9. marts 2022
Af Ian Carman, direktør for britiske efterforskningstjenester
Kunstig intelligens (AI) og maskinlæringsteknologier er en stor hjælp til at opdage mistænkelig adfærd og aktiviteter.
Identificering af forsikringssvindel og validering af krav er dog stadig et område, hvor teknologien kræver menneskelig indgriben.
Det er ikke nødvendigvis maskine versus menneske; faktisk går de hånd i hånd. Når man gennemgår utallige krav, retsmedicinsk billedanalyse og prædiktiv analyse, vil man opdage, at det alt sammen er ting, som skadesbehandlere eller svindelefterforskere ikke ville være i stand til at gøre med samme hastighed og nøjagtighed. Teknologien reducerer falske positiver og giver pålidelige resultater, samtidig med at den fremskynder svindelscreeningsprocessen.
Blandet tilgang
Der er ikke én løsning til at identificere mistænkelige krav, og derfor er der brug for en blandet tilgang - hvor man bruger teknologi til at behandle store mængder hurtigt, AI til at identificere mistænkelige mønstre og adfærdsvidenskab til at hjælpe med at håndtere diskussioner med kunden. AI træffer ikke beslutninger, men den peger skadebehandlere og efterforskere i den rigtige retning. Ved hurtigt at genkende bekymringer kan AI hjælpe med at identificere specifikke problemer, der fremhæver kravet som værd at undersøge. Der vil altid være brug for en svindelefterforsker til at behandle resultaterne. For ikke at nævne, at dataene fordobles efter et virtuelt eller fysisk besøg, hvilket understreger vigtigheden af en-til-en-undersøgelser.
Opdagelsen af svindel med forsikringstagere er følsom og kræver stærke færdigheder i samtalestyring - understøttet af risikoanalyse med digital stemme. Det skal være en omhyggeligt styret proces - struktureret, så svindleren ved, hvornår han er blevet afsløret. Oftest vil de vælge at gå væk fra kravet - en reaktion, som forsikringsselskaberne så kan overveje fra sag til sag.
Et større landskab
Der opstår også hele tiden nye tendenser, og svindlere finder hele tiden alternative måder at begå svindel på. Heldigvis giver teknologien os nu mulighed for at afsløre nye aktivitetsspidser på det tidligste tidspunkt. Maskinlæring kan endda opdage opportunistisk svindel - f.eks. ved at opdage, hvor kunder begynder at indse og udnytte tærskler for erstatningskrav. I forbindelse med erstatningsansvar og personskader kan teknologien ud over de klassiske svindelmønstre også opdage advokater og læger med de samme forbindelser, henvise til indlæg på sociale medier og sætte alt sammen for at udpege potentielt svigagtig adfærd.
AI ser på det bredere landskab og tager et big data-syn på svigagtig adfærd - fra overdrivelse af krav til sofistikeret organiseret kriminel aktivitet - i forhold til, hvad der sker på markedet. Anvendelsen af disse nye teknologier gør teams til bekæmpelse af svindel mere effektive og sikrer, at efterforskernes indsats og virksomhedens udgifter investeres i de mest robuste sager.
Indsigt i data
At identificere svindel er kun en del af billedet. Teknologi kan også give tidlig indsigt i nye tendenser til svindel og give detaljer på mikroniveau - postnumre, typer af krav og personer - hvilket giver efterforskerne mulighed for at få nøjagtige oplysninger, mens det sker. Det kan hjælpe forsikringsselskaber og salgsteams med at reagere hurtigt og fravælge områder eller forretningsområder, der er ved at blive mistænkelige.
Deling af information
Bag den innovative teknologi ligger kvalitetsdata. Selv om der er et fremragende samarbejde og datadeling gennem motorbaserede systemer, CUE og MIAFTR, kunne forsikringsbranchen drage fordel af en bredere samling af datasæt. Det ville også være et skridt fremad at kategorisere svindel på en specifik og ensartet måde i stedet for at bruge meget brede begreber som "motor" eller "personskade". The Association of British Insurers (ABI) har identificeret et sæt aftalte svindeltyper, som bør føre til større standardisering af, hvordan forskellige former for svindel klassificeres. Nogle forsikringsselskaber har også delt modstanderbaserede strategier, i hvert fald inden for erhvervsejendomme, hvilket er et andet positivt tegn. Det er denne form for samarbejde i hele branchen - en "traktat mellem svindelteamene" - der vil give udbytte i de kommende år.
Brugen af innovative teknologier vil helt sikkert vokse. I dag handler alt om hastighed og ydeevne. Ærlige kunder forventer, at deres krav bliver afgjort hurtigt og med et minimum af forstyrrelser. Men afsløring af svindel behøver ikke at være i konflikt med en positiv kunderejse, og hurtig identifikation af tvivlsomme sager er afgørende for at udrydde nye tendenser til svindel.
Denne blog indeholder uddrag fra et nyligt Sedgwick-webinar med Ian Carman som vært, hvor et panel af brancheeksperter diskuterede kombinationen af kunstig og menneskelig intelligens i kampen mod svindel.
Mange tak til følgende paneldeltagere for deres deltagelse:
- Dan Edwards, leder af ansvarsskader, Enterprise Rent-A-Car
- Arnaud Grapinet, chefdataforsker, Shift Technology
- Kevin Kingdon, leder af svindel med erhvervsejendomme, Aviva
- Simon Roylance, forebyggelse af kriminalitet, LV
- Stephen Dalton, chef for efterretning og undersøgelser, IFB
