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; 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 al 2021 (y, con suerte, comenzamos a dejar atrás los retos del 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 que hemos adquirido en materia de presentación de informes y modelización en un año sin precedentes.

Herramientas como la inteligencia artificial, el aprendizaje automático, la dataficación y la automatización robótica de procesos están transformando el proceso de tramitación de reclamaciones. Y en lo que respecta a los cambios que hemos observado en los mecanismos de notificación y modelización, los análisis avanzados están tomando las riendas. Estamos integrando nuevos modelos para la COVID-19, ajustando nuestras herramientas de optimización de decisiones y adoptando un enfoque cada vez más orientado a las soluciones en los informes analíticos.

Modelización de la COVID-19
Todos nos estamos adaptando a la tecnología en tiempos de la COVID-19. ¿Cómo podemos utilizar mejor la tecnología disponible para adaptar nuestra respuesta?

Además de los avances que nos ha aportado la minería de textos, estamos utilizando nuestra capacidad para identificar, responder y realizar un seguimiento de las preguntas a través de chatbots de procesamiento de lenguaje natural con IA para ayudar en la modelización específica de la COVID. Nuestros informes mensuales incluyen el volumen de personas que acuden a Carey, el chatbot de Sedgwick, para hacer preguntas relacionadas con la COVID.

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

• Gravedad, duración y repercusiones económicas desde los casos en cuarentena hasta los casos positivos confirmados y más allá.
• Desglose por estado frente a desglose nacional
• Tendencias en las bajas laborales frente a tendencias en las indemnizaciones por accidentes laborales
• Impacto de la falta de acceso a la asistencia sanitaria
• Retrasos en las cirugías
• Cierre de tribunales o retrasos que afectan al cierre de reclamaciones y acuerdos

Minería de datos
Tras un año en el que las expectativas se esfumaron, el sector se está apoyando más que nunca en los datos, y eso es mucho decir. Cuando el terreno se tambalea, nos estabilizamos buscando más profundidad, más exactitud y mayor precisión. Los datos de calidad ayudan a las organizaciones a anticiparse, prever y prepararse para cambios de rumbo. La gran pregunta, entonces, es cómo podemos hacer que esos datos estén más «parametrizados» para que sea más sencillo acceder a ellos y utilizarlos.

Las tendencias en la dataficación lo demuestran: cada vez somos más capaces de traducir comportamientos en datos útiles que nos ayudan a comprender y documentar 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 conversación digital entre las partes interesadas en las reclamaciones. La minería de textos es una de esas capacidades que podemos esperar que tenga una influencia cada vez mayor en los modelos analíticos predictivos y que sirva para hacer nuestros sistemas más robustos. Las empresas están trabajando en la mejor manera de implementarla de forma escalable, al tiempo que identifican y sopesan sus posibles usos y beneficios. Al añadirla a nuestros modelos analíticos, como mejora y no como 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 textos es más profunda que nunca y hace que la minería de datos sea un proceso mucho más eficiente y rápido, más razonable para un gran número de reclamaciones. Tenemos miles de campos de datos en nuestros sistemas, además de más historial de reclamaciones que cualquier otra TPA del mercado. La posibilidad de acceder a análisis relacionados con millones de registros de notas de formato libre ha dado muy buenos resultados. Con las continuas actualizaciones, estamos aumentando nuestra capacidad para realizar minería de textos en las grandes cantidades de datos no estructurados que producen nuestros peritos de siniestros. La capacidad de extraer y analizar los detalles importantes de las notas de un perito mejora significativamente nuestra capacidad para identificar y priorizar las acciones relacionadas con las reclamaciones, así como para crear y comparar modelos óptimos para futuras preocupaciones.

No hay límite en cuanto al número de factores desencadenantes por los que los clientes pueden desear ser notificados o que pueden influir en la trayectoria 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 materia de minería de textos nos permitirán 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 reservas de impacto.

>Más información: consulte este artículo ampliado, que incluye contenido adicional. «Tech track: ¿Qué más hay en el horizonte para los clientes de Sedgwick?», en la revista digital de Sedgwick, edge, número 15.