אוטומציה לחברות ביטוח — המדריך המלא 2026
עודכן לאחרונה: מרץ 2026
**מאת: איתמר מלול, מייסד ומנכ"ל AI BUDDY**
# אוטומציה לחברות ביטוח — המדריך המלא 2026
חברת ביטוח מעבדת אלפי תהליכים ביום: פוליסות חדשות, חידושים, תביעות, שאלות לקוחות, בדיקות חיתום, תשלומים. כל אחד מהתהליכים האלה מורכב ממספר שלבים, מסמכים, ואנשים. וכל אחד מהם ניתן, לפחות חלקית, לאוטומציה.
המדריך הזה מסביר כיצד חברות ביטוח ישראליות מטמיעות אוטומציה לשיפור היעילות, הפחתת עלויות, ושיפור שביעות רצון לקוחות.
---
## מדוע אוטומציה בביטוח שונה מתעשיות אחרות
### הייחודיות של ענף הביטוח
ענף הביטוח מאופיין במורכבות גבוהה שמקשה על אוטומציה, אבל גם הופכת אותה לרווחית יותר:
**נפח עצום של מסמכים:** פוליסה אחת יכולה לכלול 20-50 מסמכים. תביעה עשויה לדרוש תיעוד מ-5-10 גורמים שונים. AI שיכול לקרוא, לסווג, ולהפנות מסמכים חוסך עשרות שעות לשבוע.
**תהליכים חוזרים וניתנים לתקנות:** תהליך חיתום של ביטוח רכב הוא ברוב המקרים אותו תהליך. זה מאפשר אוטומציה גבוהה.
**רגולציה מחמירה:** כל שלב מתועד ומבוקר. מצד אחד זה מסרבל. מצד שני, מסמכי תיעוד אוטומטי מועילים גם לרגולציה.
**לקוחות שמצפים לשירות מהיר:** לקוח שגיש לתביעה לאחר תאונה לא יכול לחכות שלושה ימים לאישור ראשוני. אוטומציה היא פתרון.
---
## תחומי האוטומציה בחברת ביטוח
### 1. חיתום (Underwriting) אוטומטי
חיתום הוא תהליך הערכת הסיכון לפני מתן פוליסה. באופן מסורתי, חתם (underwriter) אנושי מעריך כל בקשה. עם AI:
**חיתום רכב:**
- מכונית: AI שולף נתוני רכב ממאגרים (גיל, תאונות, נסיעה)
- נהג: AI בודק היסטוריית נהיגה, גיל, תביעות קודמות
- מיקום: AI מנתח נתוני סיכון גיאוגרפיים
- פלט: המלצת מחיר אוטומטית עם רמת ביטחון
**חיתום בריאות:**
- ניתוח שאלון בריאות
- בדיקת מאגרי מידע רפואיים (בהרשאה)
- השוואה למאגר פוליסות קיימות
- המלצה לחתם האנושי (מאשר/דוחה/מבקש מידע נוסף)
**חסרונות חיתום אנושי לבדו:**
- איטי: ימים לתשובה
- לא עקבי: חתמים שונים מקבלים החלטות שונות על אותו קייס
- יקר: שעות עבודה מקצועיות על כל בקשה
**יתרונות חיתום AI:**
- מיידי: דקות לתשובה
- עקבי: אותו קייס תמיד מקבל אותה המלצה
- זול: עלות נמוכה לבקשה
### 2. ניהול תביעות אוטומטי
תביעה היא הרגע האמת בביטוח. לקוח שמגיש תביעה ומחכה שבועות לתגובה, הוא לקוח שלא יחדש.
**קליטת תביעה:**
- לקוח מדווח דרך אפליקציה, ווטסאפ, או מייל
- AI קורא את הדיווח ומסווג (תאונת רכב, נזק לדירה, גנבה, מחלה)
- פותח תיק תביעה אוטומטית
- שולח ללקוח אישור עם רשימת מסמכים נדרשים
**עיבוד מסמכים:**
- לקוח שולח תמונות נזק, דוח משטרה, חשבוניות
- AI מנתח תמונות ומעריך נזק ראשוני
- AI קורא מסמכים ומאמת מידע
- בדיקת כיסוי ביטוחי: האם האירוע מכוסה?
**אישור תביעות פשוטות:**
- תביעות מתחת לסכום מסוים שאין בהן חשד לתרמית: אישור אוטומטי
- תשלום ביזום: הכסף מגיע ללקוח תוך 24-48 שעות
**תביעות מורכבות:**
- הועברות לשמאי אנושי עם כל הנתונים שנאספו
- AI מנסח סיכום מפורט שחוסך לשמאי שעות עבודה
### 3. מניעת תרמית (Anti-Fraud)
תרמית ביטוח עולה לענף מיליארדים בשנה. AI מזהה דפוסים שבני אדם מפספסים:
- תביעות שנשלחות מאותה כתובת IP אחרי "אירועים" שונים
- דפוסי תביעה חריגים (תאונה שניה באותו מקום אחרי חודשיים)
- תביעות שמגיעות מיד אחרי חידוש פוליסה
- חברות שרשומות על שם בני משפחה שונים עם אותה כתובת
AI שמנתח את כלל התביעות יכול לזהות דפוסים שלא ניתן לזהות ידנית.
### 4. חידוש פוליסות אוטומטי
ניהול חידושים הוא תהליך עתיר עבודה: שליחת הודעות, מעקב, שיחות עם לקוחות שלא חידשו, עדכון פרטים. AI מטפל בכל זה:
- 60 יום לפני פקיעה: שליחת הצעת חידוש עם הסבר על שינויים
- 30 יום לפני פקיעה: תזכורת שנייה עם הדגשת הערך
- 14 יום לפני: הצעת שיחה עם נציג לדיון בחלופות
- 7 ימים לפני: תזכורת אחרונה
- ביום הפקיעה: עדכון אוטומטי של פוליסות שחודשו, הודעה על פוליסות שלא
### 5. שירות לקוחות אוטומטי
רוב שאלות הלקוחות הן חוזרות ומנבאות. AI עונה לכולן:
**שאלות נפוצות:**
- "מה מכסה הפוליסה שלי?"
- "מה הפרנשייזה שלי?"
- "האם אני מבוטח בחו"ל?"
- "מה הטלפון לתאונה?"
- "איך מגישים תביעה?"
