Svindeldeteksjon: maskin kontra menneske?

Av Ian Carman, direktør for britiske etterforskningstjenester

Kunstig intelligens (KI) og maskinlæringsteknologier er svært nyttige for å oppdage mistenkelig atferd og aktiviteter.

Imidlertid er identifisering av forsikringssvindel og validering av krav fortsatt et område der teknologi krever menneskelig inngripen.

Det er ikke nødvendigvis maskin kontra menneske; faktisk går de hånd i hånd. Når du siler gjennom utallige krav, rettsmedisinsk bildeanalyse og prediktiv analyse, vil du oppdage at dette er ting som kravbehandlere eller svindeletterforskere ikke ville være i stand til å gjøre med samme hastighet og nøyaktighetsnivå. Teknologien reduserer falske positiver og produserer pålitelige resultater samtidig som den fremskynder svindelscreeningsprosessen.

Blandet tilnærming

Det finnes ingen én løsning for å identifisere mistenkelige krav, og derfor er det behov for en blandet tilnærming – bruk av teknologi for å behandle store volumer raskt, AI for å identifisere mistenkelige mønstre og atferdsvitenskap for å håndtere diskusjoner med kunden. Selv om AI ikke tar avgjørelser, peker den skadebehandlere og etterforskere i riktig retning. Ved raskt å gjenkjenne bekymringer kan AI bidra til å identifisere spesifikke problemer som fremhever kravet som verdt å etterforske. En svindeletterforsker vil alltid være nødvendig for å behandle resultatet. For ikke å nevne at dataene dobles etter et virtuelt eller fysisk besøk, noe som understreker viktigheten av en-til-en-undersøkelser.

Oppdagelse av bedrag fra forsikringstakere er sensitivt og krever sterke ferdigheter i samtalehåndtering – støttet av risikoanalyse for digital stemme. Det må være en nøye administrert prosess – strukturert slik at svindleren vet når de har blitt avslørt. Som oftest vil de velge å trekke seg fra kravet – en reaksjon som forsikringsselskapene deretter kan vurdere fra sak til sak.

Bredere landskap

Nye trender dukker også stadig opp, der svindlere stadig finner alternative måter å begå svindel på. Heldigvis lar teknologi oss nå avsløre nye aktivitetstopper på et tidlig stadium. Maskinlæring kan til og med oppdage opportunistisk svindel – for eksempel fange opp hvor kunder begynner å innse og utnytte kravgrenser. Innen ansvar og personskadearbeid kan teknologi, i tillegg til de klassiske svindelmønstrene, også oppdage advokater og leger med samme forbindelser, referere til innlegg på sosiale medier og sette alt sammen for å identifisere potensielt uredelig oppførsel.

AI ser på det bredere landskapet og tar et stordataperspektiv på svindel – fra overdrivelser av påstander til sofistikert organisert kriminell aktivitet – sammenlignet med hva som skjer i markedet. Bruken av disse nye teknologiene gjør svindelbekjempelsesteamene mer effektive, og sikrer at etterforskernes innsats og forretningsutgifter investeres i de mest robuste sakene.

Datainnsikt

Å identifisere svindel er bare en del av bildet. Teknologi kan også gi tidlig innsikt i nye svindeltrender, og gi et mikronivå av detaljer – postnumre, typer krav og personer – som gir etterforskere nøyaktig informasjon når det skjer. Dette kan hjelpe forsikringsgivere og salgsteam med å reagere raskt og koble ut områder eller forretningsporteføljer som blir mistenkelige.

Deling av informasjon

Utover den innovative teknologien ligger det kvalitetsdata. Selv om det er utmerket samarbeid og datadeling gjennom motorbaserte systemer, CUE og MIAFTR, kan forsikringsbransjen dra nytte av en bredere samling av datasett. Å kategorisere svindel på en spesifikk og ensartet måte, i stedet for å bruke veldig brede begreper, som «motor» eller «personskade», ville også være et skritt fremover. Association of British Insurers (ABI) har identifisert et sett med avtalte svindeltyper som bør føre til større standardisering av hvordan ulike typer svindel klassifiseres. Noen forsikringsselskaper har også delt motstanderbaserte strategier, spesielt innen næringseiendom, noe som er et annet positivt tegn. Det er denne typen bransjeomfattende samarbeid – en «avtale mellom svindelteamene» – som vil gi utbytte i årene som kommer.

Bruken av innovative teknologier vil garantert øke. I dag handler alt om hastighet og ytelse. Ærlige kunder forventer at kravene deres blir avgjort raskt og med minimal forstyrrelse. Men svindeldeteksjon trenger ikke å være i konflikt med en positiv kundereise, og rask identifisering av tvilsomme saker er avgjørende for å slå ut nye svindeltrender.

Denne bloggen inneholder utdrag fra et nylig Sedgwick- webinar arrangert av Ian Carman, der et panel av bransjeeksperter debatterte sammenkoblingen av kunstig og menneskelig intelligens i kampen mot svindel.

Stor takk til følgende paneldeltakere for deres deltakelse:

• Dan Edwards, ansvarsskadeansvarlig, Enterprise Rent-A-Car
• Arnaud Grapinet, sjefsdataforsker, Shift Technology
• Kevin Kingdon, svindelsjef for næringseiendom, Aviva
• Simon Roylance, hevder kriminalitetsforebygging, LV
• Stephen Dalton, leder for etterretning og etterforskning, IFB