Yapay zeka ile sigorta hasar tespiti. Müşterinin gönderdiği fotoğraftan, computer vision modeli aracı, plakayı ve hasarı tespit eder; LLM, onarım maliyetini tahminler; sistem SBM ile poliçeyi sorgular ve basit dosyaları otomatik açar.
Yılda 50.000+ hasar dosyası işleyen bir sigorta şirketi düşünün. Müşteri fotoğraf çekiyor, acente WhatsApp'tan gönderiyor, sistem ekspere atıyor, eksper 2-6 saat içinde değerlendiriyor. Süreçte 4-5 farklı sistem, 3-4 farklı insan eli var.
Ortalama dosya açma süresi 4-6 saat. Müşteri memnuniyet anketlerinde "hızlı geri dönüş" en şikayet edilen 3 konudan biri. NPS skorunu doğrudan etkiliyor.
Eksper başına maaş + araç + bilgisayar + ofis maliyeti yıllık 500K-1M ₺. Bir eksper günde 8-12 dosyaya bakabiliyor. Hasar hacmi büyüdükçe ekibi büyütmek zorunlu.
Toplam hasarın %40-50'si basit çizik, tampon eziği, ayna kırılması gibi tipik durumlar. Bunlar eksper bakışı gerektirmiyor ama yine de aynı süreçten geçiyor.
Pi'nin geliştirdiği computer vision tabanlı hasar tespiti sistemi, müşteri fotoğrafından 4 aşamalı bir pipeline ile geçer. Basit hasarlar otomatik onaylanır, karmaşıklar önceliklendirilmiş şekilde eksperlere yönlendirilir.
WhatsApp Business, mobil uygulama veya acente paneli üzerinden fotoğraf yüklenir. EXIF verisi doğrulanır (konum, zaman, cihaz tutarlılığı).
YOLO modeli aracı bulur, marka/model/yıl tahmin eder. OCR plakayı okur. Mevcut SBM kaydıyla eşleştirir, poliçe doğrulanır.
Fine-tuned vision modeli hasar bölgelerini segment eder. Her bölge için tip, şiddet ve tahmini onarım maliyeti üretir. Güven skoru hesaplanır.
Yüksek güven + basit hasar → otomatik dosya açma + SMS. Karmaşık veya şüpheli → eksper kuyruğuna öncelikli atama.
Bir mid-tier Türk sigorta şirketinde çalışan sistem. Sayılar gerçek üretim verisinden (Q4 2024 – Q1 2026):
1 saatlik bir keşif görüşmesi. Aylık dosya hacminizi, mevcut süreçlerinizi, ekibinizi dinleriz. POC önermeden, fiyat vermeden. Sonra biz değilsek başkasını tavsiye ederiz.