AI w ubezpieczeniach: algorytmy decydują, kto zapłaci więcej — i kto nie dostanie wypłaty

Sekunda, która waży tysiące dolarów

Kiedy składasz wniosek o ubezpieczenie na życie lub zdrowotne, model sztucznej inteligencji wycenia twoją składkę szybciej, niż zdążyłbyś wyjąć portfel. Nie bada twojej historii medycznej z lekarzem, nie słucha twojej opinii o ryzyku. Bierze od ciebie garść danych — kod pocztowy, wiek, sport, zawód — i wystawia liczbę. Jeśli czarny właściciel domu w Alabamie dzięki tej samej logice płaci więcej niż biały sąsiad z pliku o tym samym ryzyku, algorytm nie martwi się konsekwencjami. On po prostu optymalizuje premium.

W 2026 roku przemysł ubezpieczeniowy jest jednym z największych konsumentów AI na świecie. Według Międzynarodowego Stowarzyszenia Ochrony Prywatności (IAPP), w publikacji z maja 2025 roku, branża rozwija dwa równoległe trendy: ubezpieczenie oparte na gęstych danych (data-intensive underwriting) oraz ubezpieczenie oparte na zachowaniu (behavior-based insurance). Oba rodzą systematyczne ryzyko dyskryminacji, określane badaczami jako “nieuczciwe różnicowanie” (unfair differentiation) [IAPP, 2025].

Problem nie jest nowy. W kwietniu 2017 roku ProPublica opublikowała śledztwo, które pokazało, że Allstate, Geico i Liberty Mutual pobierały w dzielnicach mniejszości składy średnio o 30% wyższe niż w porównywalnych pod kątem ryzyka białych dzielnicach — w Kalifornii, Illinois, Teksasie i Missouri. Analiza wykazała, że algorytmy ubezpieczycieli mogą “przypadkowo faworyzować” białych klientów nad mniejszości nawet przy takim samym ryzyku szkodowym [ProPublica, 2017]. State Farm, USAA i Farm Bureau zostały w tym samym śledztwie nazwani “najgorszymi redlinerami” w stanie.

Proxy dyskryminacji: kod pocztowy zamiast rasy

Prawo federalne w USA oraz dyrektywy unijne zakazują dyskryminacji ze względu na rasę, płeć czy pochodzenie. Algorytmy nie potrzebują jednak bezpośrednich zmiennych — stosują proxy, zastępcze zmienne skorelowane z zakazanymi cechami. Kod pocztowy, status hipoteki, dzielnica — wszystko to maskuje rasę albo status imigrancki. Skutkiem jest cyfrowy redlining rasy w statystykach: formalnie neutralny algorytm produkuje wyższe składki dla dzielnic czarnych i latynoskich bez deklarowania tej intencji.

W czerwcu 2018 roku ProPublica pokazała, że to samo narzędzie trafia do ubezpieczeń zdrowotnych i na życie. Brokersi danych, bez publicznego nadzoru, przewidują koszty twojego leczenia na podstawie danych o rasie, stanie cywilnym, ilości oglądanej telewizji, terminowości płatności rachunków, a także o tym, czy kupujesz ubrania plus-size. Dane pochodzą z mediów społecznościowych, rejestrów zakupów i hipotek. “Algorytmy wypluwają przewidywania o tym, ile może kosztować ich twoja opieka zdrowotna” — opisywał Marshall Allen z ProPublica [2018]. Aktuariusze reklamują te zmienne jako narzędzie precyzji. Społeczny skutek jest odwrotny: najgłębiej ekonomicznie zagnieżdżone grupy — czarni, Latynosi, osoby z niskim dochodem — płacą więcej za ten sam pakiet ubezpieczenia.

