PZU wdrożył rozwiązanie wykorzystujące Sztuczną Inteligencję w obsłudze szkód komunikacyjnych. Innowacyjna technologia wspiera pracowników i ekspertów PZU w ich codziennej pracy, co tym samym skraca czas obsługi zgłoszenia. W ramach projektu przetestowano i wdrożono machine learning oraz automatyczną analizę obrazów w czasie rzeczywistym. W ramach pilotażu poddano analizie kosztorysy oraz dokumentacje zdjęciową wybranych szkód komunikacyjnych. System poza automatyczną analizą zdjęć, jest również w stanie nazwać konkretną część samochodu, określić zakres uszkodzenia oraz zakwalifikować do naprawy lub wymiany dany podzespół. Sztuczna Inteligencja potrzebuje zaledwie 30 sekund na przeprowadzenie analizy dokumentacji technicznej, a dodatkowo jej zastosowanie pozwala wyselekcjonować ~90% dokumentacji, która spełnia wymagania niezbędne do zachowania wysokiej jakości obsługi szkody w PZU. Pozostałe ~10% spraw wymagających dodatkowej ekspertyzy, kierowane jest do analizy bezpośrednio przez pracowników PZU. Technologia pozwoliła nam na 10-krotne usprawnienie wybranych części procesu weryfikacji dokumentacji technicznej oraz ograniczenie czasu realizacji zgłoszenia.

nagroda:
1. Trzecie miejsce w kategorii Najlepsze wdrożenie w branży ubezpieczeń w najstarszym konkursie technologicznym organizowanym przez „Gazetę Bankową”.

wdrożenie: styczeń 2019

Data Lab to projekt, za pomocą którego Grupa PZU przeprowadza eksperymenty na dużych zbiorach danych (szybkie projektowanie i testowanie hipotez analitycznych we współpracy z biznesem). Data Lab daje możliwość tworzenia rozwiązań (z reguły prototypy) opartych na Big Data, które wspierają obecne procesy biznesowe i analityczne w obszarach takich jak m.in. wykrywanie nieprawidłowości w operacjach masowych, pricing, sprzedaż (cross-sell) czy lepsze zarządzanie biznesem (w tym predykcja). Inicjatywy realizowane w ramach Data Lab pozwalają usprawnić skuteczność realizacji procesów operacyjnych, obniżyć koszty ich realizacji i tworzyć nowe innowacyjne procesy bazujące na zaawansowanej analityce. Rocznie w ramach Data Lab przeprowadzanych jest 4-5 projektów pilotażowych, które realizowane są przy współpracy z czołowymi data science w Polsce.

wdrożenie: projekt realizowany w trybie ciągłym

Preobsługa to proces polegający na inicjacji kontaktu przez PZU z poszkodowanym, jeszcze przed zgłoszeniem przez niego szkody. Projekt dotyczy szkód w obszarze majątkowym i ma na celu poprawę satysfakcji klienta. Po wystąpieniu zdarzenia (np. pożar, wybuch gazu) na bazie informacji pochodzących z ogólnodostępnych źródeł (m.in. Internet, radio, e-mail, „czerwony telefon”) podejmowana jest próba identyfikacji klienta. Jeśli identyfikacja się uda, nawiązywany jest kontakt z klientem w celu udzielenia realnej pomocy w trudniej dla niego sytuacji (np. jeśli zakres polisy pokrywa lokal zastępczy, zostanie on zaproponowany klientowi od razu przy pierwszym kontakcie). Rejestracja szkody może odbyć się innego dnia, w dogodnym dla klienta terminie. PZU jest pierwszym zakładem ubezpieczeniowym w Europie, który wdrożył na szeroką skalę proces inicjowania kontaktu z klientem zanim to on skontaktuje się do ubezpieczycielem w celu zgłoszenia szkody.

nagroda:
1. Złota Słuchawka 2018 w kategorii „Doskonała komunikacja z klientem”

wdrożenie: styczeń 2018

Błyskawiczna kwotacja przy zakupie ubezpieczenia nieruchomości przez Internet, to rozwiązanie, które przy wykorzystaniu dużych zbiorów danych (Big Data), umożliwia klientom PZU na szybkie zapoznanie się z propozycją oferty ubezpieczenia PZU DOM w kanale on-line.

wdrożenie: listopad 2018

PZU, jako pierwsza firma w Polsce, wdrożyła rozwiązanie pozwalające na kompleksową i zdalną obsługę Głuchych klientów. Bezpłatne połączenia ze strony pzu.pl/kontakt umożliwiają trójstronne połączenia wideo pomiędzy klientem, tłumaczem języka migowego, a naszym konsultantem. Dzięki temu mogą klienci mogą samodzielnie kupić ubezpieczenie, jak i bez żadnych barier np. zgłosić szkodę lub otrzymać informacje o zgłoszonym świadczeniu.

nagroda:
1. Projekt został wyróżniony międzynarodową nagrodą Efma-Accenture Innovation in Insurance Awards 2018 w kategorii „Customer Experience & Engagement”.

wdrożenie: październik 2017

Cash to nowa platforma pożyczkowa przygotowana przez PZU we współpracy z Alior Bankiem. Dzięki niej każdy pracodawca będzie mógł wprowadzić nowy benefit w postaci szybkich i niskooprocentowanych pożyczek dla swoich pracowników. Projekt zakłada, że każdy pracownik związany ze swoim pracodawcą umową o pracę i posiadając zdolność kredytową będzie mógł wystąpić o niskooprocentowaną pożyczkę. Wystarczy, że pracodawca dołączy do platformy Cash. Proces wnioskowania i uruchamiania pożyczki z perspektywy klienta jest w pełni zdalny. Spłata rat odbywa się automatycznie z wynagrodzenia – klient nie musi pamiętać o terminie i kwocie spłaty.

wdrożenie: w trakcie

To projekt odpowiadający na potrzebę usprawnienia i unowocześnienia procesu rozpatrywania roszczeń i wypłaty odszkodowań. Przy tak licznej dokumentacji o mocno nieustrukturyzowanej formie, PZU poszukiwał narzędzia do odczytywania i interpretacji danych z różnych typów dokumentów. Pilotaż był przeprowadzony w obszarze życiowym Grupy, jednak po wdrożeniu technologia ta będzie mogła być wykorzystana w wielu obszarach biznesowych, przynosząc firmie istotne oszczędności i usprawniając wiele procesów wewnętrznych.

wdrożenie: w trakcie

Projekt pozwolił na dotarcie do klientów PZU nowym kanałem bezpośredniej interakcji. Każdy użytkownik Akcji za pośrednictwem interfejsu głosowego może zapoznać się ze wstępną ofertą ubezpieczenia turystycznego PZU Wojażer, na podstawie indywidualnie dobranych parametrów podróży. W sytuacji, gdy klient będzie zainteresowany otrzymanymi wariantami, skontaktuje się z nim konsultant infolinii PZU w celu omówienia szczegółów. PZU jako pierwszy ubezpieczyciel w Polsce wdrożył produkcyjnie rozwiązanie tej klasy.

wdrożenie: czerwiec 2019

Model "grypowy" posiada zdolność prognozowania liczby osób chorych na grypę z miesięcznym wyprzedzeniem na poziomie województwa. Algorytm działa w cyklu tygodniowym. Wykorzystuje on miedzy innymi dane o charakterze meteorologicznym oraz behawioralnym. Do modelowania wykorzystano algorytmy uczenia maszynowego, które pozwalały uwzględnić specyfikę czasową danych (problem klasy szeregów czasowych).

wdrożenie: sierpień 2019