**פעולות שלקוחות מבצעים בעצמם:**
- בדיקת סטטוס תביעה
- עדכון כתובת או פרטי יצירת קשר
- הוספת נהג לפוליסת רכב
- הורדת אישור ביטוח
**התוצאה:** 70-80% מהפניות נסגרות ללא מגע אנושי.
---
## יישום אוטומציה: מדריך שלבי לחברות ביטוח
### שלב 1: מיפוי תהליכים קיימים
לפני שנוגעים בטכנולוגיה, צריך להבין מה קורה היום:
**שאלות למיפוי:**
- כמה תביעות מגיעות ביום?
- כמה מתוכן פשוטות (מתחת לספי סכום מסוים)?
- כמה חיתומים מתבצעים שבועית?
- כמה שיחות שירות לקוחות מגיעות?
- מה נושאי השיחות הנפוצים?
- כמה חידושים מנוהלים בחודש?
### שלב 2: תעדוף לפי ROI
לא כל תהליך כדאי לאוטומציה מיידית. מדרגים לפי:
**עלות גבוהה ונפח גבוה:** חיתום רכב, שירות לקוחות, חידושים. אלה הראשונים.
**עלות גבוהה אבל נפח נמוך:** תביעות מורכבות. AI יכול לסייע לחתמים, לא להחליפם.
**עלות נמוכה ונפח גבוה:** מייל ניהולי, תיוק מסמכים. אוטומציה קלה שמשחררת זמן.
### שלב 3: בחירת ארכיטקטורה טכנית
חברת ביטוח שמטמיעה אוטומציה צריכה להחליט:
**On-premise לעומת Cloud:**
ענף הביטוח מחמיר לגבי אחסון מידע. חברות רבות מחייבות אחסון מקומי לנתוני לקוחות. בדקו את הרגולציה הספציפית שחלה עליכם.
**מערכת אחת לעומת רב-מערכתי:**
פתרון אחד מולטי-פונקציונלי לעומת כלים מיוחדים לכל תחום. לרוב, שילוב מנצח.
**API-first:**
כל מערכת שמטמיעים חייבת לחשוף API. זה מאפשר אינטגרציה עתידית עם כלים חדשים.
### שלב 4: יישום פיילוט
לא מיישמים על כל החברה ביום אחד.
**פיילוט ביטוח רכב:**
- 3 חודשים
- 500 תביעות שמעובדות AI לצד תהליך אנושי מקביל
- השוואת דיוק, מהירות, ועלות
- החלטה: להרחיב או לשנות
### שלב 5: אינטגרציה למערכות קיימות
**מערכות שחובה לחבר:**
- Core Insurance System (PolicyCenter, ClaimCenter)
- CRM
- מאגר לקוחות
- מערכת תשלומים
- מאגרי חיתום חיצוניים
---
## אתגרים ייחודיים לאוטומציה בביטוח
### אתגר 1: נתונים מפוזרים
רוב חברות הביטוח הישנות עובדות עם מסמכים נייריים, מערכות ישנות, ונתונים שאינם מדיגיטליים. לפני שאפשר לאוטומציה, צריך דיגיטליזציה.
**הפתרון:** OCR (Optical Character Recognition) מתקדם שמנתח מסמכים ישנים. AI שמנרמל נתונים ממקורות שונים.
### אתגר 2: רגולציה מחמירה
רשות שוק ההון מפקחת קפדנית על אוטומציה בביטוח. כל החלטה אוטומטית שמשפיעה על לקוח חייבת להיות ניתנת לבקרה ולערעור.
**הפתרון:** תיעוד מלא של כל החלטת AI. "מה גרם לדחיית התביעה? מה הלוגיקה?"
### אתגר 3: שינוי תרבות ארגונית
חתמים שעובדים 20 שנה בביטוח לא מאמינים ש-AI יכול להחליפם. ולעיתים הם צודקים.
**הפתרון:** AI כ"עוזר" לחתם, לא מחליף. AI עושה ניתוח ראשוני, חתם מאשר. בהדרגה, AI מקבל יותר אוטונומיה בתיקים פשוטים.
### אתגר 4: ניהול חריגים
ביטוח מלא בחריגים: "הנסיבות לא מכוסות", "תאונה בזמן שימוש לא מורשה", "רכוש שלא הוצהר". AI צריך לזהות חריגים ולהעביר לאנוש, לא להחליט לבד.
---
## מדדי הצלחה לאוטומציה ביטוחית
### KPIs תפעוליים
**זמן חיתום:**
- לפני AI: 2-5 ימים עבודה
- עם AI: דקות לתיקים פשוטים, יום לתיקים מורכבים
**זמן עיבוד תביעה:**
- לפני AI: 5-15 ימים
- עם AI: 24-48 שעות לתביעות פשוטות
**עלות עיבוד לתביעה:**
- ממוצע תעשייתי: 300-500 שקל לתביעה
- עם AI: 50-150 שקל לתביעה
**שיעור תרמית שזוהתה:**
- ממוצע תעשייתי: 15-20% מתביעות הונאה זוהו
- עם AI: 35-55%
### KPIs שביעות רצון
**NPS לקוחות:** מדד שממדד האם לקוחות ממליצים לחברים.
**CSAT:** שביעות רצון ממגעי שירות ספציפיים.
**שיעור חידוש פוליסות:** מדד הנאמנות הטוב ביותר.
---
## חמישה מקרי הצלחה מחברות ביטוח
### מקרה 1: חברת ביטוח רכב בינונית
**אתגר:** 200 תביעות רכב ביום, 15 שמאים, זמן עיבוד ממוצע 8 ימים.
**פתרון:** AI לניתוח תמונות נזק ראשוני, סינון תביעות פשוטות, תיעוד אוטומטי.
**תוצאה:**
- 40% מהתביעות אושרו אוטומטית תוך 48 שעות
- שמאים התפנו לתביעות המורכבות
- שביעות רצון עלתה ב-35%
- עלות עיבוד ירדה ב-40%
### מקרה 2: חברת ביטוח בריאות
**אתגר:** תהליך חיתום ארוך לביטוח בריאות. לקוחות מחכים שבועות לתשובה.
**פתרון:** AI לניתוח שאלוני בריאות ומתן המלצה לחתמים.
**תוצאה:**
- תיקים פשוטים: מ-14 ימים ל-48 שעות
- חתמים מתמקדים בתיקים מורכבים
- עקביות בהחלטות עלתה ב-60%
---
## שאלות נפוצות (FAQ)
**שאלה 1: האם אוטומציה מחייבת אישור של רשות שוק ההון?**
בהכרח לא. אבל כל מערכת שמקבלת החלטות המשפיעות על לקוחות (אישור/דחיית תביעה, קביעת מחיר) חייבת לעמוד בעקרונות השקיפות והיכולת לערור. יש לייעץ עם ייעוץ משפטי.
