Nuevas tecnologías en la gestión de reclamaciones y la productividad: automatización e inteligencia artificial

Por Stephen Elliott, MBA, JD, CISSP, CSM, vicepresidente sénior de innovación tecnológica y optimización de la toma de decisiones

En el mercado actual, son innumerables los proveedores y las tecnologías que afirman utilizar la inteligencia artificial (IA) o automatizar los procesos manuales de tramitación de reclamaciones.

Se podría decir que, desde la aparición del primer ordenador, esto es hacia lo que todo el mundo ha estado trabajando. La tecnología actual supone, en muchos sentidos, una maduración continua de este proceso, centrándose en aquellas fases del proceso de tramitación de reclamaciones que antes se consideraban demasiado complejas u opacas como para automatizarlas.

Durante los últimos 50 años, los profesionales del sector de siniestros han contado con las funcionalidades (y las limitaciones asociadas) de las aplicaciones desarrolladas con lenguajes de programación tradicionales. A estas alturas, todos conocemos a la perfección cómo trabajan los departamentos de tecnología tradicionales para recopilar requisitos, documentar y definir las «reglas» de las decisiones, y crear programas que coexisten con los peritos de siniestros para mejorar la tramitación de las reclamaciones. Ahora, con la introducción de la IA, hay varios componentes nuevos que influyen en lo que se puede programar:

Coincidencia de patrones

La inteligencia artificial amplía el abanico de actividades humanas que pueden automatizarse. Si bien los seres humanos siguen instrucciones y normas documentadas en la gestión de reclamaciones, también están capacitados para encontrar soluciones basadas en patrones con los que se han encontrado anteriormente. La IA introduce la comparación de patrones en los programas informáticos, lo que permite crear software que ya no requiere un desglose detallado detodaslas reglas de toma de decisiones por adelantado. En su lugar, la IA ofrece la capacidad de aprovechar los datos históricos para trazar y percibir esas reglas de manera abstracta. Si en el pasado los peritos con experiencia analizaban la reclamación X y decidían la acción Y, entonces los sistemas de IA pueden entrenarse para hacer lo mismo.

Al no verse limitada por los métodos que utilizan los seres humanos para tomar decisiones, la IA basada en el aprendizaje automático puede ser incluso mejor. De hecho, la IA es capaz de identificar patrones en los datos quedeberíantenerse en cuenta a la hora de tomar decisiones, incluso en los casos en que los evaluadores no hayan utilizado esos criterios o ni siquiera se hayan dado cuenta de que los estaban utilizando. Este avance permite crear motores de decisión inteligentes para automatizar de forma óptima aquellas tareas del proceso de tramitación de reclamaciones que antes se consideraban demasiado complicadas o que requerían una decisión subjetiva.

Sistemas de clasificación automática

Diseñados para analizar los datos iniciales de las reclamaciones, los sistemas de clasificación automática combinan esos datos con patrones históricos que, de otro modo, podrían pasar desapercibidos, con el fin de clasificar con precisión una reclamación en una «categoría» concreta para su tramitación. Las empresas pueden optar por muchas formas de lograrlo. Algunas pueden querer entrenar su IA para clasificar las reclamaciones en diferentes categorías de estimación de costes, lo que les permite distinguir los niveles de riesgo en función del coste. Otras pueden preferir una definición más abstracta de «complejidad» que pueda alinearse con los costes, pero que a veces simplemente ayude a identificar las reclamaciones que podrían requerir más tiempo, más contacto humano o un mayor nivel de supervisión por parte de personal experimentado.

Sistemas de adjudicación automática

Una vez finalizada la clasificación automática, entra en juego la resolución automática. Por lo general, si una reclamación se ha clasificado comosencillay susceptible de tramitarse sin intervención humana, los pasos restantes del proceso de reclamación pueden automatizarse. Mediante el uso de la IA combinada con métodos más tradicionales, la reclamación puede pasar de la fase de recepción a la de elegibilidad y, finalmente, al pago y al cierre. Estas reclamaciones tramitadas automáticamente no solo son más económicas de gestionar, sino que a menudo dan lugar a una mayor satisfacción del reclamante, ya que no se retrasan a la espera de la revisión por parte de los peritos, lo que permite cerrar el caso de forma rápida y sencilla.

