2022 年 1 月 6 日
作者：斯蒂芬-埃利奥特（Stephen Elliott），工商管理硕士、法学博士、CISSP、CSM，IT 创新与决策优化高级副总裁
在当今的市场上，有无数的供应商和技术声称可以利用人工智能（AI）或实现人工理赔流程自动化。
可以说，从第一台计算机开始，这就是每个人一直在努力的方向。当前的技术在很多方面都是这一过程的不断成熟--专注于理赔过程中以前被认为过于复杂或不透明而无法自动化的步骤。
在过去的 50 年里，理赔专业人员一直使用传统的编程语言为应用程序提供功能（以及相关的限制）。现在，我们都非常熟悉传统技术部门是如何收集需求、记录和定义决策 "规则 "以及创建与理赔审查员共存的程序以改进理赔处理工作的。现在，随着人工智能的引入，有几个新的组成部分在可以编程的内容中发挥作用：
模式匹配
人工智能扩大了人类活动的自动化范围。在理赔管理中，人类在遵循记录在案的指令和规则的同时，也会根据之前遇到的模式寻找解决方案。人工智能将模式匹配引入机器程序--使软件的创建不再需要提前对所有决策规则进行离散细分。相反，人工智能能够利用历史数据，以抽象的方式绘制并感知这些规则。如果经验丰富的索赔审查员在过去查看了 X 项索赔并决定采取 Y 项行动，那么人工智能系统经过训练后也能做到这一点。
机器学习人工智能不会受到人类决策方法的限制，它可以做得更好。事实上，即使审查员没有使用这些标准，或者甚至没有意识到他们正在使用这些标准，人工智能也能识别数据中应用于决策的模式。这一进步允许创建智能决策引擎，以优化自动执行以前认为过于复杂或需要主观决策的索赔流程中的任务。
自动分诊系统
自动分拣系统专为查看早期索赔数据元素而设计，它将数据与历史模式相结合，以准确地将索赔放入特定的 "桶 "中进行处理。公司可以选择多种方式来实现这一目标。有些公司可能希望对人工智能进行训练，以便将索赔放入不同的成本估算桶中，从而根据成本区分风险等级。还有一些公司可能更喜欢对 "复杂性 "进行更抽象的定义，这种定义可以与成本保持一致，但有时仅仅有助于识别可能需要更多时间、更多人工接触或更高级别的经验监督的索赔。
自动判决系统
自动分拣结束后，自动裁定接手。通常情况下，如果理赔被分流为简单且无需人工干预即可处理，那么理赔流程的其余步骤就可以实现自动化。利用人工智能与更传统的方法相结合，理赔可以从受理转入资格审查，最后完成支付和结案。这些自动裁定的理赔不仅管理成本较低，而且通常能提高理赔人的满意度，因为理赔人不会因为等待理赔人员审查而延误理赔，从而能快速、轻松地结案。
预测建模
预测建模通常作为一项独立技术进行讨论，但它往往是人工智能解决方案的关键组成部分。它将机器学习与复杂的统计相结合，利用历史数据模式预测未来。在理赔流程中实现决策或步骤自动化时，预测模型可用于根据成本、客户满意度或风险选择可提供最佳预测结果的行动。
这些模型在利用现代技术的同时，也可用于优化对关键索赔的人工干预。当索赔中的细微差别指向几种情况时，可以有针对性地提出增加有经验资源的规范性建议：
- 欺诈
- 诉讼
- 专业化
在欺诈可能性很高的情况下，可将索赔上报给调查人员或提供给人工理赔员，以便进一步研究和采取行动。人工智能模型不仅能够查找单个理赔案件中的欺诈行为，还能查看整个业务账簿，并从看似无害的单个案件中发现欺诈模式。
在诉讼可能性很高的情况下，可以对索赔采取特别行动。这些行动可以是保存零售安全录像并将其存档，在证人和其他参与者记忆犹新时与其面谈，或以其他方式加强与索赔人的联系和沟通，以避免出现不满情绪。
如果根据当前的 "触发因素 "或对未来触发因素的预测，特殊的专业知识对索赔有帮助，人工智能可以将索赔升级，让不同的团队参与进来。这些团队可能由护士个案经理、代位权调查员或专门处理其他复杂或特殊索赔的人员组成。
文本挖掘
机器学习人工智能的下一个领域是非结构化数据的文本挖掘。虽然最终提供的结果与传统的结构化数据预测建模类似，但对文件、笔记、证人证词和其他索赔要素的文本挖掘为系统提供的信息量大大增加。让索赔系统捕捉所有合并症或危险的药物组合是不合理的。但是，让人工智能学习在笔记、医疗文件或通信中提到的风险是可能的。
主要挑战和风险
虽然这一切听起来像是索赔管理技术的乌托邦，但它仍然伴随着一系列的挑战和风险。我们要求人工智能了解的许多事件都被认为是罕见的，因此即使有最好的数据和统计建模软件也很难预测。在整个业务账簿中，它们几乎从未出现过。这并不意味着它们是不可能发生的，但自动化/预测软件的构建者或购买者有必要了解它们在准确性方面如何仍然存在挑战。警惕那些声称其模型对罕见事件的预测准确率高达 95% 的供应商。如果这些事件发生在 3% 的理赔案件中，那么任何基本模型的最低准确率都应高于 97%。
最终，任何基于人工智能的自动化或预测模型的有效性都将取决于数据的质量和理赔团队所采取的行动的质量--如果向他们推荐或升级规范性行动的话。与大多数技术一样，人工智能的最佳效果往往不是完全手动或完全自动化，而是恰到好处地结合在一起，在最大限度地降低风险的同时最大限度地提高客户满意度。