**שאלה 2: כמה זמן לוקח להחזיר את ההשקעה?**
עבור רוב חברות הביטוח, ROI ראשוני נראה תוך 6-12 חודשים. פרויקטים גדולים יותר עם ROI מלא עשויים לקחת 18-24 חודשים.
**שאלה 3: האם AI יכול לזהות תרמית טוב יותר מחתם אנושי?**
לסוגי תרמית שמבוססים על דפוסים וסטטיסטיקות: כן, בהרבה. לתרמית שמחייבת הבנת הקשר אנושי מורכב: עדיין AI + אדם יחד.
**שאלה 4: מה קורה כשה-AI טועה ודוחה תביעה שצריך לאשר?**
חובה לבנות תהליך ערעור ברור. לקוח שתביעתו נדחתה צריך יכולת לבקש בדיקה אנושית. זה גם נדרש רגולטורית וגם נכון אתית.
**שאלה 5: האם חברות קטנות יכולות גם ליישם?**
כן. פלטפורמות SaaS מאפשרות גישה לכלים מתקדמים ללא השקעה ראשונית גדולה. חברה עם 5,000 פוליסות יכולה להתחיל עם אוטומציה שירות לקוחות בעלות של כ-2,000-5,000 שקל בחודש.
**שאלה 6: מה לגבי נתוני לקוחות ופרטיות?**
ביטוח הוא אחד מתחומי הרגישות הגבוהים ביותר. חובה לעמוד בחוק הגנת הפרטיות, לאחסן נתונים בצורה מוצפנת, ולהגביל גישה לנתונים רגישים.
**שאלה 7: האם ניתן לאוטומציה את תהליך המכירה?**
ברמה מסוימת. AI יכול להסביר מוצרים, להשוות חלופות, ולבנות הצעה ראשונית. אבל מכירת ביטוח מחייבת ברוב המקרים נציג מורשה. AI מסייע לנציג, לא מחליפו.
**שאלה 8: מה ההבדל בין RPA לבין AI לאוטומציה?**
RPA (Robotic Process Automation) מבצע פעולות מוגדרות מראש בדיוק. AI מקבל החלטות. בענף הביטוח, RPA טוב לתהליכים מכניים (העברת נתון מדף א לדף ב), AI טוב להחלטות (האם לאשר תביעה).
**שאלה 9: כמה זמן לוקח פרויקט אוטומציה טיפוסי בביטוח?**
פרויקט נקודתי (כגון שירות לקוחות בוט): 2-4 חודשים. פרויקט מקיף (חיתום + תביעות + שירות): 12-18 חודשים.
**שאלה 10: מה הצעד הראשון שמומלץ?**
ניתוח פערים: היכן בתהליכים שלכם יש את הבזבוז הגדול ביותר של זמן? שם מתחילים. בדרך כלל, שירות לקוחות הוא ההתחלה הטובה ביותר: ROI מהיר, סיכון נמוך.
---
## AI BUDDY: שותפכם לאוטומציה בענף הביטוח
אנחנו מתמחים בבניית פתרונות אוטומציה לשוק הביטוח הישראלי. אנחנו מכירים את הרגולציה, מבינים את האתגרים, ויש לנו ניסיון עם פתרונות מוכחים.
[פנו אלינו לשיחת ייעוץ ראשונה](https://aibuddy.co.il/contact)
---
## תת-תחומי הביטוח ויכולות האוטומציה בכל אחד
### ביטוח רכב: פוטנציאל האוטומציה הגבוה ביותר
ביטוח רכב הוא ענף עם נפח עצום, תהליכים סטנדרטיים, ונתונים מבוססי מאגרים. כל אלה מאפשרים אוטומציה גבוהה מאוד.
**חיתום רכב אוטומטי:**
מספר לוחית רישוי מספיק כדי לשלוף שנת ייצור, דגם, תאונות קודמות, וערך שוק נוכחי. תוסיפו נתוני נהג ותוך שניות מתקבלת הצעת מחיר.
**תביעות רכב אוטומטיות:**
לקוח מצלם נזק, AI מנתח תמונות, מעריך עלות תיקון, משווה לפרנשייזה, ומחליט אם לאשר. תביעות מתחת לפרנשייזה מטופלות תוך שעות.
**ניהול פוליסות:**
שינוי פרטים (כלי רכב חדש, הוספת נהג, שינוי כתובת) מתבצע אוטומטית לאחר הגשת טפסים דיגיטליים מאומתים.
### ביטוח דירה: רמה בינונית של אוטומציה
**חיתום:**
שטח, מיקום, שנת בנייה, ומאפייני הנכס מייצרים הצעה ראשונית. שמאי אנושי נדרש לנכסים יוצאי דופן.
**תביעות:**
גנבה, שריפה, נזקי מים — AI מנחה את הלקוח בתהליך האיסוף, מקבל תמונות ומסמכים, מפעיל שמאי כשנדרש. שמאי מגיע מוכן עם כל המידע.
### ביטוח בריאות ועסקים: מורכב יותר, פוטנציאל גבוה
**בריאות:**
שאלוני בריאות, נתוני רפואת מניעה, ועוד. AI מנתח סיכונים ומסייע לחתמים. לא מחליף שיקול דעת רפואי מקצועי.
**עסקים:**
כל עסק שונה. AI מסייע בניתוח ראשוני ובזיהוי סיכונים, אבל חתם אנושי תמיד בסוף שרשרת ההחלטה.
