Umělá inteligence pomáhá vytvářet stále přesvědčivější falešné škody
Generativní umělá inteligence mění i svět pojistných podvodů. Zatímco dříve byly pokusy o manipulaci fotografií nebo dokumentů často snadno odhalitelné, dnes se pojišťovny stále častěji setkávají s materiály, které na první pohled působí zcela věrohodně. Přestože celkový počet odhalených podvodů klesá, jejich sofistikovanost i finanční dopady rostou.
Například pojišťovna UNIQA v letech 2025 a 2026 zaznamenal celkem 20 případů manipulovaných dokumentů, z toho 15 v České republice a pět na Slovensku. Podle expertů z UNIQA jde o nový rostoucí fenomén rozšíření generativní umělé inteligence do oblasti pojistných podvodů.
„Dříve jsme odhalovali především jednoduché grafické úpravy. Dnes se setkáváme s fotografiemi a dokumenty, které jsou na první pohled velmi přesvědčivé. Umělá inteligence výrazně zvyšuje kvalitu podvodných materiálů a klade nové nároky na naše detekční systémy i specialisty,“ říká Karel Polák, ředitel úseku bezpečnosti a pojistného podvodu UNIQA.
Méně podvodů, vyšší škody
Zajímavým trendem posledních let je pokles celkového počtu řešených případů při současném růstu jejich finanční závažnosti.
Mezi lety 2024 a 2025 klesl počet šetřených případů o 23 procent. Naopak průměrná uchráněná částka na jeden odhalený podvod vzrostla o 25 procent. Největší úspory experti zaznamenali v povinném ručení, havarijním pojištění a následně v majetkovém pojištění.
„Podvodů ubývá, ale jsou výrazně promyšlenější. Stále častěji řešíme případy, které vyžadují kombinaci pokročilé analytiky, technologických nástrojů a odborného posouzení. Manipulace fotografií za pomoci AI patří mezi nejrychleji se rozvíjející rizika,“ doplňuje Karel Polák.
Technologie proti technologiím
V boji proti moderním podvodům pojišťovna využívá kombinaci scoringových modelů, forenzní analýzy obrazových dat a expertního posouzení specialistů. Systémy dokážou analyzovat metadata fotografií, identifikovat nesrovnalosti v osvětlení nebo struktuře obrazu, odhalovat stopy digitálních úprav a porovnávat předložené materiály s historickými záznamy o vozidle či nemovitosti.
