna znalostí mezi členy týmu. Flexibilita a adaptabilita – schopnost rychle reagovat na změny a nové požadavky
Doporučení pro ostatní
Při plánování AI projektu doporučujeme začít jasně definovaným obchodním cílem a realistickým odhadem přínosů i rizik.
- SpolečnostBigHub
- KontaktJan Kabát
- Emailjan.kabat@bighub.cz
- Webhttps://www.bighub.ai
- AdresaVáclavské náměstí 802/56, 110 00 Praha