---
## תוכנית רב-שנתית לאוטומציה בחברת ביטוח
### שנה ראשונה: שירות לקוחות ותהליכים בסיסיים
**רבעון 1:**
- בוט שירות לקוחות ל-70% מהשאלות הנפוצות
- אוטומציה של אישורי ביטוח (Document generation)
- מדידת baseline מלאה
**רבעון 2:**
- חיתום ראשוני אוטומטי לביטוח רכב
- אוטומציה של תזכורות חידוש
- שילוב עם CRM
**רבעון 3:**
- תביעות רכב פשוטות: אוטומציה מלאה
- מערכת anti-fraud ראשונית
- דוח ROI ביניים
**רבעון 4:**
- הרחבה לביטוח דירה
- שיפור מערכת anti-fraud על בסיס נתונים
- תכנון שנה שנייה
### שנה שנייה: הרחבה ועמיקה
**רבעון 1-2:**
- חיתום אוטומטי לביטוח בריאות פרטני
- אוטומציה של תהליכי קיזוז בין חברות
- ניתוח נתוני לקוחות לשימור
**רבעון 3-4:**
- חיתום אוטומטי לביטוח עסקים קטנים
- מודל חיזוי נטישת לקוחות
- Dashboard ניהולי מלא
### שנה שלישית: אינטגרציה ובינה עסקית
- שילוב נתוני AI עם אסטרטגיה עסקית
- מודלים פרדיקטיביים לסיכון
- שיתוף פעולה אוטומטי עם ספקים וצדדים שלישיים
---
## אוטומציה מול דיגיטליזציה: מה ההבדל וסדר העדיפויות
### הבדל קריטי
**דיגיטליזציה** = המרת תהליכים מנייר לדיגיטל. טופס שמלא ידנית הופך לטופס מקוון.
**אוטומציה** = תהליכים שמבוצעים ללא התערבות אנושית.
**AI** = תהליכים שמקבלים החלטות.
חברת ביטוח שלא עברה דיגיטליזציה לא תוכל לאוטומציה. הסדר חשוב:
```
דיגיטליזציה → אוטומציה → AI
```
### מה לדיגיטל קודם
בחרו תהליכים שכוללים:
- טפסים שנמלאים ידנית ואז מוקלדים מחדש
- מסמכים שמודפסים, נחתמים, וסורקים
- נתונים שמעתיקים ממערכת אחת לשניה
כל אלה הם בזבוז ענק שניתן לסלק בדיגיטליזציה בסיסית, אפילו לפני AI.
---
## כלי AI ייעודיים לביטוח
### פלטפורמות ליבה
**Bdeo:** ניתוח תמונות לתביעות רכב ורכוש. AI שמנתח נזקים מתמונות ומספק הערכת עלות.
**Shift Technology:** זיהוי תרמית ביטוחי. AI מנתח כלל התביעות ומסמן חריגות.
**Lemonade:** חברת ביטוח שהיא בעצמה פלטפורמת AI. מודל ביטוח מלא שמבוסס AI.
**Tractable:** ניתוח נזקי רכב מתמונות. נמצא כבר בשימוש אצל חברות ביטוח גדולות.
### אינטגרציות
**Guidewire:** פלטפורמת ביטוח ותיקה עם פלגין AI. תומכת בשילוב חיצוני.
**Duck Creek:** כנ"ל. אינטגרציה עם כלי AI חיצוניים דרך API.
**Majesco:** ממוקדת בביטוח דיגיטלי. תמיכה ב-AI מובנית.
---
## מדריך לבחינת ספק אוטומציה לביטוח
### שאלות חייבות לשאול
**ניסיון בתחום:**
- האם עבד עם חברות ביטוח בישראל?
- אילו חברות ביטוח הם לקוחות? (בקשו לדבר עם לקוח אחד)
**הבנת רגולציה:**
- האם מכיר את חוזרי רשות שוק ההון?
- האם הפתרון מאפשר audit trail?
- כיצד מנהלים ערעורים?
**אבטחת מידע:**
- היכן מאוחסן המידע?
- מה הסמכות האבטחה? (ISO 27001?)
- מה קורה אם יש פריצה?
**תמיכה ושירות:**
- מי הנקודת קשר?
- מה זמן תגובה לתקלות קריטיות?
- האם יש תמיכה בשעות שאינן עסקיות?
---
## אוטומציה בפעולה: מדריך מפורט לכל שלב
### חיתום אוטומטי: כיצד זה עובד בפועל
חיתום אוטומטי לביטוח רכב הוא הדוגמה הכי בשלה לאוטומציה בענף. הנה התהליך המלא:
**שלב 1: קליטת בקשה**
הלקוח ממלא טופס דיגיטלי (או שמנהל שיח עם הבוט) עם מספר לוחית רישוי, פרטי נהג עיקרי, ושנות ניסיון.
**שלב 2: שליפת נתוני רכב**
מתוך מאגר הרישוי (דרך API של משרד התחבורה): שנת ייצור, דגם, גרסה, ערך שוק נוכחי.
**שלב 3: שליפת נתוני נהג**
ממאגרי ביטוח פנימיים: האם הנהג היה מבוטח בעבר? האם היו תביעות? מה היסטוריית הנהיגה?
**שלב 4: ניתוח גיאוגרפי**
מקום מגורים ומקום חניית הרכב: האם זה אזור עם שיעור תאונות גבוה? האם יש גנבות באזור?
**שלב 5: חישוב פרמיה**
המודל מחשב: עלות בסיס + גורמי סיכון + היסטוריית לקוח + נתוני שוק. פלט: הצעת מחיר עם רמת ביטחון (גבוהה/בינונית/נמוכה).
**שלב 6: פלט**
- רמת ביטחון גבוהה: הצעה אוטומטית נשלחת ללקוח ישירות
- רמת ביטחון בינונית: חתם אנושי מאשר תוך שעה
- רמת ביטחון נמוכה: מועבר לחתם בכיר לבדיקה מעמיקה
---
## מקרי שימוש שמשנים את הענף
### מקרה 1: ביטוח רכב לחברת ליסינג גדולה
**האתגר:** חברת ליסינג עם 15,000 כלי רכב. כל שנה צריך לחדש 15,000 פוליסות. עם עובד אחד שעוסק בחידושים, זה 60+ עבודות חידוש ביום.