Modelización predictiva

Aunque suele considerarse una tecnología independiente, el modelado predictivo suele constituir un componente clave de las soluciones de inteligencia artificial. Al combinar el aprendizaje automático con estadísticas complejas, utilizapatronesde datos históricos para predecir el futuro. A la hora de automatizar decisiones o pasos en el proceso de tramitación de reclamaciones, los modelos predictivos pueden utilizarse para seleccionar las acciones que ofrezcan los resultados óptimos en función del coste, la satisfacción del cliente o el riesgo.

Aunque estos modelos aprovechan la tecnología moderna, también pueden utilizarse para optimizar el nivel de intervención humana en los siniestros críticos. Se pueden formular recomendaciones prescriptivas específicas para incorporar personal con experiencia cuando los matices de un siniestro apunten a varios escenarios:

• Fraude
• Litigios
• Especialización

Cuando la probabilidad de fraude es elevada, la reclamación puede remitirse a los investigadores o a los peritos para que la analicen más a fondo y tomen las medidas oportunas. Los modelos de IA no solo son capaces de detectar el fraude en reclamaciones concretas, sino también de examinar la cartera de negocios en su conjunto y detectar patrones de fraude en casos individuales que, a simple vista, parecerían inofensivos.

Cuando existe un alto riesgo de litigio, se pueden adoptar medidas especiales en relación con la reclamación. Estas medidas pueden consistir, por ejemplo, en guardar y archivar las grabaciones de las cámaras de seguridad de los comercios, entrevistar a los testigos y a otras personas implicadas mientras sus recuerdos aún están frescos, o bien mejorar la atención y la comunicación con el reclamante para evitar su insatisfacción.

Cuando se considere que unos conocimientos especializados pueden resultar beneficiosos para la reclamación, ya sea en función de los «factores desencadenantes» actuales o de la previsión de factores desencadenantes futuros, la IA puede derivar la reclamación a distintos equipos. Estos equipos pueden estar formados por enfermeras encargadas de la gestión de casos, investigadores de subrogación o especialistas en reclamaciones complejas o singulares.

Minería de textos

El siguiente paso en el ámbito de la inteligencia artificial aplicada al aprendizaje automático reside en la minería de textos a partir de datos no estructurados. Aunque, en última instancia, ofrece resultados similares a los de los modelos predictivos tradicionales basados en datos estructurados, la minería de textos de documentos, notas, declaraciones de testigos y otros elementos de la reclamación proporciona al sistema una cantidad de información considerablemente mayor. No es razonable pretender que los sistemas de gestión de reclamaciones registren todas las comorbilidades o combinaciones peligrosas de medicamentos. Sin embargo, sí es posible que la inteligencia artificial aprenda a identificar los riesgos asociados a su mención en notas, documentos médicos o correspondencia.

Principales retos y riesgos

Aunque todo esto suena a utopía para la tecnología de gestión de siniestros, sigue planteando una serie de retos y riesgos. Muchos de los sucesos que queremos que la IA aprenda a reconocer se consideran poco frecuentes, lo que a menudo los hace difíciles de predecir, incluso con los mejores datos y el mejor software de modelización estadística. Apenas representan un porcentaje del volumen total de negocio. Esto no significa que sea imposible trabajar con ellos, pero conviene que los desarrolladores o compradores de software de automatización o predicción comprendan que estos modelos pueden seguir planteando retos en cuanto a la precisión. Hay que tener cuidado con los proveedores que afirman tener modelos con una precisión del 95 % en la predicción de sucesos poco frecuentes. Si esos sucesos se producen en el 3 % de las reclamaciones, entonces una precisión superior al 97 % es el mínimo que cualquier modelo básico debería ofrecer.

En última instancia, la eficacia de cualquier modelo de automatización o predicción basado en la inteligencia artificial dependerá tanto de la calidad de los datos como de la calidad de las medidas adoptadas por el equipo de gestión de reclamaciones, en caso de que se les recomienden o remitan medidas prescriptivas. Al igual que la mayoría de las tecnologías, suele funcionar mejor cuando no es ni totalmente manual ni totalmente automatizada, sino que se combinaen la proporción adecuadapara minimizar el riesgo y maximizar la satisfacción del cliente.