Oleh Ian Carman, direktur, layanan investigasi Inggris
Kecerdasan buatan (AI) dan teknologi pembelajaran mesin sangat membantu dalam mendeteksi perilaku dan aktivitas yang mencurigakan.
Namun, identifikasi penipuan asuransi dan validasi klaim tetap menjadi salah satu area di mana teknologi membutuhkan campur tangan manusia.
Ini bukan berarti mesin versus manusia; pada kenyataannya, keduanya berjalan seiring. Dalam memilah-milah klaim yang tak terhitung jumlahnya, analisis pencitraan forensik, dan analisis prediktif, Anda akan menemukan bahwa ini semua adalah hal yang tidak dapat dilakukan oleh penanggung jawab klaim atau penyelidik kecurangan dengan kecepatan dan tingkat keakuratan yang sama. Teknologi ini berhasil mengurangi false positive dan memberikan hasil yang dapat diandalkan sekaligus mempercepat proses penyaringan penipuan.
Pendekatan campuran
Tidak ada satu solusi untuk mengidentifikasi klaim yang mencurigakan, oleh karena itu diperlukan pendekatan gabungan - menggunakan teknologi untuk memproses volume besar dengan cepat, AI untuk mengidentifikasi pola yang mencurigakan, dan ilmu perilaku untuk membantu mengelola diskusi dengan pelanggan. Meskipun AI tidak mengambil keputusan, namun AI dapat mengarahkan penangan klaim dan penyelidik ke arah yang benar. Dengan mengenali masalah dengan cepat, AI dapat membantu mengidentifikasi masalah spesifik yang menyoroti klaim yang perlu diselidiki. Seorang penyelidik penipuan akan selalu diminta untuk memproses hasilnya. Belum lagi, data meningkat dua kali lipat setelah kunjungan virtual atau fisik, yang menggarisbawahi pentingnya investigasi tatap muka.
Pendeteksian penipuan pemegang polis merupakan hal yang sensitif dan membutuhkan kemampuan manajemen percakapan yang kuat - didukung oleh analisis risiko suara digital. Ini harus merupakan proses yang dikelola dengan hati-hati - terstruktur sehingga penipu tahu ketika mereka telah terungkap. Lebih sering daripada tidak, mereka akan memilih untuk tidak mengajukan klaim - sebuah reaksi yang kemudian dapat dipertimbangkan oleh perusahaan asuransi berdasarkan kasus per kasus.
Lanskap yang lebih luas
Tren baru juga terus bermunculan, dengan para penipu yang terus mencari cara alternatif untuk melakukan penipuan. Untungnya, teknologi saat ini memungkinkan kita untuk mengungkap lonjakan aktivitas baru pada tahap paling awal. Pembelajaran mesin bahkan dapat mendeteksi penipuan oportunis - mengetahui di mana pelanggan mulai menyadari dan memanfaatkan ambang batas klaim, misalnya. Dalam pekerjaan tanggung gugat dan cedera pribadi, selain pola penipuan klasik, teknologi juga dapat mendeteksi pengacara dan dokter dengan koneksi yang sama, referensi postingan media sosial dan menggabungkan semuanya untuk memilih perilaku yang berpotensi curang.
AI melihat lanskap yang lebih luas, dengan mengambil data besar tentang perilaku penipuan - dari klaim yang dibesar-besarkan hingga aktivitas kriminal terorganisir yang canggih - dibandingkan dengan apa yang terjadi di pasar. Penerapan teknologi baru ini membuat tim anti-penipuan menjadi lebih efisien, memastikan upaya penyelidik dan pengeluaran bisnis diinvestasikan pada kasus-kasus yang paling kuat.
Wawasan data
Mengidentifikasi kecurangan hanyalah sebagian dari gambaran. Teknologi juga dapat memberikan wawasan awal tentang tren penipuan baru, memberikan detail tingkat mikro - kode pos, jenis klaim, dan orang - yang memberdayakan para penyelidik dengan informasi yang akurat saat hal itu terjadi. Hal ini dapat membantu tim penjamin emisi dan penjualan bereaksi dengan cepat dan mematikan area atau pembukuan bisnis yang mencurigakan.
Berbagi informasi
Di balik teknologi inovatif terdapat data yang berkualitas. Meskipun terdapat kolaborasi dan pembagian data yang sangat baik melalui sistem berbasis motor, CUE dan MIAFTR, industri asuransi dapat mengambil manfaat dari kumpulan data yang lebih luas. Mengkategorikan penipuan dengan cara yang spesifik dan seragam, daripada menggunakan istilah yang sangat luas, seperti 'motor' atau 'cedera pribadi', juga merupakan langkah maju. Association of British Insurers (ABI) telah mengidentifikasi serangkaian jenis penipuan yang telah disepakati yang seharusnya mengarah pada standarisasi yang lebih besar tentang bagaimana berbagai penipuan diklasifikasikan. Beberapa perusahaan asuransi juga telah berbagi strategi berbasis lawan, tentu saja dalam properti komersial, yang merupakan tanda positif lainnya. Kolaborasi di seluruh industri semacam ini - 'perjanjian tim penipuan' - yang akan membuahkan hasil di tahun-tahun mendatang.
Penggunaan teknologi inovatif pasti akan terus berkembang. Saat ini, semuanya adalah tentang kecepatan dan kinerja. Nasabah yang jujur mengharapkan klaim mereka diselesaikan dengan cepat dan dengan gangguan minimal. Namun deteksi penipuan tidak harus bertentangan dengan perjalanan pelanggan yang positif, dan identifikasi cepat terhadap kasus-kasus yang meragukan sangat penting untuk membasmi tren penipuan yang muncul.
Blog ini memuat kutipan dari webinar Sedgwick baru-baru ini yang dipandu oleh Ian Carman, di mana panel ahli industri memperdebatkan perpaduan antara kecerdasan buatan dan kecerdasan manusia dalam memerangi penipuan.
Terima kasih banyak kepada para panelis berikut ini atas partisipasinya:
- Dan Edwards, manajer klaim pertanggungjawaban, Enterprise Rent-A-Car
- Arnaud Grapinet, kepala ilmuwan data, Shift Technology
- Kevin Kingdon, manajer penipuan properti komersial, Aviva
- Simon Roylance, klaim pencegahan kejahatan, LV
- Stephen Dalton, kepala intelijen dan investigasi, IFB
Tags: Tags: Kecerdasan Buatan, Klaim, kejahatan, Fraud, Fraudsters, Inovasi, penipuan asuransi, internasional, Investigasi, jasa investigasi, Investigasi, investigasi, penyelidik, Pembelajaran mesin, Teknologi, Inggris, Pandangan tentang merek, Pandangan tentang kinerja