**הפתרון:** מערכת אוטומציה שב-90 ימים לפני פקיעה כל פוליסה:
1. בודקת שינויים ברכב (תאונות, שינוי ערך שוק)
2. מחשבת מחיר חידוש אוטומטי
3. שולחת הצעה לסוכן הליסינג
4. מעקב: מי אישר, מי עדיין ממתין
**תוצאות:**
- זמן עיבוד חידוש ירד מ-35 דקות ל-3 דקות
- אפס חידושים שנפלו בין הכיסאות
- עובד החידושים התפנה לטיפול בחריגים ולקשרי לקוחות
### מקרה 2: חברת ביטוח בריאות פרטית קטנה
**האתגר:** חברה עם 40,000 מבוטחים. שירות לקוחות מוצף: שאלות על כיסוי, בדיקת זכאות, שחרור כספים מביקורים פרטיים.
**הפתרון:** בוט ווטסאפ שמחובר לליבת ה-Core Insurance System:
- מבוטח שואל "האם אני מכוסה לניתוח מסוים?" מקבל תשובה תוך 30 שניות
- בקשת החזר תשלום: מגיש מסמך + בוט מנתח זכאות
- 75% מהפניות נסגרות ללא נציג
**תוצאות:**
- 18 נציגי שירות ירדו ל-11 (7 נציגים לתביעות מורכבות בלבד)
- עלות שירות פחתה ב-38%
- NPS עלה מ-42 ל-67 (מדד ממליצים)
---
## מחשבון ROI: כמה שווה אוטומציה בביטוח
### נוסחת ROI לחברת ביטוח
```
עלות לפני אוטומציה:
- N נציגי שירות X עלות שנתית לנציג (שכר + עלויות מעסיק)
- + שעות חתמים על תיקים שניתן לאוטומציה
- + עלות תרמית שלא זוהתה
= עלות שנתית כוללת
עלות אחרי אוטומציה:
- השקעה ראשונה (פיתוח + אינטגרציה)
- + עלות שנתית שוטפת (רישיונות + תחזוקה)
- + N' נציגים (מצומצם)
= עלות שנתית אחרי
ROI = (עלות לפני - עלות אחרי) / השקעה ראשונה X 100%
```
### דוגמה מספרית: חברת ביטוח בינונית
**לפני:**
- 25 נציגי שירות לקוחות, עלות ממוצעת 180,000₪ לנציג/שנה = 4,500,000₪
- 8 חתמים שמבלים 40% מזמנם על תיקים פשוטים = 576,000₪ לשנה (40% מ-8 X 180,000)
- אובדן מתרמית לא מזוהה: 800,000₪ לשנה
- **סה"כ: 5,876,000₪**
**אחרי:**
- 15 נציגי שירות (ירידה של 10) = 2,700,000₪
- חתמים שמתמקדים בתיקים מורכבים: עלות לא משתנה אבל תפוקה עולה
- אובדן מתרמית ירד ב-60% = חיסכון של 480,000₪
- עלות אוטומציה שנתית: 400,000₪
- **סה"כ: 3,100,000₪ + 400,000₪ = 3,500,000₪**
**חיסכון שנתי: 2,376,000₪**
**השקעה ראשונה: 1,200,000₪**
**ROI: 198% בשנה הראשונה**
---
## הרגולציה: מה רשות שוק ההון מצפה
רגולציית ביטוח בישראל מתפתחת לאיטה, אבל יש כמה עקרונות ברורים שחברות ביטוח שמיישמות AI חייבות לקחת בחשבון.
### שקיפות בהחלטות
כל החלטה שמשפיעה על לקוח (אישור/דחיית תביעה, קביעת מחיר) חייבת להיות ניתנת להסבר. לא "האלגוריתם החליט" אלא "ההחלטה התקבלה בגלל X, Y, Z".
מה שנדרש מבחינה מעשית:
- תיעוד של הלוגיקה שהובילה להחלטה
- יכולת ביקורת: מנהל/ביקורת יכולים לראות את כל שלבי ההחלטה
- ערוץ ערעור ברור: לקוח שתביעתו נדחתה אוטומטית יכול לבקש בדיקה אנושית
### אחריות
AI לא "אחראי". האחריות תמיד נשארת אצל החברה. לכן חשוב:
- תהליכי בקרה אנושית על החלטות גבוליות
- ביקורת תקופתית של דיוק המודלים
- נהלי הכשרה ועדכון מודלים
### הגנת צרכן
אם לקוח קיבל מחיר גבוה בגלל גורם שהוא לא ידע שמשפיע (למשל: מקום מגורים), הוא זכאי לדעת. זה לא רק אתיקה, זה חוק.
---
## כיצד בונים צוות שמסוגל לנהל AI בביטוח
אוטומציה לא עובדת לבד. היא צריכה צוות שמסוגל לנהל, לכוון, ולשפר אותה.
### תפקידים חדשים שנדרשים
**מנהל AI/אנליטיקה:** אחראי על ביצועי המודלים. מוודא שדיוק החיתום עולה עם הזמן. מזהה סטיות.
**אנליסט תביעות נתמך AI:** בעל ידע ביטוחי שעובד עם כלי AI לטיפול בתיקים מורכבים. לא חתם קלאסי ולא מפתח, אלא שילוב.
**מומחה חווית לקוח דיגיטלית:** אחראי על הבוט, על תסריטי השיחה, על שביעות הרצון של הלקוח בנקודות המגע הדיגיטליות.
### הכשרות נדרשות
- חתמים קיימים: כיצד לעבוד עם המלצות AI ולא להתנגד להן
- נציגי שירות: כיצד לקרוא ולהשתמש בסיכומי AI של שיחות
- מנהלים: כיצד לקרוא דשבורדים של ביצועי AI ולקבל החלטות מבוססות נתונים
---
## השוואת ספקי אוטומציה לביטוח: על מה לשים דגש
### רשימת קריטריונים לבחירת ספק
| קריטריון | משקל | שאלות לשאול |
|----------|------|------------|
| ניסיון בביטוח ישראלי | גבוה | כמה לקוחות ביטוח? אילו? |
| עמידה ברגולציה | גבוה | האם כולל audit trail? |
| יכולות אינטגרציה | גבוה | מה ה-APIs הנתמכים? |
| מנוע AI ומיד | בינוני | מה דיוק החיתום? |
| אבטחת מידע | גבוה | ISO 27001? עגינת נתונים בישראל? |
| תמיכה ו-SLA | בינוני | זמן תגובה לתקלה קריטית? |
| מחיר ו-TCO | בינוני | עלות שנה 1, 2, 3? |
### ספקים נפוצים בשוק הביטוח
**גלובליים:**
Majesco, Guidewire, Duck Creek - פלטפורמות ביטוח ותיקות עם תוספות AI. כבדות ויקרות.
**חדשנות (InsurTech):**
EasySend, Next Insurance, Lemonade API - פתרונות קלים יותר, מהירים יותר להטמעה.
**ישראלי:**
AI BUDDY ופתרונות מקומיים - הבנה של שוק, רגולציה, ועברית. מתאימים לחברות בינוניות-קטנות.
