Ještě donedávna byla umělá inteligence v leasingu a pojišťovnictví vnímána především jako nástroj provozní efektivity. Rychlejší schvalování smluv, levnější zpracování škod, automatizace administrativy, omezení lidských chyb. AI měla zjednodušovat, zrychlovat a šetřit. Její role byla jasná: pomoci zvládnout tlak na náklady v prostředí rostoucí regulace a složitých procesů.
Tento pohled se dnes rychle vyčerpává. Trh se totiž mění rychleji, než dokáže samotná automatizace kompenzovat. V druhém čtvrtletí roku 2025 došlo podle globálních dat k poklesu sazeb komerčního pojištění o 4 % – největšímu čtvrtletnímu poklesu za poslední roky a jasnému signálu, že se dlouhotrvající „hard market“ začíná lámat. Kapacita pojistitelů roste, konkurence se zostřuje a tlak na ceny se vrací napříč regiony. V takovém prostředí už úspory v provozu samy o sobě nestačí k udržení marží.
Současně ale riziko z trhu nemizí. Právě naopak. Jen v první polovině roku 2025 dosáhly globální pojištěné ztráty z přírodních katastrof podle odhadů Munich Re přibližně 80 miliard dolarů, což je druhý nejvyšší pololetní objem od začátku sledování v roce 1980. Drtivá většina ztrát pocházela z USA, zejména z kalifornských požárů a extrémních bouří. Celkové ekonomické škody přitom přesáhly 130 miliard dolarů. Kombinace klesajících sazeb a rostoucí volatility rizik vytváří pro pojišťovny i leasingové společnosti nekomfortní tlak z obou stran.
Právě v tomto napětí se ukazuje skutečný význam AI. Ne jako nástroje na další zlevnění procesů, ale jako prostředku, který umožňuje zásadně změnit způsob práce s rizikem, cenotvorbou a vztahem ke klientovi. Umělá inteligence dává institucím možnost přestat reagovat ex post a začít pracovat prediktivně. Riziko přestává být statickým vstupem do smlouvy a stává se proměnnou, se kterou lze pracovat v reálném čase.
Od průměrů k individuálnímu riziku
Tradiční modely v leasingu a pojišťovnictví byly postaveny na agregovaných datech, historických průměrech a relativně hrubých segmentech. To bylo funkční ve stabilním prostředí, ale v době extrémních výkyvů a rostoucí konkurence se tento přístup stává limitem. AI umožňuje přechod k jemnější, individuální práci s daty – nejen na úrovni klienta, ale i konkrétní situace.
Tento posun má přímý obchodní dopad. Pokud dokáže instituce lépe předvídat chování klienta, pravděpodobnost škody nebo reálné využívání aktiva, může nabídnout produkty, které byly dříve příliš rizikové nebo neekonomické. Místo plošného zdražování přichází selektivní práce s rizikem. Místo univerzálních produktů vznikají nabídky, které se mění spolu s klientem.
Tradiční pojišťovny a leasingové firmy přecházejí díky AI od agregovaných průměrů k individuálnímu rizikovému profilování, což umožňuje přesnější cenotvorbu a personalizované produkty. Průkopník v této oblasti – insurtech Lemonade jako příklad dosahuje v Q2 2025 in-force premium (IFP) 1,08 miliardy USD, s průměrným ročním příspěvkem na zákazníka 402 USD díky cross-sellu a AI underwritingu. Tento přístup snižuje loss ratio na 67% (12bodové zlepšení YoY) prostřednictvím datových feedback loopů.
Personalizace jako nutnost, ne výhoda
Změna se neodehrává jen na straně institucí, ale i u zákazníků. Nejaktivnějšími uživateli AI jsou dnes mladí dospělí ve věku 18–29 let. Podle aktuálních průzkumů využívá zhruba tři čtvrtiny této skupiny AI k vyhledávání informací a téměř 60 % k tvorbě nápadů. Tito uživatelé si zvykají na technologie, které jsou okamžité, personalizované a kontextové.
Zároveň ale vyjadřují obavy ohledně přesnosti a důvěryhodnosti AI. To je klíčové zjištění i pro finanční služby. Klienti jsou připraveni přijmout algoritmické rozhodování, pokud mu rozumí a pokud mají pocit, že systém pracuje v jejich prospěch. Personalizace bez srozumitelnosti důvěru nebuduje. Naopak ji rychle ničí.
Proto se UX, vysvětlitelnost a transparentní komunikace stávají nedílnou součástí produktového designu. AI zde nefunguje jen jako analytický engine, ale jako součást zákaznického zážitku. Rozhodnutí nestačí udělat správně. Musí být možné je pochopit.
