Detección de fraudes: ¿máquinas o personas?

Por Ian Carman, director de los servicios de investigación del Reino Unido

Las tecnologías de inteligencia artificial (IA) y aprendizaje automático resultan de gran ayuda para detectar comportamientos y actividades sospechosas.

Sin embargo, la detección del fraude en los seguros y la verificación de las reclamaciones siguen siendo un ámbito en el que la tecnología requiere la intervención humana.

No se trata necesariamentede una oposición entrela máquinayel ser humano; de hecho, ambas cosas van de la mano. Al examinar innumerables reclamaciones, análisis forenses de imágenes y análisis predictivos, se comprueba que se trata de tareas que los gestores de reclamaciones o los investigadores de fraudes no podrían realizar con la misma rapidez y precisión. La tecnología logra reducir los falsos positivos y ofrece resultados fiables, al tiempo que agiliza el proceso de detección de fraudes.

Enfoque mixto

No existe una solución única para identificar las reclamaciones sospechosas, por lo que se requiere un enfoque combinado: el uso de la tecnología para procesar grandes volúmenes con rapidez, la inteligencia artificial para detectar patrones sospechosos y la ciencia del comportamiento para ayudar a gestionar las conversaciones con el cliente. Aunque la inteligencia artificial no toma decisiones, sí orienta a los gestores de reclamaciones y a los investigadores en la dirección correcta. Al detectar rápidamente los aspectos preocupantes, la inteligencia artificial puede ayudar a identificar cuestiones específicas que indican que merece la pena investigar la reclamación. Siempre será necesario que un investigador de fraudes procese los resultados. Por no mencionar que los datos se duplican tras una visita virtual o física, lo que subraya la importancia de las investigaciones individuales.

La detección del engaño por parte de los asegurados es un tema delicado y requiere una gran capacidad para gestionar las conversaciones, con el apoyo del análisis digital de riesgos de voz. Debe tratarse de un proceso cuidadosamente gestionado, estructurado de tal manera que el defraudador sepa cuándo ha sido descubierto. En la mayoría de los casos, optará por desistir de la reclamación, una reacción que las aseguradoras podrán entonces evaluar caso por caso.

Un panorama más amplio

Además, surgen constantemente nuevas tendencias, ya que los estafadores encuentran continuamente formas alternativas de cometer fraude. Afortunadamente, la tecnología nos permite ahora detectar nuevos picos de actividad en una fase muy temprana. El aprendizaje automático puede incluso detectar el fraude oportunista, por ejemplo, al identificar los momentos en que los clientes empiezan a darse cuenta de los límites de las indemnizaciones y a aprovecharse de ellos. En el ámbito de la responsabilidad civil y las lesiones personales, además de los patrones clásicos de fraude, la tecnología también puede detectar a abogados y médicos con las mismas conexiones, consultar publicaciones en redes sociales y reunir toda la información para identificar comportamientos potencialmente fraudulentos.

La IA analiza el panorama general, adoptando una perspectiva basada en el big data sobre los comportamientos fraudulentos —desde la exageración de las reclamaciones hasta la actividad delictiva organizada más sofisticada— y comparándolos con lo que ocurre en el mercado. La aplicación de estas nuevas tecnologías aumenta la eficiencia de los equipos de lucha contra el fraude, garantizando que los esfuerzos de los investigadores y los gastos de la empresa se inviertan en los casos más sólidos.

Análisis de datos

Detectar el fraude es solo una parte del panorama. La tecnología también puede ofrecer información temprana sobre nuevas tendencias de fraude, proporcionando datos a nivel micro —códigos postales, tipos de siniestros y personas— que dotan a los investigadores de información precisa en el momento en que se producen. Esto puede ayudar a los suscriptores y a los equipos de ventas a reaccionar con rapidez y a excluir aquellas áreas o carteras de negocio que se estén volviendo sospechosas.

Compartir información

Más allá de la tecnología innovadora se encuentran los datos de calidad. Aunque existe una excelente colaboración e intercambio de datos a través de los sistemas relacionados con los seguros de automóviles, CUE y MIAFTR, el sector asegurador podría beneficiarse de una puesta en común más amplia de los conjuntos de datos. Clasificar el fraude de forma específica y uniforme, en lugar de utilizar términos muy generales, como «automóviles» o «lesiones personales», también supondría un paso adelante. La Asociación Británica de Aseguradoras (ABI) ha identificado un conjunto de tipos de fraude consensuados que deberían conducir a una mayor estandarización de la clasificación de los distintos fraudes. Algunas aseguradoras también han estado compartiendo estrategias basadas en la oposición, sin duda en el ámbito de Daños comerciales, lo que constituye otra señal positiva. Es este tipo de colaboración a nivel sectorial —un «pacto de los equipos antifraude»— lo que dará sus frutos en los próximos años.

El uso de tecnologías innovadoras está destinado a crecer. Hoy en día, todo gira en torno a la rapidez y el rendimiento. Los clientes honestos esperan que sus reclamaciones se resuelvan rápidamente y con las mínimas molestias. Sin embargo, la detección del fraude no tiene por qué entrar en conflicto con una experiencia positiva para el cliente, y la identificación rápida de los casos dudosos es fundamental para acabar con las nuevas tendencias de fraude.

Este blog incluye extractos de unseminario webreciente de Sedgwick presentado por Ian Carman, en el que un grupo de expertos del sector debatió sobre la combinación de la inteligencia artificial y la inteligencia humana en la lucha contra el fraude.

Muchas gracias a los siguientes ponentes por su participación:

• Dan Edwards, responsable de reclamaciones por responsabilidad civil, Enterprise Rent-A-Car
• Arnaud Grapinet, científico jefe de datos de Shift Technology
• Kevin Kingdon, responsable Daños en el área de Daños a empresas, Aviva
• Simon Roylance, responsable de prevención de delitos, LV
• Stephen Dalton, jefe de inteligencia e investigaciones de la IFB