Naturlig sprogbehandling og den digitale transformation af krav

Af Adam Fisher, chief data officer

Det er ikke ligefrem en forretningshemmelighed; alle, der nogensinde har ansøgt om forsikring eller understøttelse, ved, at det indebærer en masse formularer og papirarbejde.

Det, der står i de dokumenter, udgør sammen med den tildelte sagsbehandlers eller taksators noter byggestenene i en skadesag. For dataforskere som mig betyder disse oplysninger, at der er potentiale for tusindvis af datapunkter, som kan analyseres og bruges til at identificere tendenser og generere rapporter.

I de senere år har udbydere af risikostyringsinformationssystemer (RMIS) og andre i forsikringsbranchen brugt strukturerede data - som er klart definerede, normalt kvantitative og kan manipuleres pænt - til at udfylde automatiserede dashboards og måle resultater. Men ustrukturerede data - som f.eks. scannede dokumenter, e-mails og fritekstnoter - er for det meste kvalitative og har været en stort set uudnyttet ressource fra et skadesystem-perspektiv på grund af den tid og indsats, der kræves for at udtrække information fra dem. Det vil sige, indtil nu.

NLP: den nye grænse

Naturlig sprogbehandling (NLP) er en anvendelse af kunstig intelligens, hvor computere "læser" og fortolker digital information på samme måde, som en person ville gøre. Brugen af NLP kan variere fra grundlæggende tekstbehandling til maskinlæring, der gør det muligt for computere at udlede mening fra menneskesprog.

NLP-teknologien har et enormt potentiale til at skabe større effektivitet og dybere indsigt i forskellige aspekter af skadebehandlingen. Jeg vil gerne fremhæve et par NLP-applikationer som eksempler på, hvordan denne teknologi kan forbedre vores driftseffektivitet og den pleje, vi giver vores kunder og deres medarbejdere og kunder.

Automatisering af modtagelse af krav

Sedgwick har nogle amerikanske kunder, som anmelder nye arbejdsskadeerstatningskrav via en dedikeret e-mailadresse. Vi har et team af kolleger, som overvåger den mailboks og manuelt indtaster alle skadesoplysningerne i vores system. Afhængigt af hvor mange anmodninger, der kommer ind i postkassen på en given dag, kan kravene ligge i kø i flere timer.

Vi er begyndt at implementere et program, der bruger NLP til at ændre denne proces fuldstændigt. For vores pilotklient har vi anvendt robotic process automation (RPA) til at overvåge postkassen for indgående trafik. Når der kommer en ny besked, gemmer en "bot" de vedhæftede filer og uploader dem til vores smart.ly-platform. Botten bruger NLP til at læse dokumenterne og udtrækker automatisk de 93 oplysninger, der er nødvendige for at starte erstatningsprocessen. Dette er langt mere sofistikeret end simpel digitalisering og optisk tegngenkendelse (OCR); vi har trænet vores system til at acceptere en lang række dokumentformater og til at matche indlejrede oplysninger til de relevante felter i label/værdi-par med en ekstraordinær grad af nøjagtighed.

Når systemet har valideret de udtrukne data, oprettes et nyt krav - alt sammen på mindre end et minut og uden menneskelig indgriben! Brugen af NLP i dette pilotprojekt har reduceret ekspeditionstiden for sagsbehandlingen dramatisk, hvilket betyder, at vi hurtigere kan sende sagsbehandlere ud for at hjælpe tilskadekomne og syge arbejdstagere efter arbejdsulykker. Vi satser på at udrulle denne løsning til flere kunder i de kommende måneder.

Muligheder for subrogation

Hos Sedgwick er det en del af vores rolle at undersøge omstændighederne omkring et krav og identificere, hvem der er ansvarlig for at dække tabet. Ofte er det vores klient, andre gange er det en anden tredjepart. I de tilfælde, hvor vores klient har udbetalt et erstatningskrav, og vi finder ud af, at en anden er den ansvarlige part, arbejder vi på at få pengene tilbage gennem subrogation.

Kunderne er selvfølgelig altid glade, når disse omkostninger med rette kan inddrives, men det kan være en udfordring at identificere krav, hvor subrogation er berettiget. Vi har et fremragende og erfarent team af specialister, som omhyggeligt gennemgår krav for at identificere mulige inddrivelsesmuligheder, men tredjepartsansvar er ofte ikke udtrykkeligt angivet.

For bedre at kunne hjælpe vores kunder med at identificere krav, der kan overdrages, er vi ved at udvikle en computerbaseret model, der ved hjælp af NLP og maskinlæring kan gennemgå skadesanmeldelser og dokumenter for sproglige tegn på tredjepartsansvar. Vi har bygget modellen til at lede efter referencer, der kan tyde på en anden ansvarlig part, f.eks. produktfejl, hundebid og påkørsler bagfra. Det er de samme spor, som vores professionelle specialister leder efter - blot kan en computer læse meget mere tekst på meget kortere tid. Foreløbige tests viser, at modellen er mere end 70 % så effektiv som et menneske til at identificere krav, der bør undersøges nærmere med henblik på subrogation.

Hvad fremtiden bringer

Dette er blot to af de mange måder, hvorpå NLP-teknologi kan tilføre værdi til og forbedre skadebehandlingen. Vi udforsker hele tiden nye muligheder for at udnytte vores ustrukturerede data (herunder mere end 4 milliarder noter i vores primære system til skade- og fraværsskader i USA!) til at fremme ensartethed og effektivitet.

Som disse eksempler viser, er hensigten med teknologien ikke at eliminere menneskelig involvering; det er snarere at automatisere dagligdags aspekter af processen, så talentfulde og omsorgsfulde fagfolk bedre kan gøre det, de er bedst til. Ved at bruge NLP til modtagelse kan vores kolleger fokusere deres energi på strategiske og empatidrevne aspekter af kundeservice. På samme måde vil vores NLP-subrogationsmodel aldrig erstatte vores inddrivelseseksperter. Den er designet som endnu et værktøj, der hjælper kunderne med at maksimere mulighederne for subrogation og retfærdigt tildele ansvaret for tab. Ved at udnytte NLP til hurtigt at scanne tusindvis af dokumenter og noter kan vi gøre bedre brug af vores inddrivelsesspecialisters efterforskningsevner og forfølge flere værdifulde muligheder.

Teknologien fortsætter med at udvikle sig, og dataforskere taler efterhånden mere om naturlig sprogforståelse end om behandling, men det menneskelige element i skader er kommet for at blive. Hos Sedgwick betyder vores tro på, at "omsorg tæller", at vi altid vil have dygtige, medfølende kolleger klar til at hjælpe, når det uventede sker.

> Få mere at vide - Læs om Sedgwicks people first, tech forward og datadrevne digitale oplevelse.