AI v pojišťovnictví a stanovení sazeb

Jak AI v pojišťovnictví stanovuje sazby

Pojišťovny už desítky let používají statistické modely (aktuárskou matematiku) k odhadu rizika a stanovení pojistného. Rozdíl posledních let je v tom, že klasické statistické modely nahrazují nebo doplňují modely strojového učení, které umí zpracovat mnohem větší množství proměnných najednou - od klasických (věk, lokalita, historie škod) až po netradiční zdroje jako telematická data z auta, data z fitness náramků nebo analýzu veřejně dostupných informací.

Cílem je přesnější odhad rizika konkrétního klienta - což může v praxi znamenat nižší pojistné pro opatrné řidiče nebo zdravé jedince, ale také vyšší pojistné nebo odmítnutí pro ty, kdo model vyhodnotí jako rizikové.

Telematika a odměna za bezpečnou jízdu

U autopojištění řada pojišťoven nabízí tzv. telematické produkty - appka nebo zařízení v autě sleduje styl jízdy (brzdění, zrychlení, rychlost, čas jízdy) a AI model podle toho upravuje cenu pojistného. Je to jeden z nejviditelnějších příkladů AI přímo ovlivňující to, co klient za pojištění zaplatí.

EU AI Act a pojišťovnictví - co je a není vysoce rizikové

Evropský AI Act zařazuje do kategorie vysoce rizikových systémů mimo jiné "AI systémy určené k hodnocení rizika a stanovení cen v souvislosti s životním a zdravotním pojištěním fyzických osob" (Annex III, bod 5c). To znamená přísnější požadavky na transparentnost, lidský dohled a dokumentaci u modelů používaných konkrétně pro životní a zdravotní pojištění.

U pojištění majetku a odpovědnosti (tzv. P&C - property and casualty, typicky pojištění auta, domu, domácnosti) je situace méně jednoznačná - řada odborných výkladů tvrdí, že tyto produkty pod vysoce rizikovou kategorii automaticky nespadají, zatímco někteří poskytovatelé softwaru a poradenské firmy ve svých materiálech komunikují široký výklad, že se pravidla vztahují na veškeré AI oceňování pojištění. Evropská komise zveřejnila v květnu 2026 návrh výkladových pokynů ke klasifikaci vysoce rizikových systémů a otevřela k nim veřejnou konzultaci - přesné hranice pro konkrétní typy pojištění se tak v průběhu roku 2026 ještě upřesňovaly.

Co z toho plyne pro klienta: u životního a zdravotního pojištění má právo na vysvětlení, jak model k rozhodnutí dospěl, a na lidský přezkum v klíčových případech (např. zamítnutí pojistky). U ostatních typů pojištění závisí konkrétní úroveň ochrany na tom, jak se finální výklad pravidel ustálí.

Rizika pro klienta

Nečitelnost rozhodování ("černá skříňka")

Složité modely strojového učení mohou kombinovat desítky až stovky proměnných způsobem, který je těžké zpětně vysvětlit jednoduchou lidskou logikou - to komplikuje situaci, kdy si klient chce ověřit, proč mu bylo nabídnuto konkrétní pojistné nebo proč byl žádost zamítnuta.

Riziko nepřímé diskriminace

I když model výslovně nepoužívá chráněné charakteristiky (např. zdravotní postižení), může se k podobnému výsledku dostat nepřímo přes jiné, zdánlivě neutrální proměnné (lokalita, typ zaměstnání, nákupní chování), které s chráněnou charakteristikou statisticky korelují.

Rozšiřování zdrojů dat

Postupné zapojování nových typů dat (sociální sítě, nositelná elektronika, platební historie) zvyšuje přesnost modelu, ale zároveň rozšiřuje množství osobních údajů, které o klientovi pojišťovna fakticky zpracovává.

Jaká práva klient má

• Právo na informaci, že rozhodnutí bylo (spolu)automatizované, u významných rozhodnutí typu zamítnutí pojistky nebo výrazné navýšení sazby.
• Právo požádat o lidský přezkum automatizovaného rozhodnutí podle obecného nařízení o ochraně osobních údajů (GDPR), pokud má rozhodnutí na klienta právní nebo podobně významný dopad.
• Právo na vysvětlení hlavních faktorů, které rozhodnutí ovlivnily (v rozsahu, který pojišťovna může poskytnout, aniž by odkryla celý obchodní model).

AI jako nástroj pojišťoven proti pojistným podvodům

AI modely v pojišťovnictví neslouží jen k nastavení sazby, ale čím dál víc i k odhalování podvodů při hlášení škod. Podle České asociace pojišťoven prověřily pojišťovny v nedávném období přes 14 tisíc podezřelých pojistných událostí, u kterých odhalily podvody v souhrnné výši kolem 1,93 miliardy korun. Objem odhalených podvodů se podle asociace za posledních osm let více než zdvojnásobil, mimo jiné právě díky lepším nástrojům na analýzu dat.

