Por Ian Carman, director de los servicios de investigación del Reino Unido
La inteligencia artificial (IA) y las tecnologías de aprendizaje automático son de gran ayuda para detectar comportamientos y actividades sospechosos.
Sin embargo, la identificación del fraude en los seguros y la validación de las reclamaciones siguen siendo ámbitos en los que la tecnología requiere la intervención humana.
No se trata necesariamente de máquinas contra humanos; de hecho, van de la mano. Al examinar innumerables reclamaciones, realizar análisis de imágenes forenses y análisis predictivos, se dará cuenta de que son cosas que los gestores de reclamaciones o los investigadores de fraudes no podrían hacer con la misma rapidez y nivel de precisión. La tecnología reduce con éxito los falsos positivos y produce resultados fiables al tiempo que acelera el proceso de detección de fraudes.
Enfoque mixto
No existe una única solución para identificar los siniestros sospechosos, por lo que es necesario un enfoque mixto: utilizar la tecnología para procesar grandes volúmenes rápidamente, la IA para identificar patrones sospechosos y la ciencia del comportamiento para ayudar a gestionar las conversaciones con el cliente. Aunque la IA no toma decisiones, sí orienta a los gestores e investigadores de siniestros en la dirección correcta. Al reconocer rápidamente las preocupaciones, la IA puede ayudar a identificar problemas específicos que ponen de relieve que merece la pena investigar el siniestro. Siempre será necesario un investigador de fraudes para procesar los resultados. Por no mencionar que los datos se multiplican por dos tras una visita virtual o física, lo que subraya la importancia de las investigaciones individuales.
La detección del engaño a los tomadores de seguros es un asunto delicado y requiere una gran capacidad de gestión de la conversación, con el apoyo de un análisis de riesgos de voz digital. Debe ser un proceso cuidadosamente gestionado, estructurado de modo que el defraudador sepa cuándo ha sido descubierto. En la mayoría de los casos, optará por abandonar la reclamación, una reacción que las aseguradoras pueden considerar caso por caso.
Un paisaje más amplio
También surgen constantemente nuevas tendencias, y los defraudadores encuentran continuamente formas alternativas de cometer fraudes. Por suerte, la tecnología nos permite detectar los nuevos picos de actividad en su fase más temprana. El aprendizaje automático puede incluso detectar fraudes oportunistas, por ejemplo, cuando los clientes empiezan a darse cuenta de los umbrales de siniestralidad y a aprovecharse de ellos. En el ámbito de la responsabilidad civil y los daños personales, además de los patrones clásicos de fraude, la tecnología también puede detectar abogados y médicos con las mismas conexiones, hacer referencia a publicaciones en redes sociales y reunir todo para identificar comportamientos potencialmente fraudulentos.
La IA examina el panorama más amplio, adoptando una visión de big data sobre los comportamientos fraudulentos -desde la exageración de las reclamaciones hasta la sofisticada actividad de la delincuencia organizada- en comparación con lo que ocurre en el mercado. La aplicación de estas nuevas tecnologías hace que los equipos de lucha contra el fraude sean más eficientes, garantizando que los esfuerzos de los investigadores y el gasto empresarial se inviertan en los casos más sólidos.
Conocimiento de los datos
Identificar el fraude es sólo una parte del problema. La tecnología también puede ofrecer una visión temprana de las nuevas tendencias de fraude, proporcionando un nivel micro de detalle -códigos postales, tipos de siniestros y personas- que permite a los investigadores disponer de información precisa en el momento en que se produce. Esto puede ayudar a los suscriptores y a los equipos de ventas a reaccionar con rapidez y desactivar áreas o libros de negocio que resulten sospechosos.
Compartir información
Más allá de la tecnología innovadora está la calidad de los datos. Aunque existe una excelente colaboración e intercambio de datos a través de los sistemas basados en el sector del automóvil, CUE y MIAFTR, el sector de los seguros podría beneficiarse de una puesta en común más amplia de los conjuntos de datos. Categorizar el fraude de forma específica y uniforme, en lugar de utilizar términos muy amplios, como "motor" o "daños personales", también sería un paso adelante. La Asociación de Aseguradoras Británicas (ABI) ha identificado una serie de tipos de fraude acordados que deberían conducir a una mayor normalización de la forma en que se clasifican los distintos fraudes. Algunas aseguradoras también han puesto en común estrategias basadas en la oposición, sobre todo en el sector inmobiliario comercial, lo que constituye otra señal positiva. Es este tipo de colaboración en todo el sector -un "tratado de los equipos de fraude"- el que dará sus frutos en los años venideros.
El uso de tecnologías innovadoras está destinado a crecer. Hoy en día, todo gira en torno a la velocidad y el rendimiento. Los clientes honrados esperan que sus reclamaciones se resuelvan rápidamente y con el mínimo trastorno. Pero la detección del fraude no tiene por qué estar reñida con una experiencia positiva para el cliente, y la rápida identificación de los casos dudosos es crucial para acabar con las nuevas tendencias de fraude.
Este blog incluye extractos de un reciente seminario web de Sedgwick organizado por Ian Carman, en el que un grupo de expertos del sector debatió sobre el binomio inteligencia artificial e inteligencia humana en la lucha contra el fraude.
Muchas gracias a los siguientes ponentes por su participación:
- Dan Edwards, responsable de siniestros de responsabilidad civil, Enterprise Rent-A-Car
- Arnaud Grapinet, científico jefe de datos, Shift Technology
- Kevin Kingdon, responsable de fraudes en inmuebles comerciales, Aviva
- Simon Roylance, prevención de delitos, LV
- Stephen Dalton, jefe de inteligencia e investigaciones, IFB