Hacer predicciones en medio de la incertidumbre

Escrito por Leah Cooper, directora general de Tecnología de Consumo Global; Steve Elliott, vicepresidente sénior de Aplicaciones de TI; y Kathy Tazic, directora general de Servicios al Cliente

Se puede decir sin temor a equivocarse que ha sido un año repleto de sorpresas: acontecimientos inesperados, circunstancias imprevistas y algunos resultados inimaginables. A medida que nos acercamos a 2021 (y, con suerte, empezamos a dejar atrás los retos de 2020), está claro que tendremos que aprovechar al máximo las capacidades predictivas y la innovación de las que disponemos, aplicando los conocimientos y enfoques únicos en materia de elaboración de informes y modelización que hemos adaptado en un año sin precedentes.

Herramientas como la inteligencia artificial, el aprendizaje automático, la digitalización de datos y la automatización robótica de procesos están transformando el proceso de gestión de siniestros. Y en lo que respecta a los cambios que hemos observado en los mecanismos de generación de informes y en la modelización, el análisis avanzado está tomando las riendas. Estamos integrando nuevos modelos relacionados con la COVID-19, adaptando nuestras herramientas de optimización de decisiones y adoptando un enfoque cada vez más orientado a las soluciones en la generación de informes analíticos.

Modelización de la COVID-19
Todos nos estamos adaptando a la tecnología en tiempos de la COVID-19. ¿Cómo podemos aprovechar al máximo la tecnología de la que disponemos para adaptar nuestra respuesta?

Además de los avances que nos ha aportado la minería de textos, estamos utilizando nuestra capacidad para identificar, responder y hacer un seguimiento de las preguntas a través de chatbots de inteligencia artificial con procesamiento del lenguaje natural para contribuir a la elaboración de modelos específicos sobre la COVID-19. Nuestros informes mensuales incluyen el número de personas que acuden a Carey, el chatbot de Sedgwick, para formular preguntas relacionadas con la COVID-19.

Además, a partir de los datos de que disponemos, hemos creado un modelo para que nuestros clientes puedan predecir el coste de la COVID-19 en las reclamaciones nuevas y las ya existentes. Dado el impacto a largo plazo que se prevé de la COVID-19, esto nos permitirá ayudar a nuestros clientes a planificar tanto el presente como el futuro. Nuestro modelo también evalúa el impacto de la COVID-19 en las reclamaciones no relacionadas con la COVID-19. Los datos de este modelo están disponibles en un panel de control que muestra el impacto en toda nuestra organización, ilustrando totales y tendencias en múltiples categorías:

• Gravedad, duración y repercusiones económicas, desde los casos en cuarentena hasta los casos confirmados positivos y más allá
• Desglose por estado frente a datos a nivel nacional
• Tendencias en materia de permisos frente a tendencias en materia de indemnizaciones por accidentes laborales
• Repercusiones de la falta de acceso a la asistencia sanitaria
• Retrasos en las intervenciones quirúrgicas
• El cierre o los retrasos en los tribunales que afectan a la resolución de reclamaciones y a los acuerdos

Minería de textos
Tras un año en el que las expectativas se han esfumado, el sector recurre a los datos más que nunca —y eso es mucho decir—. Cuando el terreno se tambalea, nos afianzamos buscando mayor profundidad, mayor exactitud y mayor precisión. Unos buenos datos ayudan a las organizaciones a anticiparse, prever y prepararse para cambios de rumbo. La pregunta clave, entonces, es: ¿cómo podemos «parametrizar» esos datos para que sean más fáciles de consultar y utilizar?

Las tendencias en materia de «dataficación» lo demuestran: cada vez somos más capaces de traducir comportamientos en datos útiles que nos ayudan a comprender y orientar los procesos. Las sofisticadas herramientas de aprendizaje automático, como los chatbots, el reconocimiento de imágenes y la minería de datos automatizada, se utilizan cada vez más para respaldar y mejorar la comunicación digital entre las partes implicadas en la gestión de reclamaciones. La minería de textos es una de esas capacidades que, previsiblemente, tendrá una influencia creciente en los modelos analíticos predictivos y servirá para hacer que nuestros sistemas sean más robustos. Las empresas están estudiando la mejor manera de implementarla de forma escalable, al tiempo que identifican y sopesan sus posibles usos y beneficios. Al añadir esto a nuestros modelos analíticos —como una mejora, no como un sustituto— podemos señalar e identificar más fácilmente aquellas reclamaciones que contienen notas y texto sobre un tema concreto. A su vez, obtenemos una comprensión más profunda de las necesidades de los usuarios y aprendemos más patrones de datos que ayudan a desarrollar árboles de decisión.

Para Sedgwick, la minería de texto llega más lejos que nunca y convierte la extracción de datos en un proceso mucho más eficiente y rápido, lo que resulta más viable para gestionar un gran volumen de siniestros. Contamos con miles de campos de datos en nuestros sistemas, además de un historial de siniestros más amplio que el de cualquier otro administrador externo de siniestros (TPA) del mercado. La capacidad de realizar análisis sobre millones de registros de notas de formato libre ha dado excelentes resultados. Gracias a las actualizaciones continuas, estamos aumentando nuestra capacidad para realizar minería de texto en las grandes cantidades de datos no estructurados que generan nuestros peritos. La capacidad de extraer y analizar los detalles importantes de las notas de los peritos mejora significativamente nuestra capacidad para identificar y priorizar las acciones relacionadas con las reclamaciones, así como para crear y comparar modelos óptimos para futuras situaciones.

No hay límite en cuanto al número de factores desencadenantes por los que los clientes puedan desear recibir notificaciones o que puedan influir en la evolución de una reclamación; los datos sobre la COVID-19 son solo un ejemplo. Sin duda, cuanto más sólida sea la información contenida en las notas, más informativos podrán ser los modelos predictivos. Las iniciativas actuales en minería de textos nos proporcionarán la capacidad de realizar análisis más profundos mediante la clasificación de los datos por sentimiento y tema. Por ejemplo, el análisis de sentimientos y el procesamiento del lenguaje natural permiten a Sedgwick abordar la intención de los datos de nuevas formas que podrían predecir posibles litigios o afectar a las reservas.

>Más información: echa un vistazo a este artículo ampliado, que incluye contenido adicional «Tech track: ¿Qué más les depara el futuro a los clientes de Sedgwick?» en la revista digital de Sedgwick, edge, número 15