Pozew State Farm: algorytmy odmawiają wypłat starszym czarnym klientom

Dyskryminacja w wycenie to jedna strona medalu. Drugą są algorytmy decydujace o odmowie wypłaty odszkodowania. W pażdzierniku 2025 roku State Farm — największy ubezpieczyciel domów w USA — stanął przed federalnym pozwem w Middle District of Alabama. Pozew zarzuca mu stosowanie dyskryminujących algorytmów i nieuczciwych praktyk likwidacyjnych skierowanych przeciwko starszym, niepełnosprawnym, czarnym właścicielom domów w Alabamie. Wartość szkody jest precyzyjna: $372 437. Zarzuty są szerokie — od Fair Housing Act i Americans with Disabilities Act, przez sekcję UDAAP ustawy Dodd-Frank, po Fair Credit Reporting Act i statut Alabamy o prompt pay. Pozew szczegółowo opisuje agenta State Farm Krisa Stallwortha i rytm opóźniania wypłat, który finansowo wyniszczał poszkodowanych [Insurance Business, 2025].

To jeden z pierwszych federalnych pozwów, w którym AI w ubezpieczeniach zostaje wypoziomowane jako mechanizm dyskryminacji rasowej. Z punktu widzenia ofiar algorytm nie jest neutralnym narzędziem — jest zautomatyzowanym ścieciem dostępu do pieniędzy z polisy, do których mieli prawo.

Cigna i Kisting-Leung: algorytm, który odmawiał tysięcy roszczeń

State Farm nie jest odosobniony. W Kalifornii toczy się pozew Kisting-Leung et al. v. Cigna Corporation — sprawa złożona 24 lipca 2023 roku w US District Court Eastern District of California, ostatnio aktualizowana w maju 2026 roku, śledzona przez Georgetown Law O’Neill Institute. Powodowie zarzucają Cignie, że algorytm masowo odmawiał roszczeń z tytułu ubezpieczenia zdrowotnego, działając z naruszeniem domniemanego covenant of good faith i fair dealing, unjust enrichment oraz prawa konkurencji w Kalifornii [Georgetown Law, 2023–2026].

Sprawa przypomina starsze śledztwo ProPublica z 2023 roku, które pokazało, jak Cigna używała systemu PxDx do automatycznego odmawiania tysięcy roszczeń — medyczni dyrektorzy, według śledztwa, spędzali średnio “sekund” na każdej sprawie, zanim system odrzucił wypłatę. Algorytm nie analizował historii pacjenta — sprawdzał, czy kod zabiegu pasuje do kodu odmowy.

UnitedHealth i playbook dla ograniczania leczenia psychiatrycznego

Najmocniejszym dokumentem ostatnich lat jest śledztwo ProPublica z listopada 2024 roku o systemie UnitedHealth. Reporterka Annie Waldman opisała wewnętrzny playbook UnitedHealth do cięcia kosztów terapii psychiatrycznej. “UnitedHealth używał algorytmicznego systemu do ograniczania pokrycia kosztów leczenia zdrowia psychicznego, co ProPublica uznała za naruszające prawo w trzech stanach” — relacjonuje śledztwo. Algorytmy identyfikowały terapeutów oraz pacjentów, którzy dawali lub otrzymywali “zbyt dużo sesji”. Następnie firma ucinała zwroty kosztów [ProPublica, 2024].

Śledztwo spotkało się z istotnym rozpoznaniem: w maju 2025 roku ProPublica zdobyła Pulitzera za Public Service, a seria o tym, jak ubezpieczyciele utrudniają dostęp do niezbędnej opieki psychiatrycznej, została finalistą Pulitzer Prize w kategorii explanatory reporting [ProPublica, 2025]. Pulitzer nie przyznaje się za artykuły niezweryfikowanych przypuszczeń — komitet potwierdził wagę dowodów przeciwko algorytmom ubezpieczeniowym.