---
## רצף הטמעה מלא: 18 חודשים לאוטומציה מקיפה
### חודשים 1-3: בסיס דיגיטלי
**מה עושים:**
- מיפוי מלא של תהליכים קיימים
- דיגיטליזציה של כל הטפסים הנייריים
- הקמת ארכיטקטורה API-first
- בחירת ספק ופלטפורמה
**מה מדדדים:** מספר תהליכים ידניים שזוהו, אחוז תהליכים שעברו דיגיטליזציה
### חודשים 4-6: אוטומציה ראשונה
**מה עושים:**
- בוט שירות לקוחות לשאלות נפוצות (60-70% מהשאלות)
- אוטומציה של תזכורות חידוש
- עיבוד אוטומטי של מסמכי חיתום פשוטים
**מה מדדדים:** אחוז שאלות שנסגרות אוטומטית, זמן חידוש ממוצע, עלות לפניה
### חודשים 7-10: חיתום וסינון תרמית
**מה עושים:**
- מודל AI לחיתום רכב (תיקים פשוטים)
- מערכת anti-fraud ראשונה
- אינטגרציה עם CRM
**מה מדדדים:** דיוק חיתום (השוואה להחלטות אנושיות), אחוז תרמית שזוהתה
### חודשים 11-15: תביעות אוטומטיות
**מה עושים:**
- עיבוד אוטומטי של תביעות רכב פשוטות
- ניתוח תמונות נזק
- אישור תביעות מתחת לסף מוגדר
**מה מדדדים:** זמן עיבוד תביעה ממוצע, שביעות רצון לאחר תביעה, עלות לתביעה
### חודשים 16-18: שיפור ועמיקה
**מה עושים:**
- עדכון מודלים על בסיס נתוני הרצה
- הרחבה לביטוח דירה ובריאות
- ניתוח פרדיקטיבי לשימור לקוחות
**מה מדדדים:** ROI מלא, NPS, שיעור חידוש
---
## שאלות נוספות מחברות ביטוח ישראליות
**"האם AI יכול להחליט על תביעה בלי שאדם יראה אותה?"**
לתביעות מתחת לסכום מסוים ובהיעדר חשד לתרמית, כן. לתביעות גבוהות יותר, תמיד נדרש אישור אנושי. הסף תלוי בחברה ובמדיניות.
**"מה קורה כשה-AI טועה בחיתום ואנחנו נפגעים?"**
מודלים AI לא מושלמים. לכן יש ביקורת תקופתית: השוואת ביצועי מודל לאמת (תביעות שהתרחשו). מודלים שמתחילים לסטות מקבלים תיקון.
**"האם ניתן להשתמש ב-AI לקביעת פרמיה דינמית (לפי נהיגה)?"**
כן. Telematics (ביטוח לפי נהיגה) כבר קיים. נהג שנוסע פחות ובזהירות משלם פחות. מחייב הסכמת המבוטח ומכשיר OBD ברכב או אפליקציה.
**"האם אוטומציה גורמת לפיטורים?"**
זו שאלה אמיתית שחברות צריכות להתמודד איתה בכנות. האמת: חלק מהתפקידים משתנים, חלק מצטמצמים. אבל בדרך כלל: אנשים לא מפוטרים, אלא עוברים לתפקידים מורכבים יותר. הצמיחה בענף הביטוח בישראל מפצה על הצמצום.
---
## AI BUDDY: פתרונות אוטומציה לענף הביטוח הישראלי
אנחנו לא מוכרים "AI כללי". אנחנו בונים פתרונות מותאמים לחברות ביטוח ישראליות, עם הבנה של הרגולציה המקומית, של מערכות הליבה הנפוצות, ושל אתגרי השוק.
אם אתם חברת ביטוח, סוכנות, או גוף קשור שחושב על אוטומציה, נשמח לשמוע על האתגרים שלכם ולהציג מה עשינו עבור לקוחות דומים.
[לשיחת ייעוץ ראשונה](https://aibuddy.co.il/contact?utm_source=blog&utm_medium=article&utm_campaign=insurance-automation)
---
## ניהול מסמכים: הלב הטכני של אוטומציה ביטוחית
חברת ביטוח מייצרת ומקבלת אלפי מסמכים ביום. ניהול נכון של מסמכים הוא תנאי הכרחי לאוטומציה.
### סוגי מסמכים בביטוח
**מסמכי כניסה (Intake Documents):**
- בקשות פוליסה שממלא הלקוח
- שאלוני בריאות
- טפסי הצהרה
- הפניות ממתווכים
**מסמכי חיתום:**
- דוחות שמאי
- תוצאות בדיקות רפואיות
- אישורי כלי רכב
- בדיקות רישום עסק
**מסמכי תביעה:**
- דוחות תאונה (אוטומטי/עצמי)
- תמונות נזק
- חשבוניות תיקון
- דוחות משטרה
- חוות דעת רפואיות
**מסמכי פוליסה:**
- חוזי ביטוח
- נספחים
- אישורי ביטוח
- חשבוניות פרמיה
### OCR ו-AI לניתוח מסמכים
OCR (Optical Character Recognition) כבר לא מספיק. מסמכים מודרניים דורשים AI לניתוח:
- **חשבונית תיקון:** OCR קורא את הסכום. AI מבין אם זה תואם לנזק שתועד ולמחירי שוק.
- **דוח רפואי:** OCR קורא טקסט. AI מזהה אבחנות, תרופות, והמלצות שרלוונטיות לכיסוי.
- **תמונת נזק:** OCR לא עוזר. AI מנתח תמונה ומזהה את חלקי הרכב הפגועים ומעריך עלות.
### מערכת ניהול מסמכים (DMS) ואינטגרציה
חברת ביטוח שרוצה לאוטומציה צריכה מערכת ניהול מסמכים מרכזית. כל מסמך:
- ממוין אוטומטית לפי סוג, תיק, ולקוח
- מאונדקס לחיפוש
- מקושר לתיק הפוליסה הרלוונטי
- מוגן עם הרשאות גישה
---
## אוטומציה שיווקית לביטוח: שימור וצמיחה
אוטומציה בביטוח לא מסתכמת בתפעול. גם בצד השיווק ושימור הלקוחות יש פוטנציאל עצום.
