Von Ian Carman, Direktor, Ermittlungsdienste im Vereinigten Königreich
Künstliche Intelligenz (KI) und maschinelle Lerntechnologien sind bei der Erkennung verdächtiger Verhaltensweisen und Aktivitäten äußerst hilfreich.
Die Erkennung von Versicherungsbetrug und die Validierung von Versicherungsansprüchen sind jedoch nach wie vor ein Bereich, in dem die Technologie menschliches Eingreifen erfordert.
Es geht nicht unbedingt um den Gegensatz zwischen Maschine und Mensch; vielmehr gehen beide Hand in Hand. Bei der Durchsicht unzähliger Anträge, der forensischen Bildanalyse und der prädiktiven Analyse werden Sie feststellen, dass dies alles Dinge sind, die Sachbearbeiter oder Betrugsermittler nicht mit der gleichen Geschwindigkeit und Genauigkeit erledigen könnten. Die Technologie reduziert erfolgreich falsch-positive Ergebnisse und liefert verlässliche Resultate, während sie den Prozess der Betrugsprüfung beschleunigt.
Gemischter Ansatz
Es gibt keine Patentlösung für die Identifizierung verdächtiger Schadensfälle. Deshalb ist ein gemischter Ansatz erforderlich, bei dem Technologie zur schnellen Bearbeitung großer Mengen, KI zur Erkennung verdächtiger Muster und Verhaltenswissenschaft zur Steuerung von Gesprächen mit dem Kunden eingesetzt werden. KI trifft zwar keine Entscheidungen, aber sie weist den Sachbearbeitern und Ermittlern die richtige Richtung. Durch die schnelle Erkennung von Bedenken kann KI dabei helfen, spezifische Probleme zu identifizieren, die den Anspruch als untersuchungswürdig erscheinen lassen. Ein Betrugsermittler wird immer erforderlich sein, um die Ergebnisse zu verarbeiten. Ganz zu schweigen davon, dass die Datenmenge nach einem virtuellen oder physischen Besuch um das Doppelte ansteigt, was die Bedeutung einer persönlichen Untersuchung unterstreicht.
Die Aufdeckung von Täuschungen von Versicherungsnehmern ist heikel und erfordert starke Fähigkeiten in der Gesprächsführung - unterstützt durch digitale Sprachanalysen. Es muss ein sorgfältig gesteuerter Prozess sein, der so strukturiert ist, dass der Betrüger weiß, wann er enttarnt wurde. In den meisten Fällen werden sie sich dazu entschließen, von der Forderung Abstand zu nehmen - eine Reaktion, die die Versicherer dann von Fall zu Fall in Betracht ziehen können.
Breitere Landschaft
Außerdem entstehen ständig neue Trends, und die Betrüger finden immer wieder neue Wege, Betrug zu begehen. Glücklicherweise ermöglicht uns die Technologie heute, neue Aktivitätsspitzen im frühesten Stadium aufzudecken. Das maschinelle Lernen kann sogar opportunistischen Betrug aufdecken - zum Beispiel, wenn Kunden beginnen, Schadensschwellen zu erkennen und auszunutzen. Bei Haftpflicht- und Personenschäden kann die Technologie zusätzlich zu den klassischen Betrugsmustern auch Anwälte und Ärzte mit denselben Verbindungen erkennen, auf Beiträge in sozialen Medien verweisen und alles zusammenfügen, um potenziell betrügerisches Verhalten zu erkennen.
Die künstliche Intelligenz betrachtet die gesamte Landschaft, indem sie betrügerische Verhaltensweisen - von übertriebenen Forderungen bis hin zu ausgeklügelten organisierten kriminellen Aktivitäten - mit dem Marktgeschehen vergleicht. Die Anwendung dieser neuen Technologien macht die Betrugsbekämpfung effizienter und stellt sicher, dass die Bemühungen der Ermittler und die Geschäftsausgaben in die solidesten Fälle investiert werden.
Einblick in die Daten
Die Erkennung von Betrug ist nur ein Teil des Bildes. Die Technologie kann auch einen frühen Einblick in neue Betrugstendenzen geben, indem sie Details auf Mikroebene liefert - Postleitzahlen, Arten von Ansprüchen und Personen -, die die Ermittler mit genauen Informationen versorgen, sobald diese auftreten. Dies kann Underwritern und Vertriebsteams dabei helfen, schnell zu reagieren und verdächtig gewordene Bereiche oder Geschäftsbücher abzuschalten.
Austausch von Informationen
Hinter der innovativen Technologie steht die Qualität der Daten. Zwar gibt es eine hervorragende Zusammenarbeit und einen Datenaustausch über die Kfz-basierten Systeme CUE und MIAFTR, doch könnte die Versicherungsbranche von einer umfassenderen Zusammenführung von Datensätzen profitieren. Eine spezifische und einheitliche Kategorisierung von Betrug anstelle der Verwendung sehr allgemeiner Begriffe wie "Kraftfahrzeug" oder "Personenschaden" wäre ebenfalls ein Fortschritt. Die Association of British Insurers (ABI) hat eine Reihe vereinbarter Betrugsarten festgelegt, die zu einer stärkeren Standardisierung bei der Klassifizierung verschiedener Betrugsfälle führen sollten. Einige Versicherer haben auch gegnerische Strategien ausgetauscht, vor allem im Bereich der gewerblichen Immobilien, was ein weiteres positives Zeichen ist. Diese Art der branchenweiten Zusammenarbeit - ein "Vertrag der Betrugsbekämpfungsteams" - wird sich in den kommenden Jahren auszahlen.
Der Einsatz innovativer Technologien wird zwangsläufig zunehmen. Heute dreht sich alles um Geschwindigkeit und Leistung. Ehrliche Kunden erwarten, dass ihre Forderungen schnell und mit minimalen Unterbrechungen abgewickelt werden. Die Aufdeckung von Betrug muss jedoch nicht im Widerspruch zu einem positiven Kundenerlebnis stehen, und die schnelle Identifizierung fragwürdiger Fälle ist entscheidend, um aufkommenden Betrugstrends Einhalt zu gebieten.
Dieser Blog enthält Auszüge aus einem kürzlich von Ian Carman veranstalteten Webinar von Sedgwick, bei dem eine Gruppe von Branchenexperten über die Verbindung von künstlicher und menschlicher Intelligenz bei der Betrugsbekämpfung diskutierte.
Vielen Dank an die folgenden Diskussionsteilnehmer für ihre Teilnahme:
- Dan Edwards, Manager für Haftpflichtschäden, Enterprise Rent-A-Car
- Arnaud Grapinet, leitender Datenwissenschaftler, Shift Technology
- Kevin Kingdon, Betrugsmanager für Gewerbeimmobilien, Aviva
- Simon Roylance, Prävention von Straftaten, LV
- Stephen Dalton, Leiter der Abteilung Intelligence und Ermittlungen, IFB