2022 年 3 月 9 日
人工智慧 (AI) 和機器學習技術對於偵測可疑行為和活動有很大的幫助。
然而，保險詐騙識別與理賠確認仍是科技需要人為介入的領域之一。
這不一定是機器與人力的對立；事實上，兩者是相輔相成的。在篩選無數的理賠申請、鑑定影像分析和預測分析時，您會發現這些都是理賠人員或詐欺調查人員無法以相同的速度和準確度完成的工作。該技術成功地減少了誤判，並產生可靠的結果，同時加快了詐欺篩選流程。
混合式方法
識別可疑索賠沒有單一解決方案，這就是為什麼需要一種混合方法 - 使用技術快速處理大量索賠，使用 AI 識別可疑模式，使用行為科學幫助管理與客戶的討論。雖然 AI 無法做出決策，但它可以為理賠人員和調查人員指出正確的方向。透過快速識別疑慮，AI 可協助找出特定問題，以突顯值得調查的索賠。詐欺調查員總是需要處理輸出的資料。更不用說，在虛擬或實體拜訪之後，資料會增加兩倍，這強調了一對一調查的重要性。
檢測保單持有人的欺騙行為是非常敏感的，需要強大的對話管理技巧 - 並由數位語音風險分析提供支援。這必須是一個謹慎管理的過程 - 結構化讓詐騙者知道他們已暴露。更多的時候，他們會選擇放棄理賠 - 保險公司可以根據個別情況考慮這種反應。
更廣闊的景觀
新的趨勢也不斷出現，詐騙者不斷尋找其他的詐騙方式。幸運的是，現在的技術讓我們能夠在最早階段揭露新的活動高峰。機器學習甚至可以偵測到機會主義詐欺 - 例如，偵測到客戶開始意識到並利用理賠門檻。在責任與人身傷害的工作中，除了傳統的詐欺模式之外，科技也能偵測到有相同關係的律師與醫生，並參考社群媒體上的文章，將所有資料整合起來，挑出潛在的詐欺行為。
AI 會從更廣闊的角度來看，以大數據的觀點來比較市場上發生的詐欺行為（從誇大索賠到複雜的有組織犯罪活動）。這些新技術的應用讓反詐欺團隊更有效率，確保調查人員的努力和業務支出都投放在最有力的案件上。
資料洞察力
識別詐欺只是其中的一部分。科技也能及早洞察新的詐欺趨勢，提供微觀層級的細節 - 郵遞區號、索賠類型和人員 - 讓調查人員能夠在發生詐欺時獲得準確的資訊。這可協助承保人和銷售團隊快速反應，並關閉可疑的區域或業務帳冊。
分享資訊
除了創新技術之外，還需要高品質的資料。儘管透過以汽車為基礎的系統、CUE 和 MIAFTR 進行了極佳的合作與資料分享，保險業仍可從更廣泛的資料匯集中獲益。以特定且統一的方式將詐騙分類，而不是使用非常廣泛的術語，例如「汽車」或「人身傷害」，也是向前邁進的一步。英國保險人協會 (Association of British Insurers, ABI) 已經確認了一套協定的詐欺類型，這應該能使各種詐欺的分類方式更加標準化。一些保險人也分享了以對手為基礎的策略，當然是在商業財產方面，這是另一個積極的跡象。正是這種全行業的合作--「欺詐團隊條約」--將在未來數年帶來紅利。
創新技術的使用必然會不斷增加。今天，一切都講求速度與效能。誠實的客戶期望他們的理賠案件能快速解決，並將干擾降到最低。但詐欺偵測不一定要與正面的客戶旅程相衝突，快速識別有問題的案件對於杜絕新興的詐欺趨勢至關重要。
這篇部落格包括最近由 Ian Carman 主持的 Sedgwick網路研討會的摘錄，在研討會上，業界專家就人工智慧與人類智慧在打擊詐欺方面的搭配進行辯論。
非常感謝以下討論小組成員的參與：
- Dan Edwards，Enterprise Rent-A-Car 公司責任索賠經理
- Arnaud Grapinet，Shift Technology 首席資料科學家
- Aviva 商業財產詐騙經理 Kevin Kingdon
- Simon Roylance，索賠犯罪預防，LV
- Stephen Dalton，IFB 情報與調查部門主管
