Par Adam Fisher, directeur des données
Ce n’est pas exactement un secret commercial ; quiconque a déjà déposé une réclamation pour une assurance ou des avantages sociaux sait que cela implique beaucoup de formulaires et de paperasse.
Ce qui se trouvera dans ces documents, combiné aux notes de l’examinateur ou de l’expert en sinistres désigné, constitue les éléments constitutifs d’un dossier de réclamation. Pour les scientifiques des données comme moi, cette information se traduit par le potentiel de milliers de points de données qui peuvent être analysés et utilisés pour identifier les tendances et générer des rapports.
Au cours des dernières années, les fournisseurs de systèmes d’information sur la gestion des risques (SIGD) et d’autres dans le domaine de l’assurance ont utilisé des données structurées — qui sont clairement définies, généralement quantitatives et peuvent être soigneusement manipulées — pour remplir des tableaux de bord automatisés et mesurer les résultats. Cependant, les données non structurées — comme les documents numérisés, les courriels et les notes de forme libre — sont principalement qualitatives et sont demeurées une ressource largement inexploitée du point de vue du système de réclamations en raison du temps et des efforts nécessaires pour en extraire de l’information. C’est-à-dire jusqu’à présent.
La PNL : la nouvelle frontière
Le traitement du langage naturel (TALN) est une application de l’intelligence artificielle dans laquelle les ordinateurs « lisent » et interprètent l’information numérique, de la même manière qu’une personne le ferait. L’utilisation de la PNL peut aller du traitement de texte de base à l’apprentissage automatique qui permet aux ordinateurs de déduire le sens du langage humain.
La technologie de PNL a un énorme potentiel pour apporter une plus grande efficacité et des connaissances plus approfondies à divers aspects de la gestion des réclamations. J’aimerais souligner quelques applications de PNL comme exemples de la façon dont cette technologie peut améliorer notre efficacité opérationnelle et les soins que nous fournissons aux clients et à leurs employés et clients.
Automatisation de la réception des demandes
Sedgwick a des clients américains qui signalent de nouvelles demandes d’indemnisation des accidents du travail via une adresse e-mail dédiée. Nous avons une équipe de collègues qui surveille cette boîte aux lettres et entre manuellement tous les détails de la réclamation dans notre système d’admission. Selon le nombre de demandes entrant dans la boîte aux lettres un jour donné, les revendications peuvent être dans la file d’attente pendant plusieurs heures.
Nous avons commencé à mettre en œuvre un programme qui utilise la PNL pour transformer complètement ce processus. Pour notre client pilote, nous avons appliqué l’automatisation robotisée des processus (RPA) pour surveiller la boîte aux lettres pour le trafic entrant. Lorsqu’un nouveau message arrive, un « bot » enregistre les fichiers joints et les télécharge sur notre plate-forme smart.ly. Le bot utilise la PNL pour lire les documents et extrait automatiquement 93 informations nécessaires pour lancer le processus de réclamation. C’est beaucoup plus sophistiqué que la simple numérisation et la reconnaissance optique de caractères (OCR) ; nous avons formé notre système à accepter un large éventail de formats de documents et à faire correspondre les informations intégrées aux champs appropriés dans les paires étiquette / valeur avec un niveau de précision extraordinaire.
Une fois que le système valide les données extraites, une nouvelle revendication est créée - le tout en moins d’une minute et sans intervention humaine ! L’utilisation de la PNL dans ce projet pilote a considérablement réduit les délais d’exécution pour l’admission, ce qui signifie que nous pouvons plus rapidement affecter des examinateurs pour aider les travailleurs blessés et malades à la suite d’accidents au travail. Nous visons à déployer cette solution à d’autres clients dans les mois à venir.
Possibilités de subrogation
Chez Sedgwick, une partie de notre rôle consiste à enquêter sur les circonstances entourant une réclamation et à déterminer qui est responsable de la couverture de la perte. Souvent, c’est notre client ; d’autres fois, c’est un autre tiers. Dans les cas où notre client a payé une réclamation et que nous déterminons que quelqu’un d’autre est la partie responsable, nous travaillons à récupérer l’argent par subrogation.
Les clients sont, bien sûr, toujours heureux lorsque ces coûts peuvent être correctement recouvrés ; toutefois, il peut être difficile de déterminer les revendications où une subrogation est justifiée. Nous avons une équipe de spécialistes excellents et expérimentés qui examinent attentivement les réclamations pour identifier les opportunités de récupération possibles, mais la responsabilité de tiers n’est pas souvent énoncée explicitement.
Pour nous aider à mieux soutenir nos clients dans l’identification des réclamations qui peuvent être subrogées, nous développons un modèle informatisé qui, en utilisant la PNL et l’apprentissage automatique, peut examiner les notes et les documents de réclamation pour des indices linguistiques sur la responsabilité de tiers. Nous avons construit le modèle pour rechercher des références qui peuvent suggérer une autre partie responsable, telles que les dysfonctionnements du produit, les morsures de chien et les collisions arrière. Ce sont les mêmes indices que nos spécialistes professionnels recherchent - seul un ordinateur peut lire beaucoup plus de texte en beaucoup moins de temps. Des tests préliminaires montrent que le modèle est plus de 70 % aussi efficace qu’un humain pour identifier les allégations qui méritent une enquête plus approfondie pour subrogation.
Ce que l’avenir nous réserve
Ce ne sont là que deux des nombreuses façons dont la technologie de PNL peut apporter de la valeur et améliorer la gestion des réclamations. Nous explorons continuellement de nouvelles possibilités pour tirer parti de nos données non structurées (y compris plus de 4 milliards de billets dans notre système principal pour les réclamations d’accident et d’absence de main-d’œuvre américaines !) afin de promouvoir la cohérence et l’efficacité.
Comme ces exemples le soulignent, l’intention derrière la technologie n’est pas d’éliminer la participation humaine ; il s’agit plutôt d’automatiser les aspects banals du processus afin que les professionnels talentueux et attentionnés puissent mieux faire ce qu’ils font le mieux. L’utilisation de la PNL pour l’admission permettra à nos collègues de concentrer leur énergie sur les aspects stratégiques et axés sur l’empathie du service à la clientèle. De même, notre modèle de subrogation de la PNL ne remplacera jamais nos experts en récupération. Il est conçu comme un autre outil qui aide les clients à maximiser les possibilités de subrogation et à attribuer équitablement la responsabilité des pertes. Tirer parti de la PNL pour numériser rapidement des milliers de documents et de notes nous permettra de mieux utiliser les compétences d’enquête de nos spécialistes du rétablissement et de saisir des occasions plus intéressantes.
La technologie continue d’évoluer, et les scientifiques des données parlent progressivement plus de compréhension du langage naturel que de traitement ; cependant, l’élément humain des revendications est là pour rester. Chez Sedgwick, notre conviction que « les soins comptent » signifie que nous aurons toujours des collègues qualifiés et compatissants prêts à aider lorsque l’inattendu se produit.
> En savoir plus - découvrez d’abord les personnes de Sedgwick, l’avant-technologie et l’expérience numérique axée sur les données.