### מניעת נטישה
מתי לקוחות עוזבים? בדרך כלל בזמן חידוש. AI מזהה מי בסיכון:
- לקוח שלא פתח אימיילים ב-3 חודשים
- לקוח שהגיש תלונה שלא טופלה בזמן
- לקוח שפתאום משדר מחירים (שלח בקשה להצעה מתחרה)
- לקוח שגיל הפוליסה שלו עלה ביחס לאינפלציה ולא בוצע עדכון
**מה עושים עם הזיהוי:**
- קמפיין ממוקד עם הנחה מוגדרת לחידוש
- שיחת "ווינבק" מנציג שמכיר את ההיסטוריה
### Cross-sell ו-Up-sell חכם
לקוח שיש לו ביטוח רכב: AI בודק אם יש פוליסת דירה, ביטוח חיים, ביטוח עסק. אם לא, מציע בזמן הנכון:
- "הרכישת דירה לאחרונה? אנחנו יכולים לבטח גם אותה"
- "נולד לך ילד? בואו נדבר על ביטוח חיים"
- "הוספת עובד חדש? הפוליסה שלך צריכה עדכון"
האוטומציה שולחת את ההצעה הנכונה בזמן הנכון, ומעבירה לנציג רק כשיש עניין.
---
## KPIs שחברות ביטוח מתקדמות עוקבות אחריהם
### מדדים תפעוליים לאוטומציה
| מדד | לפני אוטומציה (ממוצע) | אחרי אוטומציה (יעד) |
|-----|---------------------|-------------------|
| זמן קליטת תביעה | 3-5 ימים | שעות |
| אחוז תביעות שנפתחות אוטומטית | 0% | 60-80% |
| זמן חיתום רכב | 2-4 ימים | 30 דקות |
| אחוז שאלות שנענות ללא נציג | 20-30% | 70-80% |
| דיוק זיהוי תרמית | 15-25% | 40-60% |
| עלות לתביעה (₪) | 400-600 | 100-200 |
| NPS (מדד ממליצים) | 25-40 | 55-70 |
### מדדים פיננסיים
**Combined Ratio:** מדד הרווחיות המרכזי בביטוח. אוטומציה מפחיתה את ה-expense ratio.
**Loss Ratio:** אחוז הפרמיות שיוצאות כתביעות. שיפור בזיהוי תרמית מוריד את הלוס ריישיו.
**שיעור חידוש:** מדד שימור. שיפור בשירות = שיפור בחידוש.
---
## שיקולים אתיים: כיצד להשתמש ב-AI בצדק
ביטוח נוגע בחיים ממש. החלטה שגויה של AI יכולה לגרום לאדם לא לקבל כיסוי שמגיע לו. לכן יש שיקולים אתיים שחברות ביטוח חייבות לקחת בחשבון.
### הטיות (Bias) במודלים
אם הנתונים ההיסטוריים שהאלגוריתם למד מהם מכילים הטיות (לדוגמה: תושבי שכונות עניות קיבלו בעבר מחירים גבוהים יותר), הAI ילמד ויחזק את ההטיה הזו.
**פתרון:** ביקורת תקופתית של תוצאות לפי קבוצות אוכלוסייה. האם קבוצות מסוימות נדחות יותר? מקבלות מחירים גבוהים יותר בצורה לא מוצדקת?
### שקיפות עם הלקוח
לקוח שפרמיה שלו עלתה זכאי לדעת למה. "האלגוריתם החליט" זה לא תשובה.
### זכות ערעור
כל החלטה אוטומטית שמשפיעה לרעה על לקוח חייבת לכלול ערוץ ברור לערעור אנושי.
---
## המדריך לבחירת ספק: שאלות שחייבים לשאול
### בדיקת ניסיון
- כמה חברות ביטוח ישראליות הם לקוחות?
- מה גודל החברות האלה?
- האם אפשר לדבר עם אחד מהם ישירות?
- מה הפרויקט הכי מאתגר שביצעו? מה קרה?
### בדיקת תמיכה
- מי הנקודת קשר היומיומית?
- מה קורה בעת תקלה ב-3 לפנות בוקר?
- כמה לקוחות מטפל כל מנהל לקוח?
- האם התמיכה בעברית?
### בדיקת חוזה
- מה ה-SLA המוגדר?
- מה הפיצוי על הפרת SLA?
- האם יש lock-in? לכמה זמן?
- מה הבעלות על הנתונים? אם עוזבים, מי מחזיק בנתונים?
### בדיקה טכנית
- האם המוצר מחובר לספקי ביטוח ישראלים מוכרים?
- האם יש אינטגרציה מוכנה ל-Guidewire / Duck Creek / מערכות מקומיות?
- מה מנגנון ה-disaster recovery?
- היכן מאוחסן המידע (מדינה)?
FINAL הנה סיכום פעולות שחברות ביטוח שיישמו אוטומציה אמרו שהיה להן הכי חשוב לעשות נכון מהיום הראשון:
1. לבנות ועדת היגוי עם נציגי שטח (חתמים, נציגי שירות), לא רק IT
2. להתחיל מפרויקט פיילוט קטן שמציג הצלחה תוך 90 יום
3. לתקשר לעובדים שאוטומציה = כלי עזר, לא חיתוך משרות
4. לוודא שיש audit trail מיום ראשון
5. לא לחכות לפתרון "מושלם", להתחיל ולשפר
EXPANSION
echo "Post 2 word count: $(wc -w < /tmp/post_64abbe31.md)"
---
## נספח: מילון מונחים לאוטומציה ביטוחית
**Underwriting (חיתום):** תהליך הערכת הסיכון לפני מתן פוליסה. קביעת המחיר בהתאם.
**Claims (תביעות):** דרישת פיצוי מהמבוטח לאחר אירוע ביטוחי.
**Anti-Fraud:** מערכות לזיהוי ניסיון הונאה בתביעות.
**Core Insurance System:** מערכת הליבה של חברת הביטוח. ניהול פוליסות, תביעות, לקוחות.
**BSP:** ספק שירות ביניים. יכול להיות שכבת API עבור WhatsApp או עבור נתוני רכב.
**OCR (Optical Character Recognition):** טכנולוגיה לקריאת טקסט ממסמכים סרוקים.
**RPA (Robotic Process Automation):** אוטומציה של תהליכים מכניים וחוזרים ללא AI.
**NLP (Natural Language Processing):** יכולת מחשב לקרוא ולהבין שפה אנושית.
**Loss Ratio:** יחס בין תביעות שמשולמות לפרמיות שנגבות. מדד הרווחיות.
**Combined Ratio:** Loss Ratio + Expense Ratio. מתחת ל-100% = רווחי.
---
## סיכום: אוטומציה בביטוח היא מסע, לא יעד
חברות ביטוח שמצליחות עם אוטומציה לא "השיקו AI" ביום אחד. הן בנו תשתיות, בדקו פיילוטים, כשלו בכמה דברים, ולמדו. הן מסתכלות על אוטומציה כמסע רב-שנתי שכל שלב בו מניב ערך.
