Por Ian Carman, diretor de serviços de investigação no Reino Unido
A inteligência artificial (IA) e as tecnologias de aprendizado de máquina são extremamente úteis na detecção de comportamentos e atividades suspeitos.
Entretanto, a identificação de fraudes em seguros e a validação de sinistros continuam sendo uma área em que a tecnologia exige intervenção humana.
Não se trata necessariamente de máquina versus ser humano; na verdade, eles andam de mãos dadas. Ao examinar inúmeros sinistros, análises de imagens forenses e análises preditivas, você verá que tudo isso são coisas que os gerentes de sinistros ou investigadores de fraudes não conseguiriam fazer com a mesma velocidade e nível de precisão. A tecnologia reduz com sucesso os falsos positivos e produz resultados confiáveis, além de acelerar o processo de triagem de fraudes.
Abordagem combinada
Não existe uma solução única para identificar sinistros suspeitos, e é por isso que é necessária uma abordagem combinada - usando tecnologia para processar grandes volumes rapidamente, IA para identificar padrões suspeitos e ciência comportamental para ajudar a gerenciar as discussões com o cliente. Embora a IA não tome decisões, ela orienta os gerentes e investigadores de sinistros na direção certa. Ao reconhecer rapidamente as preocupações, a IA pode ajudar a identificar problemas específicos que destacam o sinistro como digno de investigação. Sempre será necessário um investigador de fraudes para processar o resultado. Sem mencionar que os dados aumentam duas vezes após uma visita virtual ou física, o que ressalta a importância das investigações individuais.
A detecção da fraude do segurado é delicada e requer habilidades sólidas de gerenciamento de conversas, apoiadas pela análise de risco de voz digital. Deve ser um processo cuidadosamente gerenciado, estruturado de modo que o fraudador saiba quando foi exposto. Na maioria das vezes, ele optará por desistir do sinistro - uma reação que as seguradoras podem considerar caso a caso.
Paisagem mais ampla
Novas tendências também estão surgindo constantemente, com os fraudadores encontrando continuamente formas alternativas de cometer fraudes. Felizmente, a tecnologia agora nos permite expor novos picos de atividade no estágio inicial. O aprendizado de máquina pode até mesmo detectar fraudes oportunistas - percebendo onde os clientes estão começando a perceber e a tirar proveito dos limites de sinistros, por exemplo. No trabalho de responsabilidade civil e danos pessoais, além dos padrões clássicos de fraude, a tecnologia também pode detectar solicitadores e médicos com as mesmas conexões, fazer referência a publicações em mídias sociais e juntar tudo para identificar comportamentos potencialmente fraudulentos.
A IA analisa o cenário mais amplo, tendo uma visão de big data sobre comportamentos fraudulentos - desde o exagero de sinistros até a sofisticada atividade criminosa organizada - em comparação com o que está acontecendo no mercado. A aplicação dessas novas tecnologias torna as equipes antifraude mais eficientes, garantindo que os esforços dos investigadores e as despesas comerciais sejam investidos nos casos mais robustos.
Informações sobre os dados
A identificação de fraudes é apenas uma parte do processo. A tecnologia também pode fornecer uma visão antecipada de novas tendências de fraude, fornecendo um nível micro de detalhes - códigos postais, tipos de sinistros e pessoas - que capacita os investigadores com informações precisas no momento em que elas acontecem. Isso pode ajudar os subscritores e as equipes de vendas a reagir rapidamente e desativar áreas ou carteiras de negócios que estejam se tornando suspeitas.
Compartilhamento de informações
Além da tecnologia inovadora, há dados de qualidade. Embora haja excelente colaboração e compartilhamento de dados por meio de sistemas baseados em automóveis, CUE e MIAFTR, o setor de seguros poderia se beneficiar de um conjunto mais amplo de conjuntos de dados. Categorizar a fraude de maneira específica e uniforme, em vez de usar termos muito amplos, como "automóvel" ou "danos pessoais", também seria um passo à frente. A Associação de Seguradoras Britânicas (ABI) identificou um conjunto de tipos de fraude acordados que devem levar a uma maior padronização de como as diversas fraudes são classificadas. Algumas seguradoras também têm compartilhado estratégias baseadas em adversários, certamente em propriedades comerciais, o que é outro sinal positivo. É esse tipo de colaboração em todo o setor - um "tratado das equipes de fraude" - que renderá dividendos nos próximos anos.
O uso de tecnologias inovadoras tende a crescer. Atualmente, tudo gira em torno de velocidade e desempenho. Os clientes honestos esperam que seus sinistros sejam resolvidos rapidamente e com o mínimo de interrupção. Mas a detecção de fraudes não precisa entrar em conflito com uma jornada positiva do cliente, e a identificação rápida de casos questionáveis é crucial para eliminar as tendências emergentes de fraude.
Este blog inclui trechos de um webinar recente da Sedgwick, apresentado por Ian Carman, no qual um painel de especialistas do setor debateu a combinação de inteligência artificial e humana na luta contra a fraude.
Muito obrigado aos seguintes membros do painel por sua participação:
- Dan Edwards, gerente de sinistros de responsabilidade civil, Enterprise Rent-A-Car
- Arnaud Grapinet, cientista-chefe de dados da Shift Technology
- Kevin Kingdon, gerente de fraudes em propriedades comerciais, Aviva
- Simon Roylance, prevenção de crimes de reclamações, LV
- Stephen Dalton, chefe de inteligência e investigações, IFB