Oregon: algorytmiczne mapowanie ryzyka jako pretekst do podnoszenia składek

Dyskryminacja nie zawsze zaczyna się od odmowy wypłaty. Czasem zaczyna się od mapy. W sierpniu 2025 roku ProPublica opublikowała śledztwo o algorytmicznej mapie ryzyka pożarowego w Oregonie, tworzonej po rekordowym sezonie pożarów 2020. Ubezpieczyciele zaczęli wypowiadać polisy domowe i podnosić składki właścicielom, których działki algorytm oznaczył jako wysokie ryzyko. Politycy w Salem zarzucali, że model nie uwzględniał specyfiki posiadłości, a klasyfikacja odbijała się na składkach. Mapa stała się celem dezinformacji i została anulowana po gróźbach [ProPublica, 2025].

Sprawa Oregonu ilustruje mechanizm uniwersalny: algorytmiczny szacunek ryzyka jest dziś podstawą dwóch decyzji jednocześnie — wyceny składek i decyzji o wypowiedzeniu polisy. Gdy wiejski właściciel domu traci ubezpieczenie z powodu algorytmu, nie wie, jak model o nim zdecydował — bo algorytm jest tajemnicą handlową ubezpieczyciela.

Unijna odpowiedź: EU AI Act i Digital Omnibus

Unia Europejska jako pierwsza próbowała nadać temu ramy prawne. EU AI Act, który wszedł w życie 1 sierpnia 2024 roku, klasyfikuje systemy AI służące do oceny wiarygodności kredytowej i oceny ryzyka ubezpieczeniowego jako wysokiego ryzyka (high-risk), umieszczając je w Załączniku III (Annex III). Wymusza to na dostawcach dokumentację, ocenę ryzyka, ludzką kontrolę i przejrzystość. Według analiz IAPP z maja 2025 roku, unijny parlament rozważa poprawki w ramach Digital Omnibus, które mają doprecyzować zakaz dyskryminującego wykorzystania AI w ubezpieczeniach — ze szczególnym uwzględnieniem proxy variables i modeli opartych na zachowaniu [IAPP, 2025].

Tymczasem w USA nowa fala pozwów federalnych — State Farm, Kisting-Leung, w sprawach śledczych UnitedHealth i Cigna — przesuwa definicję graniczną. Algorytm przestaje być neutralną wyceną kwoty i staje się aktorem prawnie pociągniętym do odpowiedzialności za systematyczne zwalanie kosztów na tych, którzy mieli najmniejsze szanse obrony.

Co to znaczy dla ciebie

Bez transparentności twoje dane — kod pocztowy, historie zakupów online, godziny telewizji — mogą być dowodem w algorytmie, który wyceni ci twoje życie drożej niż kogoś o tym samym ryzyku, ale innym adresie. To, że AI jest szybkie, nie znaczy, że jest sprawiedliwe. To, że nie używa rasy jako zmiennej, nie znaczy, że nie dyskryminuje rasowo. Pozwy ostatnich lat — od Alabamy przez Kalifornię po Oregon — mówią jedno: algorytmiczna optymalizacja składki jest dziś najważniejszą, a najmniej widoczną formą cyfrowego redliningu.

Źródła

1. ProPublica — Inside UnitedHealth’s Playbook for Limiting Mental Health Coverage, Annie Waldman, 19 listopada 2024.
2. ProPublica — Minority Neighborhoods Pay Higher Car Insurance Premiums Than White Areas With the Same Risk, Angwin, Larson, Mattu, Kirchner, 5 kwietnia 2017.
3. ProPublica — Health Insurers Are Vacuuming Up Details About You — And It Could Raise Your Rates, Marshall Allen, 17 lipca 2018.
4. ProPublica — How Oregon’s Wildfire Risk Map Became a Target for Misinformation, Lizzie Presser, 7 sierpnia 2025.
5. ProPublica — ProPublica Wins Pulitzer Prize for Public Service, 5 maja 2025.
6. Insurance Business America — State Farm hit with lawsuit as policyholders claim AI-driven discrimination, Tez Romero, 7 października 2025.
7. IAPP — AI, insurance, discrimination and unfair differentiation: An overview and research agenda, 14 maja 2025.
8. Georgetown Law O’Neill Institute — Kisting-Leung et al. v. Cigna Corporation et al., 24 lipca 2023 – maj 2026 (sprawa w toku).