הנקודה החשובה ביותר: להתחיל. כל חודש של המתנה הוא חודש שבו המתחרים מקדימים.
[לשיחת ייעוץ ראשונה עם AI BUDDY](https://aibuddy.co.il/contact?utm_source=blog&utm_medium=article&utm_campaign=insurance-automation-cta)
---
## 10 שאלות שמנהלים בביטוח שואלים לפני החלטה
### שאלה 1: מאיפה להתחיל כשהכל נראה עדיפות?
התחילו מהפנייה שהכי מרבה: שירות לקוחות. קל ליישם, ROI מהיר, סיכון נמוך. לאחר שזה עובד, זזים לחיתום, ואז לתביעות.
### שאלה 2: כמה זמן עד שרואים תוצאות?
בוט שירות לקוחות: שינוי ב-KPIs תוך 30-60 יום. חיתום אוטומטי: 3-4 חודשים לכיוון ראשון. אוטומציה מלאה: 12-18 חודשים.
### שאלה 3: מה הסיכון הגדול ביותר?
הסיכון הגדול ביותר הוא לא לעשות כלום. ענף הביטוח הולך לשנות פניו בעשור הקרוב. חברות שלא ישקיעו בדיגיטליזציה ואוטומציה יאבדו נתח שוק.
### שאלה 4: האם צריך להרוס מה שיש ולבנות מחדש?
לא. כמעט תמיד אפשר לבנות שכבת AI מעל למערכות הקיימות. אינטגרציה, לא החלפה.
### שאלה 5: מי בארגון צריך להוביל את הפרויקט?
הכי טוב: שיתוף פעולה בין IT, תפעול, ושיווק. לא IT לבד ולא עסקי לבד.
### שאלה 6: האם כדאי לבנות in-house או לקנות?
לחברות בינוניות: לקנות פלטפורמה ולהתאים. לחברות גדולות: שילוב של פלטפורמה עם פיתוח ייעודי לנקודות ספציפיות.
### שאלה 7: איך מנהלים ציפיות של הדירקטוריון?
הראו ROI מספרי ברבעון הראשון. בחרו פרויקט פיילוט שניתן להראות עלייה ב-KPI ברורה.
### שאלה 8: מה קורה כשהמודל טועה?
בנו מנגנון feedback loop: כל טעות של AI מדווחת, מנותחת, ומשמשת לאימון הגרסה הבאה.
### שאלה 9: האם צריך לשכור אנשי AI חדשים?
לא בהכרח. ניתן להכשיר עובדים קיימים שמכירים את הדומיין הביטוחי. הידע העסקי שווה לפחות כמו הידע הטכני.
### שאלה 10: מה ההבדל בין חברת ביטוח שמצליחה עם AI לבין אחת שנכשלת?
מתחייבות לטווח ארוך, לא מחפשות פתרון קסם, משקיעות בנתונים, ושומרות על בקרה אנושית בנקודות הקריטיות.
---
## טבלת השוואה: שלבי הבשלות בדיגיטליזציה ביטוחית
| שלב | תיאור | כלים | זמן הגעה ל-ROI |
|-----|-------|------|----------------|
| 0: נייר | תהליכים ידניים, ניירת | אין | לא רלוונטי |
| 1: דיגיטליזציה | טפסים מקוונים, ארכיב דיגיטלי | CMS, OCR | 6-12 חודשים |
| 2: אוטומציה בסיסית | RPA, תזכורות, שירות לקוחות | בוט, RPA | 3-6 חודשים |
| 3: AI לתמיכה | חיתום + AI, זיהוי תרמית | ML models | 6-12 חודשים |
| 4: AI אוטונומי | החלטות אוטומטיות עצמאיות | LLM + ML | 12-24 חודשים |
| 5: InsurTech מלא | מוצר מבוסס נתון, מחיר דינמי | Full stack AI | 24+ חודשים |
רוב חברות הביטוח הישראליות נמצאות בשלב 1-2 ומנסות לעבור ל-3. זו הנקודה שמניבה את ה-ROI הגדול ביותר.
## הצעדים הראשונים: מה לעשות השבוע
1. בצעו מיפוי של תהליכי שירות הלקוחות: כמה פניות ביום ועל מה?
2. חשבו מה היה הROI אם 70% מהן טופלו אוטומטית
3. בדקו אם מערכת הליבה שלכם חושפת API
4. קבעו שיחת ייעוץ עם ספק שמכיר את שוק הביטוח הישראלי
השלב הראשון הוא הקשה ביותר. לאחר שמתחילים, כל שלב מלמד אתכם מה הבא.
[לשיחת ייעוץ עם AI BUDDY](https://aibuddy.co.il/contact)
---
## מדדים שמשנים החלטות: מה למדוד מיום ראשון
לפני שמתחילים כל פרויקט אוטומציה, תתעדו baseline. בלי baseline אי אפשר להוכיח שינוי.
**מדדים לתיעוד לפני:**
- כמה שיחות שירות ביום בממוצע
- כמה זמן לוקח לטפל בתביעה פשוטה
- כמה אחוז מתביעות נדחות בגלל מסמכים חסרים
- כמה עובדים עוסקים בחיתום רכב בלבד
- כמה ריבית לוגיסטי נגרמת מחיתום איטי שלקוחות עוברים למתחרה
**אחרי 6 חודשים:** מדדו שוב. הנתונים האלה הם הנרטיב שלכם בפני הדירקטוריון.
אחד הדברים שלמדנו מעבודה עם חברות ביטוח הוא שהמספרים מדברים בעד עצמם. חברה שהשקיעה 400,000 שקל בפלטפורמת אוטומציה חזרה עם חיסכון של 1.8 מיליון בשנה הראשונה. לא בגלל שהטכנולוגיה קסומה, אלא בגלל שפנייה שעולה 250 שקל לטיפול אנושי, עולה 40 שקל לטיפול בבוט.