Detección del fraude: ¿máquina o humano?

Por Ian Carman, director de 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 sospechosas.

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

No se trata necesariamentede una rivalidad entremáquinasyhumanos; de hecho, ambos trabajan codo con codo. Al examinar innumerables reclamaciones, análisis forenses de imágenes y análisis predictivos, se observa 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 reduce con éxito los falsos positivos y produce resultados fiables, al tiempo que agiliza el proceso de detección de fraudes.

Enfoque mixto

No existe una solución única para identificar reclamaciones sospechosas, por lo que se necesita un enfoque combinado: 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 que orienta a los gestores de reclamaciones y a los investigadores en la dirección correcta. Al reconocer rápidamente los problemas, la IA puede ayudar a identificar cuestiones específicas que ponen de relieve que la reclamación merece ser investigada. Siempre se necesitará un investigador de fraudes para procesar los resultados. Por no hablar de 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 delicada y requiere sólidas habilidades de gestión de conversaciones, respaldadas por el análisis digital del riesgo de voz. Debe ser un proceso cuidadosamente gestionado, estructurado de manera que el defraudador sepa cuándo ha sido descubierto. En la mayoría de los casos, optarán por abandonar la reclamación, una reacción que las aseguradoras pueden considerar entonces caso por caso.

Paisaje más amplio

También 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, detectando cuándo los clientes empiezan a darse cuenta y a aprovechar los umbrales de las reclamaciones. En el ámbito de la responsabilidad civil y los daños personales, además de los patrones de fraude clásicos, la tecnología también puede detectar 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 reclamaciones hasta sofisticadas actividades delictivas organizadas— en comparación 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 empresariales se inviertan en los casos más sólidos.

Información sobre los datos

Identificar el fraude es solo una parte del panorama. La tecnología también puede proporcionar información temprana sobre las nuevas tendencias en materia de fraude, con detalles a nivel micro (códigos postales, tipos de reclamaciones y personas), lo 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 rápidamente y descartar áreas o carteras de negocio que resulten sospechosas.

Compartir información

Más allá de la tecnología innovadora se encuentra la calidad de los datos. Si bien existe una excelente colaboración y un intercambio de datos a través de los sistemas basados en motores, CUE y MIAFTR, el sector de los seguros podría beneficiarse de una mayor puesta en común de conjuntos de datos. Clasificar el fraude de forma específica y uniforme, en lugar de utilizar términos muy amplios, como «motor» o «lesiones personales», también supondría un paso adelante. La Asociación Británica de Aseguradoras (ABI) ha identificado un conjunto de tipos de fraude acordados que deberían conducir a una mayor estandarización de la clasificación de los distintos fraudes. Algunas aseguradoras también han compartido estrategias basadas en la oposición, sin duda en el ámbito de Daños comerciales, lo que constituye otra señal positiva. Es este tipo de colaboración en todo el sector, un «tratado de los equipos de fraude», 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 velocidad y el rendimiento. Los clientes honestos esperan que sus reclamaciones se resuelvan rápidamente y con las mínimas molestias. Pero la detección del fraude no tiene por qué entrar en conflicto con una experiencia positiva para el cliente, y la rápida identificación de los casos dudosos es fundamental para erradicar las nuevas tendencias de fraude.

Este blog incluye extractos de un recienteseminario webde 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, gerente de reclamaciones por responsabilidad civil, Enterprise Rent-A-Car
• Arnaud Grapinet, científico jefe de datos, Shift Technology
• Kevin Kingdon, director comercial Daños , Aviva
• Simon Roylance, afirma que la prevención del delito, LV
• Stephen Dalton, jefe de inteligencia e investigaciones, IFB