Processamento de linguagem natural e a transformação digital dos pedidos de indemnização

Por Adam Fisher, diretor de dados

Não é exatamente um segredo comercial; qualquer pessoa que já tenha apresentado um pedido 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 processo de sinistro. 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 risco (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 a ser um recurso amplamente inexplorado do ponto de vista dos sistemas de sinistros, devido ao tempo e 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 atéà aprendizagem automática, que permite aos computadores inferir o significado da linguagem humana.

A tecnologia NLP tem um enorme potencial para trazer maior eficiência e insights mais profundos para vários aspetos da gestão de sinistros. Gostaria de destacar algumas aplicações da NLP como exemplos de como essa tecnologia pode melhorar a 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 equipa de colegas que monitoriza essa caixa de correio e introduz manualmente todos os detalhes do pedido no nosso sistema de admissão. Dependendo do número de pedidos que chegam à caixa de correio num determinado dia, os pedidos podem ficar na fila durante várias horas.

Começámos a implementar um programa que utiliza PNL para transformar completamente este processo. Para o nosso cliente piloto, aplicámosa automação robótica de processos (RPA)para monitorizar a caixa de correio em busca de tráfego recebido. Quando uma nova mensagem chega, um «bot» guarda os ficheiros anexados e carrega-os na nossaplataforma smart.ly. O bot utiliza PNL para ler os documentos e extrai automaticamente 93 informações necessárias para iniciar o processo de reclamação. Isto é muito mais sofisticado do que a simples digitalização e reconhecimento óptico de caracteres (OCR); treinámos o 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.

Assim que o sistema valida os dados extraídos, é criada uma nova reclamação — tudo isso em menos de um minuto e sem intervenção humana! O uso da NLP neste projeto-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. O nosso objetivo é implementar esta solução para outros clientes nos próximos meses.

Oportunidades de sub-rogação

Na Sedgwick, parte do nosso papel é investigar as circunstâncias em torno de um sinistro e identificar quem é responsável por cobrir a perda. 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 reclamações em que a sub-rogação é justificada pode ser um desafio. Contamos com uma excelente e experiente equipa de especialistas que analisa cuidadosamente as reclamações para identificar possíveis oportunidades de recuperação, mas a responsabilidade de terceiros nem sempre é explicitamente declarada.

Para nos ajudar a apoiar melhor os nossos clientes na identificação de reclamações que podem ser sub-rogadas, estamos a desenvolver um modelo computadorizado que, usando NLP e aprendizagem automática, pode analisar notas e documentos de reclamações em busca de pistas linguísticas sobre a responsabilidade de terceiros. Criámos o modelo para procurar referências que possam sugerir outra parte responsável, tais como avarias de produtos, mordidas de cães e colisões traseiras. São as mesmas pistas que os nossos especialistas profissionais procuram — só que um computador consegue 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 uma investigação mais aprofundada para sub-rogação.

O que o futuro reserva

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

Como estes exemplos destacam, a intenção por trás da tecnologia não é eliminar o envolvimento humano, mas sim automatizar aspetos 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 os nossos colegas concentrem a sua energia em aspetos estratégicos e empáticos do atendimento ao cliente. Da mesma forma, o nosso modelo de sub-rogação de PNL nunca substituirá os 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 analisar rapidamente milhares de documentos e notas nos permitirá fazer melhor uso das habilidades investigativas dos nossos especialistas em recuperação e buscar oportunidades mais valiosas.

A tecnologia continua a evoluir e os cientistas de dados estão gradualmente a falar 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 teremos sempre colegas qualificados e compassivos, prontos para ajudar quando o inesperado acontecer.

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