Jak v této oblasti pracuje lídr? Lemonade využívá umělou inteligenci přímo v jádru své služby, nikoli jen jako podpůrnou technologii. AI zde nahrazuje klíčové role v zákaznické cestě a zásadně zjednodušuje práci s pojištěním.
Virtuální asistentka AI Maya sbírá údaje od klientů a okamžitě vytváří cenové nabídky. AI Jim se stará o likvidaci pojistných událostí a v jednoduchých případech dokáže škodu schválit a vyplatit během několika minut. CX.AI pak zajišťuje zákaznický servis a odpovídá na dotazy bez nutnosti zásahu call centra.
I když je Lemonade ve srovnání s tradičními pojišťovnami malým hráčem – jeho tržby dosahují zhruba 2 % příjmů Prudentialu – jeho úspěch má výrazný dopad na celý trh. Ukazuje, že pojištění může být rychlé, srozumitelné a digitální. To vytváří tlak na zavedené pojišťovny, aby AI začaly brát vážně, ať už z touhy po vyšších valuacích, nebo ze strachu, že přijdou o klienty ve prospěch konkurence s lepší zákaznickou zkušeností.
AI jako motor nových výnosů
Zajímavé je, že nejrychlejší posun v aplikaci AI dnes neprobíhá v tradičních „těžkých“ odvětvích, ale v oblastech založených na znalostní práci. Nedávné studie ukazují, že generativní a agentní AI zásadně mění produktivitu v analytických a rozhodovacích rolích. Nástroje, které automatizují komplexní práci s daty a modely, dnes v některých úlohách překonávají juniorní analytiky velkých finančních institucí.
To má přímý dopad i na leasing a pojišťovnictví. Schopnost rychle modelovat scénáře, pracovat s daty v reálném čase a testovat nové produktové koncepty dramaticky snižuje bariéru inovací. Zároveň tlačí na změnu cenových a poradenských modelů. Hodnota se přesouvá od manuální analýzy k návrhu řešení a dlouhodobému řízení vztahu s klientem.
Dle McKinsey produktivita v znalostních rolích stoupá, snižujíc bariéry pro fintech startupy proti legacy firmám, kde AI šetří 20-40% na analytických nákladech. Dlouhodobě to podporuje vztahy klientů skrz personalizované insights, s 77% insurerů investujících do těchto nástrojů pro konkurenční výhodu.
Od IT projektu k obchodní strategii
V tomto kontextu je největším rizikem chápat AI pouze jako technologickou iniciativu. Zkušenosti z jiných sektorů, včetně konzultačního byznysu, ukazují, že automatizace rutinní práce rychle eroduje tradiční cenové modely. Přežijí ti, kteří dokážou svou hodnotu opřít o výsledky, nebo objem práce.
Pro leasingové a pojišťovací společnosti to znamená zásadní otázku: budou AI využívat jen k tomu, aby levněji dělali totéž co dnes, nebo ji postaví do centra nových obchodních modelů? Rozdíl mezi těmito přístupy se v následujících letech projeví nejen v efektivitě, ale především ve schopnosti růst.
Průkopníci, které stojí za to sledovat
- Hippo: Specializuje se na domácí pojištění s AI pro real-time risk mitigation a chatboti „Ami“ pro claims, dosahuje rychlého underwritingu díky ML.
- Clearcover: Auto pojišťovna s ClearAI pro fraud detection a lead screening, zpracovává claims digitálně s vysokou retencí.
- ManyPets: Pet insurance s AI botem „Millie“ automatizujícím 40% claims do 24 hodin, integruje vet chat.
- Coalition: Cyber insurance s AI copilotů pro rizikové management a dynamic pricing v reálném čase.
- Zego: Usage-based motor insurance pro gig economy, používá telematiku a AI pro instant quoting.
- Qover: Evropský embedded insurance provider s single-API a AI claims processing během minut.
Závěr
AI v leasingu a pojišťovnictví dnes stojí na podobném rozcestí, jakým si prošly investiční platformy. Automatizace je nutným základem, ale nikoli cílem. Skutečná hodnota vzniká ve chvíli, kdy se umělá inteligence stane nástrojem pro nové produkty, nové formy personalizace a nové zdroje výnosů.
V prostředí klesajících sazeb, rostoucí konkurence a extrémní volatility rizik rozhodne schopnost pracovat s daty chytře, prediktivně a srozumitelně. Instituce, které tuto změnu pochopí včas, budou schopny růst i v méně příznivém cyklu. Ty ostatní sice zefektivní provoz, ale jejich obchodní model zůstane ukotvený v minulosti.
Automatizace pomáhá přežít. Nové obchodní modely postavené na AI rozhodují o tom, kdo bude relevantní.
