CSRD 2026Hogyan gyorsítja a gépi látás a kárbejelentést 2026-ban?

A magyarországi biztosítók a kötelező gépjármű-felelősség és a cascokár-bejelentés 60-70 százalékát gépi látással és természetesnyelv-feldolgozással automatizálják. A fotóalapú becslés lényege, hogy az ügyfél a baleset után mobiltelefonnal készít képet a járműről, a rendszer pedig felismeri a sérült elemeket, azonosítja az alkatrészt, és előzetes javítási költséget javasol. Az értékelés perceken belül megtörténik, így a kárbejelentés adminisztrációja és a szerelői kapacitás tervezése is gyorsul. A munkafolyamat a képfeltöltéstől a szakértői jóváhagyásig terjed, és emberi felülvizsgálat zárja le. Az automatizálás nem a kárszakértő helyettesítését célozza, hanem a rutinleletek kiszűrését.

A fotóalapú becslés egyik legérzékenyebb pontja a személyes adatok kezelése. A biztosítóknál a kárbejelentéshez feltöltött képeken gyakran szerepelnek arcok, rendszámok, és egyéb azonosító jelek. A biometrikus adatok az (EU) 2016/679 rendelet, vagyis a GDPR értelmében különleges kategóriába tartoznak, ezért kezelésük fokozott előírásokhoz kötött. A megfelelés egyik kulcseleme az automatikus arcfelismerés-törlés, azaz a face redaction. A technika a képen lévő arcokat felismeri, majd kitakarja vagy homályosítja azokat, mielőtt a rendszer az adatokat továbbítja vagy eltárolja. A folyamat célja, hogy a kárfelméréshez szükséges információ megmaradjon, a személyes adat viszont ne legyen felismerhető.

A kárfelmérési munkafolyamat négy jól elkülöníthető lépésből áll. Az első a képfeltöltés, amelyet az ügyfél végez a biztosító mobilcsatornáján. A második a face redaction és az adatvédelmi előszűrés, amelyet automatikus arcfelismerés-törlés és rendszám-maszkolás kísér. A harmadik a gépi látáson alapuló fotóelemzés, amely azonosítja a sérült karosszériaelemet, felületet és az alkatrész-csoportot, majd természetesnyelv-feldolgozással javaslatot tesz a javítási műveletre. A negyedik a szakértői jóváhagyás, amikor a kárszakértő átnézi az előzetes becslést, és szükség esetén kiegészíti azt. A GDPR-kompatibilis arcmaszkolási technika tehát nem utólagos lépés, hanem a teljes folyamat beépített feltétele. Az arctörlés a fotó feltöltésének pillanatában megtörténik, így a későbbi tárolás és feldolgozás már arctalanított képpel dolgozik.

Három megállapítás rajzolódik ki. Az automatizálás mértéke magas, a szabályozási környezet szigorú, a két terület pedig egymás feltétele. Aki a fotóalapú becslést bevezeti, az adatvédelmi megfelelést nem utólag, hanem a rendszer tervezésétől fogva köteles megoldani.

A fotóalapú becslés a kárfelmérési munkafolyamatok új magja. A gépi látás a járműről és a sérülésről készült képeken azonosítja a karosszéria-elemeket, a fényezési és a szerkezeti károkat. A természetesnyelv-feldolgozás a bejelentő szövegéből emeli ki a lényeges tényeket. A kettő együtt lerövidíti az ügyintézést és csökkenti a hibás döntések számát. A biztosítók így a 60-70 százalékos automatizálási arányt érnek el a magyar piacon. Ez azonban csak akkor tartható fenn, ha a feldolgozás megfelel a személyesadat-kezelés szabályainak.

