Por Adam Fisher, director de datos
No es exactamente un secreto comercial; cualquiera que haya presentado alguna vez una solicitud de seguro o prestaciones sabe que conlleva un montón de formularios y papeleo.
Lo que hay en esos documentos, combinado con las notas del examinador o perito asignado, forma los componentes básicos de un expediente de siniestro. Para los científicos de datos como yo, esa información se traduce en el potencial de 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 de gestión de riesgos (RMIS) y otros profesionales del sector de los seguros han utilizado datos estructurados -claramente definidos, normalmente cuantitativos y fáciles de manipular- para rellenar cuadros de mando 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 permanecido en gran medida como un recurso sin explotar desde la perspectiva de los sistemas de reclamaciones, debido al tiempo y el esfuerzo necesarios para extraer información de ellos. 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 información digital, de forma muy similar a como lo haría una persona. El uso de la PNL puede abarcar desde el procesamiento básico de textos hasta el aprendizaje automático que permite a los ordenadores inferir significados del lenguaje humano.
La tecnología de la PNL tiene un enorme potencial para aportar mayor eficacia y conocimientos más profundos a diversos aspectos de la gestión de siniestros. Me gustaría destacar un par de aplicaciones de la PNL como ejemplos de cómo esta tecnología puede mejorar nuestra eficacia operativa y la atención que prestamos a los clientes y a sus empleados y clientes.
Automatización de la tramitación de siniestros
Sedgwick tiene algunos clientes en EE.UU. que comunican los nuevos siniestros de accidentes de trabajo a través de una dirección de correo electrónico específica. Tenemos un equipo de compañeros que supervisa ese buzón e introduce manualmente todos los detalles del siniestro en nuestro sistema de admisión. Dependiendo de cuántas solicitudes lleguen al buzón en un día determinado, los siniestros pueden estar en cola durante varias horas.
Hemos empezado a aplicar un programa que utiliza la PNL para transformar por completo este proceso. Para nuestro cliente piloto, hemos aplicado la automatización robótica de procesos (RPA) para supervisar el buzón en busca de tráfico entrante. Cuando llega un nuevo mensaje, un "bot" guarda los archivos adjuntos y los sube a nuestra plataforma smart.ly. El bot utiliza PNL 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 a nuestro sistema para que acepte una amplia gama de formatos de documentos y haga coincidir la información incrustada con los campos apropiados en pares etiqueta/valor con un extraordinario nivel de precisión.
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 de la PNL en este proyecto piloto ha reducido drásticamente los plazos de tramitación de las admisiones, lo que significa que podemos asignar más rápidamente examinadores para asistir a los trabajadores lesionados y enfermos tras accidentes laborales. Nuestro objetivo es extender esta solución a otros clientes en los próximos meses.
Oportunidades de subrogación
En Sedgwick, parte de nuestro papel consiste en investigar las circunstancias que rodean a un siniestro e identificar al responsable de cubrir la pérdida. A menudo, es nuestro cliente; otras veces, es un tercero. En los casos en que nuestro cliente pagó un siniestro y determinamos que otra persona es la responsable, trabajamos para recuperar el dinero a través de la subrogación.
Por supuesto, los clientes siempre se alegran cuando estos costes pueden recuperarse legítimamente; sin embargo, identificar los siniestros en los que está justificada la subrogación puede resultar complicado. Contamos con un excelente y experimentado equipo de especialistas que revisan cuidadosamente los siniestros para identificar posibles oportunidades de recuperación, pero la responsabilidad de terceros no suele indicarse explícitamente.
Para ayudar a nuestros clientes a identificar mejor los siniestros que pueden subrogarse, estamos desarrollando un modelo informático que, mediante PNL y aprendizaje automático, puede revisar notas y documentos de siniestros en busca de pistas lingüísticas sobre la responsabilidad de terceros. Hemos creado el modelo para buscar referencias que puedan sugerir la existencia de otra parte responsable, como el mal funcionamiento de productos, mordeduras de perro y colisiones por alcance. Son los mismos indicios que buscan nuestros especialistas profesionales, sólo que un ordenador puede leer mucho más texto en mucho menos tiempo. Las pruebas preliminares demuestran que el modelo es más de un 70% tan eficaz como un ser humano a la hora de identificar siniestros que merecen una mayor investigación para la subrogación.
El futuro
Estas son sólo dos de las muchas formas en que la tecnología NLP puede aportar valor y mejorar la gestión de siniestros. Exploramos continuamente nuevas posibilidades de aprovechar nuestros datos no estructurados (¡incluidos más de 4.000 millones de notas en nuestro sistema principal de siniestros de accidentes y bajas laborales en EE.UU.!) para promover la coherencia y la eficiencia.
Como ponen de manifiesto estos ejemplos, la intención de la tecnología no es eliminar la intervención humana, sino automatizar los aspectos mundanos del proceso para que los profesionales con talento y dedicación puedan hacer mejor lo que mejor saben hacer. El uso de la PNL para la admisión permitirá a nuestros colegas centrar su energía en los aspectos estratégicos y de empatía del servicio al cliente. Del mismo modo, nuestro modelo de subrogación con PNL nunca sustituirá a nuestros expertos en recobro. 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 de los siniestros. Aprovechar la PNL para escanear rápidamente miles de documentos y notas nos permitirá hacer un mejor uso de las habilidades de investigación de nuestros especialistas en recuperaciones y perseguir más oportunidades que merezcan la pena.
La tecnología sigue evolucionando, y los científicos de datos hablan poco a poco más de comprensión del lenguaje natural que de procesamiento; sin embargo, el elemento humano de los siniestros está aquí para quedarse. En Sedgwick, nuestra creencia de que "caring counts" significa que siempre tendremos colegas capacitados y compasivos listos para ayudar cuando ocurra lo inesperado.
> Leer más - lea sobre la experiencia digital de Sedgwick, basada en las personas, la tecnología y los datos.