El procesamiento del lenguaje natural y la transformación digital de la gestión de siniestros

Por Adam Fisher, director de datos

No es precisamente un secreto a voces; cualquiera que haya presentado alguna vez una reclamación al seguro o para recibir prestaciones sabe que implica un montón de formularios y papeleo.

El contenido de esos documentos, junto con las notas del perito o del gestor asignado, constituye la base de un expediente de siniestro. Paralos científicos de datoscomo yo, esa información se traduce en la posibilidad de obtener miles de puntos de datos que pueden analizarse y utilizarse para identificar tendencias y generar informes.

En los últimos años, los proveedores de sistemas de información para la gestión de riesgos (RMIS) y otras entidades del sector de los seguros han utilizado datos estructurados —que están claramente definidos, suelen ser cuantitativos y pueden manipularse con facilidad— para alimentar paneles de control automatizados y medir resultados. Sin embargo, los datos no estructurados —como documentos escaneados, mensajes de correo electrónico y notas de formato libre— son en su mayoría cualitativos y han seguido siendo un recurso en gran medida sin explotar desde la perspectiva de los sistemas de siniestros, debido al tiempo y el esfuerzo que requiere extraer información de ellos. Al menos, hasta ahora.

PNL: la nueva frontera

El procesamiento del lenguaje natural (PLN) es una aplicación de la inteligencia artificial en la que los ordenadores «leen» e interpretan la información digital, de forma muy similar a como lo haría una persona. El uso del PLN puede abarcar desde el procesamiento básico de textos hastael aprendizaje automático, que permite a los ordenadores deducir el significado del lenguaje humano.

La tecnología del procesamiento del lenguaje natural (NLP) tiene un enorme potencial para aportar una mayor eficiencia y un conocimiento más profundo a diversos aspectos de la gestión de siniestros. Me gustaría destacar un par de aplicaciones del NLP como ejemplos de cómo esta tecnología puede mejorar nuestra eficacia operativa y la atención que prestamos a los clientes, así como a sus empleados y consumidores.

Automatización de la recepción de reclamaciones

Sedgwick cuenta con algunos clientes estadounidenses que notifican nuevas reclamacionesde indemnización por accidente laborala través de una dirección de correo electrónico específica. Contamos con un equipo de compañeros que supervisa ese buzón e introduce manualmente todos los datos de las reclamaciones en nuestro sistema de registro. Dependiendo del número de solicitudes que lleguen al buzón en un día determinado, las reclamaciones pueden permanecer en la cola durante varias horas.

Hemos comenzado a implementar un programa que utiliza el procesamiento del lenguaje natural (NLP) para transformar por completo este proceso. Para nuestro cliente piloto, hemos aplicadola automatización robótica de procesos (RPA)para supervisar el buzón de correo en busca de mensajes entrantes. Cuando llega un nuevo mensaje, un «bot» guarda los archivos adjuntos y los sube a nuestraplataforma smart.ly. El bot utiliza el PLN para leer los documentos y extrae automáticamente 93 datos necesarios para iniciar el proceso de reclamación. Esto es mucho más sofisticado que la simple digitalización y el reconocimiento óptico de caracteres (OCR); hemos entrenado nuestro sistema para que acepte una amplia gama de formatos de documentos y para que asocie la información incrustada a los campos correspondientes en pares de etiqueta/valor con un nivel de precisión extraordinario.

Una vez que el sistema valida los datos extraídos, se crea una nueva reclamación —¡todo ello en menos de un minuto y sin intervención humana!—. El uso del procesamiento del lenguaje natural (NLP) en esta prueba piloto ha reducido drásticamente los plazos de tramitación de las solicitudes, lo que significa que podemos asignar con mayor rapidez a los peritos para que atiendan a los trabajadores lesionados o enfermos tras sufrir un accidente laboral. Nuestro objetivo es implantar esta solución en más clientes en los próximos meses.

Oportunidades de subrogación

En Sedgwick, parte de nuestra labor consiste en investigar las circunstancias que rodean una reclamación e identificar quién es el responsable de cubrir el siniestro. A menudo, ese responsable es nuestro cliente; otras veces, es un tercero. En los casos en los que nuestro cliente ha abonado una indemnización y determinamos que la parte responsable es otra persona, procedemos a recuperar el dinero mediantela subrogación.

Por supuesto, los clientes siempre se alegran cuando se pueden recuperar legítimamente estos gastos; sin embargo, identificar los siniestros en los que procede la subrogación puede resultar complicado. Contamos con un equipo excelente y experimentado de especialistas que revisan minuciosamente los siniestros para detectar posibles oportunidades de recuperación, pero la responsabilidad de terceros no suele indicarse de forma explícita.

Para ayudar a nuestros clientes a identificar mejor las reclamaciones susceptibles de subrogación, estamos desarrollando un modelo informático que, mediante el procesamiento del lenguaje natural (NLP) y el aprendizaje automático, puede analizar las notas y los documentos de las reclamaciones en busca de indicios lingüísticos que apunten a la responsabilidad de terceros. Hemos creado el modelo para buscar referencias que puedan sugerir la existencia de otra parte responsable, como fallos en productos, mordeduras de perro y colisiones por alcance. Son las mismas pistas que buscan nuestros especialistas profesionales, solo que un ordenador puede leer mucho más texto en mucho menos tiempo. Las pruebas preliminares muestran que el modelo tiene una eficacia superior al 70 % respecto a la de un humano a la hora de identificar reclamaciones que merecen una investigación más profunda para la subrogación.

Lo que nos depara el futuro

Estas son solo dos de las muchas formas en que la tecnología de PLN puede aportar valor y mejorar la gestión de siniestros. Exploramos continuamente nuevas posibilidades para aprovechar nuestros datos no estructurados (¡que incluyen más de 4000 millones de notas en nuestro sistema principal de siniestros de accidentes y bajas laborales en EE. UU.!) con el fin de fomentar la coherencia y la eficiencia.

Como ponen de manifiesto estos ejemplos, el objetivo de esta tecnología no es eliminar la intervención humana, sino automatizar los aspectos rutinarios del proceso para que los profesionales, con su talento y su dedicación, puedan centrarse mejor en lo que mejor saben hacer. El uso del PLN en la gestión de los casos permitirá a nuestros compañeros centrar sus esfuerzos en los aspectos estratégicos y empáticos del servicio al cliente. Del mismo modo, nuestro modelo de subrogación basado en el PLN nunca sustituirá a nuestros expertos en recuperación de créditos. Está diseñado como una herramienta más que ayuda a los clientes a maximizar las oportunidades de subrogación y a asignar de forma justa la responsabilidad por las pérdidas. Aprovechar el PLN para escanear rápidamente miles de documentos y notas nos permitirá hacer un mejor uso de las habilidades de investigación de nuestros especialistas en recuperación y perseguir oportunidades más valiosas.

La tecnología sigue evolucionando y los científicos de datos hablan cada vez más dela comprensióndel lenguaje natural que del procesamiento; sin embargo, el factor humano en la gestión de siniestros ha llegado para quedarse. En Sedgwick, creemos que «caring counts» implica que siempre contaremos con compañeros cualificados y compasivos, dispuestos a ayudar cuando surja lo inesperado.

> Más información — Descubrala experiencia digital de Sedgwick, centrada en las personas, con tecnología de vanguardia y basada en datos.