A (EU) 2016/679 rendelet – közismert nevén a GDPR – a biometrikus adatokat külön kategóriaként kezeli. Az arcfelismerésre alkalmas nyers vagy kevéssé maszkolt fotó biometrikus adatnak minősülhet, ezért kezelése az általánosnál szigorúbb feltételekhez kötött. A kárbejelentéshez csatolt képeken azonban gyakran szerepelnek járókelők, más sofőrök, vagy a tulajdonos arca. A face redaction – vagyis az automatikus arcfelismerés-törlés – ezt a kockázatot szűri ki, mielőtt a kép a modellbe vagy a rendszerbe kerül. A maszkolás történhet a feltöltéskor, a tároláskor és a belső továbbításkor is. A megoldás csak akkor felel meg a GDPR-nak, ha a maszkolás visszafordíthatatlan, igazolható és naplózott. A technikai szűrés önmagában nem elég: az ügyfelet is tájékoztatni kell arról, hogy a képeket mesterséges intelligencia dolgozza fel. A magyar biztosítók számára ez a kárfelmérési munkafolyamatok GDPR-kompatibilis alapjává vált.

A biztosítási kárfelmérés második hulláma 2026-ban a magyar piacon a kötelező gépjármű-felelősség és a cascokár-bejelentés 60-70 százalékát automatizálja, gépi látás és természetesnyelv-feldolgozás segítségével. Az arcfelismerés-törlés a fotóalapú becslés GDPR-kompatibilis alapfeltétele.

A vevői és felügyeleti nyomás konkrét formát ölt: a kárbejelentés automatizálási aránya a magyar biztosítóknál eléri a 60-70 százalékot, miközben a (EU) 2016/679 rendelet a biometrikus adatok és az arcmaszkolás területén kötelező adatvédelmi minimumokat ír elő, amelyek a fotóalapú kárbecslés minden lépésére kihatnak.

Összefoglalva: a kárbejelentés automatizálási arány a magyar biztosítóknál 60-70 százalékra emelkedik, és a (EU) 2016/679 rendelet az arcmaszkolás kötelező alkalmazásával határozza meg a gépi látásra épülő kárfelmérés kereteit.

A gépi látás és a természetesnyelv-feldolgozás a magyar biztosítók kötelező gépjármű-felelősség és cascokár-bejelentési folyamatait forradalmasítja. A kárbejelentés automatizálási aránya magyar biztosítóknál jelenleg 60–70 százalék közé esik, ami általában lefedi a fotóalapú becslést, a munkafolyamat-irányítást és a szövegértést. A rendszer a bejelentéshez csatolt képekből indul ki, azonosítja a sérült elemeket, és javaslatot tesz a várható javítási költségre. Az adatvédelmi megfelelés a (EU) 2016/679 rendelet biometrikus adatokra vonatkozó szabályai miatt kötelező, ezért az arcfelismerés-törlés automatikus alkalmazása elengedhetetlen.

A kárfelmérési folyamat nem egyszerű fotórögzítés, hanem többlépcsős döntéstámogatás. A rendszer a feltöltött képekből kiemeli a jármű és a környezet releváns részleteit, felismeri a karosszériaelemeket, és összeveti a javítási katalógusokkal. Ezután a természetesnyelv-feldolgozó modul értelmezi a bejelentő szöveges leírását, kiegészíti a képi elemzést, és egységes kárprofilba rendezi az adatokat. Az automatikus arcfelismerés-törlés a feldolgozás első lépéseként fut le, így a biometrikus adatok sosem kerülnek továbbításra vagy tárolásra.

A magyar biztosítók számára a face redaction nem választható kiegészítő, hanem a GDPR-nak való megfelelés alapfeltétele. A (EU) 2016/679 rendelet a biometrikus adatokat különleges adatnak minősíti, ezért kezelésük kifejezett jogalapot és célhoz kötöttséget igényel. A képfeldolgozó modul a járművön, a rendszámon és az utcán esetleg megjelenő arcokat automatikusan felismeri és letakarja, mielőtt a kép elhagyná az ügyfél eszközét vagy a biztosító belépési pontját. A módszer egyszerre védi az ügyfelet és csökkenti a biztosító adatkezelési kockázatát.

