Processamento de linguagem natural e a transformação digital das reclamações

Por Adam Fisher, diretor de dados

Não é exatamente um segredo comercial; qualquer pessoa que já tenha feito uma reclamação de seguro ou benefícios sabe que isso envolve muitos formulários e papelada.

O conteúdo desses documentos, combinado com as notas do examinador ou avaliador designado, forma os alicerces de um arquivo de sinistros. Paracientistas de dadoscomo eu, essas informações se traduzem no potencial de milhares de pontos de dados que podem ser analisados e usados para identificar tendências e gerar relatórios.

Nos últimos anos, os fornecedores de sistemas de informação de gestão de riscos (RMIS) e outros no setor de seguros têm usado dados estruturados — que são claramente definidos, geralmente quantitativos e podem ser facilmente manipulados — para preencher painéis automatizados e medir resultados. No entanto, os dados não estruturados — como documentos digitalizados, mensagens de e-mail e notas em formato livre — são principalmente qualitativos e continuam sendo um recurso amplamente inexplorado do ponto de vista do sistema de sinistros, devido ao tempo e ao esforço necessários para extrair informações deles. Pelo menos até agora.

PNL: a nova fronteira

O processamento de linguagem natural (NLP) é uma aplicação da inteligência artificial em que os computadores “leem” e interpretam informações digitais, da mesma forma que uma pessoa faria. O uso do NLP pode variar desde o processamento básico de texto atéo aprendizado de máquina, que permite que os computadores inferem o significado da linguagem humana.

A tecnologia NLP tem um enorme potencial para trazer maior eficiência e insights mais profundos a vários aspectos da gestão de sinistros. Gostaria de destacar algumas aplicações da NLP como exemplos de como essa tecnologia pode melhorar nossa eficácia operacional e o atendimento que prestamos aos clientes, seus funcionários e consumidores.

Automação do recebimento de reclamações

A Sedgwick tem alguns clientes nos EUA que comunicam novos pedidosde indemnização por acidentes de trabalhoatravés de um endereço de e-mail dedicado. Temos uma equipe de colegas que monitoriza essa caixa de correio e introduz manualmente todos os detalhes do pedido no nosso sistema de receção. Dependendo do número de pedidos que chegam à caixa de correio num determinado dia, os pedidos podem ficar em fila durante várias horas.

Começamos a implementar um programa que usa PNL para transformar completamente esse processo. Para nosso cliente piloto, aplicamosautomação de processos robóticos (RPA)para monitorar a caixa de correio em busca de tráfego de entrada. Quando uma nova mensagem chega, um “bot” salva os arquivos anexados e os carrega em nossaplataforma smart.ly. O bot usa PNL para ler os documentos e extrai automaticamente 93 informações necessárias para iniciar o processo de reclamação. Isso é muito mais sofisticado do que a simples digitalização e o reconhecimento óptico de caracteres (OCR); treinamos nosso sistema para aceitar uma ampla variedade de formatos de documentos e para corresponder as informações incorporadas aos campos apropriados em pares de rótulo/valor com um nível extraordinário de precisão.

Depois que o sistema valida os dados extraídos, uma nova reclamação é criada — tudo isso em menos de um minuto e sem intervenção humana! O uso da PNL neste piloto reduziu drasticamente o tempo de resposta para o recebimento, o que significa que podemos designar mais rapidamente examinadores para ajudar trabalhadores feridos e doentes após acidentes de trabalho. Nosso objetivo é implementar essa solução para outros clientes nos próximos meses.

Oportunidades de sub-rogação

Na Sedgwick, parte do nosso papel é investigar as circunstâncias que envolvem um sinistro e identificar quem é responsável por cobrir o prejuízo. Muitas vezes, esse responsável é o nosso cliente; outras vezes, é um terceiro. Nos casos em que o nosso cliente pagou um sinistro e determinamos que outra pessoa é a parte responsável, trabalhamos para recuperar o dinheiro por meioda sub-rogação.

Os clientes ficam, naturalmente, sempre satisfeitos quando esses custos podem ser devidamente recuperados; no entanto, identificar os pedidos de indenização em que a sub-rogação é justificada pode ser um desafio. Contamos com uma equipe excelente e experiente de especialistas que analisam cuidadosamente os pedidos de indenização para identificar possíveis oportunidades de recuperação, mas a responsabilidade de terceiros nem sempre é explicitamente declarada.

Para nos ajudar a apoiar melhor nossos clientes na identificação de sinistros que podem ser sub-rogados, estamos desenvolvendo um modelo computadorizado que, usando PNL e aprendizado de máquina, pode revisar notas e documentos de sinistros em busca de pistas linguísticas sobre a responsabilidade de terceiros. Criamos o modelo para procurar referências que possam sugerir outra parte responsável, como mau funcionamento de produtos, mordidas de cães e colisões traseiras. São as mesmas pistas que nossos especialistas profissionais procuram — só que um computador pode ler muito mais texto em muito menos tempo. Testes preliminares mostram que o modelo é mais de 70% tão eficaz quanto um ser humano na identificação de sinistros que merecem investigação adicional para sub-rogação.

O que o futuro reserva

Essas são apenas duas das muitas maneiras pelas quais a tecnologia NLP pode agregar valor e aprimorar o gerenciamento de sinistros. Estamos continuamente explorando novas possibilidades para aproveitar nossos dados não estruturados (incluindo mais de 4 bilhões de notas em nosso sistema primário para sinistros de acidentes e ausências no trabalho nos EUA!) para promover consistência e eficiência.

Como esses exemplos destacam, a intenção por trás da tecnologia não é eliminar o envolvimento humano, mas sim automatizar aspectos rotineiros do processo para que profissionais talentosos e atenciosos possam fazer melhor o que fazem de melhor. O uso da PNL para admissão permitirá que nossos colegas concentrem sua energia em aspectos estratégicos e empáticos do atendimento ao cliente. Da mesma forma, nosso modelo de sub-rogação de PNL nunca substituirá nossos especialistas em recuperação. Ele foi projetado como mais uma ferramenta que ajuda os clientes a maximizar as oportunidades de sub-rogação e atribuir de forma justa a responsabilidade pelas perdas. Aproveitar a PNL para examinar rapidamente milhares de documentos e notas nos permitirá fazer melhor uso das habilidades investigativas de nossos especialistas em recuperação e buscar oportunidades mais valiosas.

A tecnologia continua a evoluir e os cientistas de dados estão gradualmente falando mais sobrecompreensãoda linguagem natural do que sobre processamento; no entanto, o elemento humano das reclamações veio para ficar. Na Sedgwick, acreditamos que “caring counts” significa que sempre teremos colegas qualificados e compassivos prontos para ajudar quando o inesperado ocorrer.

> Saiba mais — leia sobrea experiência digital da Sedgwick, que prioriza as pessoas, é voltada para a tecnologia e baseada em dados.