Protiv prijevara u osiguranju uz pomoć umjetne inteligencije i strojnog učenja

Strojno učenje pomaže osiguravajućim društvima da brže prepozanaju sumnjive odštetne zahtjeve te da pretraživanjem društvenih mreža razotkriju prijevare

243
Protiv prijevara u osiguranju

Prijevare u osiguranju koštaju američka osiguravajuća društva i osiguranike više od 40 milijardi dolara godišnje, procjenjuje FBI. I to bez prijevara u zdravstvenom osiguranju koje se procjenjuju na dodatnih desetak milijardi dolara.

Zbog tih prijevara godišnje premije imovinskog, automobilskog i zdravstvenog osiguranja skuplje su za 400 do 700 dolara, tvrdi FBI. A s obzirom na to da nedostaje istražitelja koji bi se time bavili, osiguravateljna industrija okreće se novim tehnologijama, piše portal fastcompany.com.

Korištenje umjetne inteligencije za pronalaženje nedosljednosti i odstupanja od uobičajenih uzoraka postalo je standard za osiguravajuća društva, bez obzira je li riječ o razotkrivanju organiziranih prijevara u kojima se lažiraju prometne nesreće ili pojedinaca koji pokušavaju lažirati vrijednost oštećene imovine.

“Osiguravajuća društva više si ne mogu priuštiti da zanemare nove tehnologije. One su sastavni dio moderne osiguravateljne industrije”, tumači Jim Guszcza, voditelj američkog tima podatkovnih znanstvenika u Deloitte Consultingu. “Prilikom likvidacije šteta ne možete ne primijeniti strojno učenje i prediktivnu analitiku.”

Među tvrtkama koja koriste moć podataka je Lemonade, njujorško osiguravateljni startup specijaliziran za osiguravanje nekretnina kojeg su j2015. osnovala dva tehnološka veterana. Izvršni direktor Daniel Schreiber kaže da pristup utemeljen na podacima omogućava Lemonadeu da procijeni i isplati štete znatno brže od mnogih tradicionalnih osiguravatelja.

U otprilike trećini slučajeva odštetni zahtjevi se mogu odobriti i isplatiti odmah nakon što ih odobri algoritam, pojašnjava Schreiber. “Čak i ako je čovjek uključen u postupak, za likvidacija štete je znatno brža.”

Ljudi još uvijek mogu pregledati dokumentaciju nakon što šteta bude isplaćena kako bi provjerili i poboljšali automatizirane procese likvidacije šteta, dodaje. Tako ljudi mogu podučavati algoritme o mogućim sumnjivim podacima u odštetnom zahtjevu, baš kao što strojevi mogu prepoznati sumnjive obrasce koje ljudi mogu previdjeti.
.
“Pokazalo se da naš odjel za likvidaciju šteta reagira puno brže otkako se ‘natječe’ s algoritmom”, kaže Schreiber.

Većina osiguravajućih društava na vidi to kao natjecanje čovjeka i stroja, nego kao efikasniji način obrade štete koji omogućava ljudima da više vremena posvete odštetnim zahtjevima koji zahtijevaju dublju analizu.

“Sve više i više osiguravajućih društava oslanja se na strojeve pri otkrivanju osnovnih prijevara kako bi oslobodili vrijeme svojim istražiteljima da se posvete složenijim istragama koje mogu voditi isključivo ljudi”, kaže James Quiggle, direktor komunikacija u Koaliciji za borbu protiv prijevara u osiguranju, stručne granske udruge.

Sofisticirani alati utemeljeni na umjetnoj inteligenciji mogu povezati složene obrasce sličnih odštetnih zahtjeva koje podnose grupe povezanih osoba, vjerojatno umrežene s liječnicima i odvjetnicima, vezane uz fiktivne ili namještene prometne nesreće.

“Umjetna inteligencija i strojno učenje omogućavaju da se iz gomile zbunjujućih podataka sintetiziraju ključni podaci koji će istražiteljima pomoći da jasno sagledaju situaciju i kroz algoritme za obradu podataka i grafički prikaz na ekranu računala povežu potencijalne umrežene prevarante”, tumači Quiggle. “Primjenom spomenutih tehnologija cijeli sustav prijevara može se grafički opisati i analizirati vrlo brzo, dok bi timu ljudi koji bi djelovao samostalno, bez pomoći tehnologije, za to trebali mjeseci.”

Pretraživanje društvenih mreža

Dio priče o sve većoj količini podataka koji su dostupni istražiteljima osiguravajućih društava I njihovim digitalnim asistentima su i postovi na društvenim mrežama. Tako, na primjer, osobe s “ozbiljnim ozljedama” postavljaju svoje slike tijekom sportskih aktivnosti ili se hvale rekordima ostvarenim u teretani.

Hanzo, tvrtka za arhiviranje i analizu web stranica s uredima u SAD-u i Ujedinjenom Kraljevstvu, razvija softver koji osiguravatelji mogu koristiti za prikupljanje i prosijavanje podataka s društvenih mreža, aukcijskih siteova poput eBaya i Craigslista te drugih internetskih stranica koje osiguravateljima mogu pomoći prilikom obrade odštetnih zahtjeva.

“Sve što se vidi u pregledniku možemo učinkovito prikupiti”, tvrdi Keith Laska, komercijalni direktor tvrtke Hanzo. “Tehnologija indeksiranja internetskih stranica omogućava nam da pretražimo tisuće stranica kako bismo pronašli relevantne informacije.”

Tako se može dokazati da je osiguranik predmete za koje tvrdi da su ukradeni iz njegova automobila ponudio na prodaju preko interneta ili da se u trenutku navodne nesreće prijavio na internet na mjestu udaljenom stotine kilometara od mjesta gdje se navodna nesreća dogodila.

Stručnjaci upozoravaju da povećana upotreba strojnog učenja i sve mnogobrojniji izvori podataka nameću sve snažnije raspravu o zaštiti privatnosti koja bi mogla potaknuti uspostavljanje industrijskih standarda ili strožu regulaciju.

Na primjer, kaže Quiggle, ljudi će teško prihvatiti mogućnost da osiguravajuće društvo dronom nadlijeće dvorište osobe koja je prijavila ozljedu (i trebala bi ležati i oporavljati se) kako bi pronašlo dokaz da ga osiguranik pokušava prevariti.