A fotóalapú becslés pontossága és a munkafolyamatok gyorsasága a biztosító oldalán mérhető megtérülést hoz. A 60–70 százalékos automatizálási arány mellett a rövid baleseti láncok emberi beavatkozás nélkül lezárulnak, a bonyolultabb esetek pedig rangsoroltan jutnak el a szakértőkhöz. A GDPR-kompatibilis arcmaszkolás garantálja, hogy a gyorsaság nem jár együtt a magánélet csorbításával. A folyamat átláthatósága erősíti az ügyfélbizalmat, mert a bejelentő pontosan látja, milyen adatok kerülnek a biztosítóhoz.

A magyarországi alkalmazás egyik sarkalatos kérdése a GDPR-kompatibilis arcmaszkolási technika. A fényképes kárbejelentéskor a rendszer a feltöltött képekről automatikusan eltávolítja a felismerhető arcokat, így a biometrikus adatok nem kerülnek feldolgozásra. Ez a lépés összhangban áll az (EU) 2016/679 rendelet előírásaival. A módszer a kárfelmérés pontosságát nem rontja, mert a sérülés és a gépjárműállapot azonosítása az arc helyett a karosszériaelemek és a rendszám régiójából történik.

A 2026. évi azonnali feladatok a kárbejelentés, az adatvédelem és a becslési pontosság területeit fedik le. Első lépésként a kötelező gépjármű-felelősség és a cascokár-bejelentések fotóalapú feldolgozását kell felülvizsgálni, és meg kell határozni, hol alkalmazható a gépi látás. A magyar biztosítóknál a kárbejelentés automatizálási aránya 60-70%. Második lépésként a természetesnyelv-feldolgozó modul által kiállított döntési naplókat kell ellenőrizni, és biztosítani kell, hogy minden automatikus elutasítás vagy alacsony összegű kifizetés emberi felülvizsgálathoz legyen kötve. Végül a GDPR-kompatibilis arcmaszkolási technikát a teljes fotófeldolgozó folyamatba be kell építeni.

Második lépés: az ügyfélszerződéses klauzulák átvizsgálása. A kárbejelentő űrlapokon és a fotófeltöltési felületeken egyértelműsíteni kell az adatkezelési tájékoztatót, és rögzíteni kell, hogy a képfeldolgozás során automatikus arcfelismerés-törlés történik. A biometrikus adatok kezelését az (EU) 2016/679 rendelet szabályozza, ezért a fotók tárolási idejét, a hozzáférési jogosultságokat és az esetleges továbbítást is felül kell mérni. A cascokár-ágban különösen fontos, hogy a tanúk vagy járókelők arcképe ne kerüljön a kárbecslő rendszerbe, így az arcmaszkolás nem utólagos javítás, hanem a folyamat alapértelmezett lépése.

Harmadik lépés: a kárbecslő modell és az adatarchitektúra összehangolása. A gépi látáson alapuló fotóbecslés tanítóadatait külön kell választani az éles ügyfélfotóktól, és a tanítókészletből az arcokat véglegesen törölni kell. A természetesnyelv-feldolgozó modul a bejelentő szövegéből és a hanganyagból dolgozik, ezért a beszédátiratok tárolását is a GDPR-nak megfelelően kell szabályozni. Az üzemi monitorozás során rendszeresen ellenőrizni kell, hogy az arcfelismerés-törlés valóban lefutott-e minden feltöltött képen, és a mulasztásokat jegyzőkönyvezni kell.

Negyedik lépés: a belső adat- és munkafolyamat-architektúra kiépítésének megkezdése. Aki 2026-ban nem vezeti be a GDPR-kompatibilis arcmaszkolási eljárást a kárbejelentésbe, az a későbbi auditoknál hátrányba kerül. A fotóalapú becslés és a gépi látás akkor hozza a várt ügyfél-elégedettséget, ha a biometrikus adatok kezelése az (EU) 2016/679 rendeletnek megfelelően történik. A 60-70 százalékos automatizálási arány csak akkor tartható fenn, ha az adatvédelmi kontroll a rendszer része, nem utólagos toldalék.

Hatodik lépés: a kárfelmérési folyamat átvilágítása. A gépi látás és a természetesnyelv-feldolgozás 2026-ban a magyar biztosítóknál a kötelező gépjármű-felelősség és a cascokár-bejelentés 60-70 százalékát automatizálja.