# Czym jest pojazd niestandardowy?
Zakres jest szerszy niż się wydaje. Pojazdy niestandardowe to między innymi: motocykle i trójkołowce custom budowane na zamówienie, quady i pojazdy terenowe bez homologacji drogowej, pojazdy zabytkowe i youngtimery, busy i przyczepy z niestandardową zabudową (ambulanse, food trucki, pojazdy serwisowe), pojazdy importowane spoza głównych rynków, pojazdy po głębokiej modyfikacji silnika lub nadwozia.
Każda z tych kategorii ma własną logikę wyceny, własne źródła danych i własny zestaw pytań które trzeba zadać żeby dojść do rozsądnej liczby.
# Dlaczego tabela tu nie wystarczy
W klasycznym podejściu system wyceny to w uproszczeniu: lookup w bazie + korekty za przebieg i wiek. Działa doskonale dla milionów standardowych pojazdów. Przy niestandardowych wpada w jeden z trzech problemów.
Po pierwsze, pozycja nie istnieje w bazie. Quad producenta X z 2019 roku z silnikiem 700cc po prostu nie ma wpisu. System nie ma co zwrócić.
Po drugie, pozycja istnieje, ale dane są przestarzałe lub rzadkie. Jeden wpis z transakcji sprzed trzech lat to za mało żeby mówić o rynku.
Po trzecie, pozycja istnieje, ale pojazd odbiega od niej na tyle że korekty przekraczają sensowny zakres. Zabytkowy motocykl w stanie kolekcjonerskim a ten sam model jeżdżący codziennie to dwa różne aktywa.
# Co robi agent, czego nie robi tabela
Agent AI rozwiązuje ten problem inaczej niż lookup. Zamiast szukać dokładnego dopasowania, prowadzi rozumowanie: jakie pojazdy są podobne, gdzie można znaleźć dane rynkowe, jakie czynniki w tej kategorii wpływają na wartość, ile kosztuje naprawa lub odtworzenie.
W praktyce agent ma dostęp do kilku źródeł: baz ogłoszeń sprzedaży pojazdów, katalogów części zamiennych i kosztów napraw, historycznych danych transakcyjnych ubezpieczyciela, zewnętrznych baz technicznych (homologacje, dane producenta).
Dla każdego zapytania agent buduje indywidualną ścieżkę: najpierw klasyfikuje pojazd i dobiera strategię wyceny odpowiednią dla tej kategorii, potem zbiera dane z relevantnych źródeł, następnie syntezuje wynik z uzasadnieniem które rzeczoznawca może zweryfikować.
# Uzasadnienie jako element produktu
Jeden z kluczowych wniosków z projektu: w ubezpieczeniach sama liczba to za mało. Rzeczoznawca który dostaje wycenę od systemu musi być w stanie ją obronić — przed klientem, przed sądem, przed regulatorem. Dlatego agent nie zwraca tylko kwoty, ale generuje dokument wyjaśniający: skąd pochodzi wartość bazowa, jakie porównania rynkowe zastosowano, które korekty i dlaczego, jakie jest przedziałowe oszacowanie wartości.
To zmienia rolę systemu — z czarnej skrzynki w narzędzie wspomagające decyzję, które audytor może prześledzić krok po kroku.
# Wyzwania które nas zaskoczyły
Jakość danych ogłoszeniowych okazała się problematyczna w sposób którego nie przewidzieliśmy. Ceny na portalach sprzedaży pojazdów niestandardowych są często zawyżone przez sprzedających, nie odzwierciedlają realnych transakcji i mają braki w opisach technicznych. Agent musi umieć ocenić wiarygodność źródła zanim użyje danych — to nieoczywiste zadanie które wymagało osobnej warstwy walidacji.
Drugim wyzwaniem była obsługa pojazdów unikatowych: historycznych egzemplarzy z jednej serii produkcyjnej, repliki, pojazdy z certyfikatem muzealnym. Dla nich żadne porównanie rynkowe nie istnieje i agent musi rozpoznać że jest w obszarze gdzie powinien eskalować do ludzkiego eksperta zamiast generować liczbę z niską pewnością.
# Co z tego wynika
Systemy agentowe w wycenie pojazdów niestandardowych nie zastępują rzeczoznawcy — pomagają mu działać szybciej i spójniej. Największa wartość pojawia się nie w przypadkach prostych, gdzie każde podejście działa, ale właśnie w tych trudnych, gdzie klasyczny system nie ma odpowiedzi. To dobry punkt wyjścia do myślenia o tym gdzie w ogóle warto wdrażać agentów AI: nie tam gdzie reguły działają, ale tam gdzie reguły się kończą.