Česká pojišťovna Kooperativa popsala případ, kdy se na pokusu o pojistný podvod podílela AI na obou stranách - klient použil generativní nástroj k vytvoření falešných fotografií poškozeného majetku, zatímco pojišťovna k odhalení podvodu použila vlastní AI analýzu nekonzistencí v obrazových datech. Tento typ "AI proti AI" souboje se podle dostupných informací stává novým standardem v detekci podvodů u škodních událostí.

Na trhu vznikají i specializované startupy - český Searpent získal investici v řádu desítek milionů korun na vývoj nástrojů pomáhajících pojišťovnám odhalovat podvody pomocí AI analýzy dat o škodách. Podle odhadů citovaných v odborných médiích pojišťovny i přes nasazení AI stále odhalí jen zhruba polovinu všech pokusů o podvod - zbytek zůstává neodhalený nebo se projeví až zpětně.

Pro běžného klienta to v praxi znamená, že čím podrobnější a konzistentnější dokumentaci škodní události poskytne (fotografie z více úhlů, časová razítka, odpovídající kontext), tím rychleji a bez zbytečných komplikací AI systém škodu zpravidla posoudí - zatímco nekonzistentní nebo podezřele "upravené" podklady mohou vést k manuálnímu šetření a zpomalení výplaty.

Praktická doporučení pro jednání s pojišťovnou

• Dokumentujte škodu důkladně a konzistentně - fotky z více úhlů, časová razítka, bez dodatečných úprav - urychlí to automatizované posouzení a snižuje riziko zbytečného manuálního šetření.
• Čtěte pojistné podmínky ohledně sdílení dat dřív, než zapojíte telematickou appku nebo fitness náramek - zjistěte, co přesně se sdílí a jak dlouho se data uchovávají.
• Při zamítnutí žádosti si vyžádejte písemné vysvětlení hlavních důvodů - pojišťovna je povinna ho na požádání poskytnout, zvlášť u rozhodnutí s významným dopadem.
• Sledujte komunikaci asociace pojišťoven a ČNB ohledně výkladu AI Act pro konkrétní typy pojištění - hranice vysoce rizikové klasifikace se v roce 2026 ještě upřesňovaly.

Často kladené otázky

Může mi pojišťovna zvýšit pojistné jen na základě AI modelu?

Ano, pokud model vyhodnotí vyšší riziko na základě dat, která pojišťovna legálně zpracovává - klient má ale právo na informaci a v klíčových případech na lidský přezkum takového rozhodnutí.

Je použití AI při stanovení pojistného v ČR zakázané?

Ne, není zakázané. U životního a zdravotního pojištění ale podléhá přísnějším pravidlům EU AI Act jako vysoce rizikový systém, u ostatních typů pojištění se přesný rozsah pravidel v průběhu roku 2026 ještě upřesňoval.

Musím souhlasit s telematickou appkou, abych mohl mít autopojištění?

Ne, telematické produkty jsou typicky dobrovolná volba s potenciální slevou, ne podmínka standardního pojištění.

Jak se mohu dozvědět, proč mi pojišťovna zamítla žádost?

Máte právo požádat o vysvětlení hlavních důvodů rozhodnutí a o lidský přezkum, pokud šlo o rozhodnutí s významným dopadem - žádost lze podat přímo u pojišťovny podle GDPR a pojistných podmínek.

Co je rozdíl mezi klasickým aktuárským modelem a AI modelem v pojišťovnictví?

Klasický aktuárský model pracuje s menším, dobře definovaným souborem proměnných podle zavedených statistických metod, AI/ML model umí zpracovat mnohem větší množství proměnných a složitější vzorce, ale za cenu nižší srozumitelnosti jednotlivého rozhodnutí.

Mohou pojišťovny pomocí AI poznat upravenou fotku škody?

Ano, pojišťovny stále častěji používají vlastní AI nástroje k analýze nekonzistencí v obrazových datech u nahlášených škod - podle zveřejněného případu Kooperativy se už objevily i pokusy o podvod s AI generovanými falešnými fotkami poškozeného majetku, které pojišťovna rozpoznala.

Kolik pojistných podvodů v Česku pojišťovny ročně odhalí?

Podle České asociace pojišťoven prověřují pojišťovny ročně tisíce podezřelých událostí a odhalují podvody v souhrnné výši blížící se dvěma miliardám korun, přičemž objem odhalených podvodů se za posledních osm let více než zdvojnásobil - podle odborných odhadů ale i tak zůstává neodhalena asi polovina všech pokusů.