人工智能（AI）和机器学习技术对检测可疑行为和活动大有帮助。
然而，保险欺诈识别和理赔验证仍然是技术需要人工干预的一个领域。
这并不一定是机器与人工的对立，事实上，它们是相辅相成的。在筛选无数索赔、法医成像分析和预测分析的过程中，你会发现这些都是索赔处理人员或欺诈调查人员无法以同样的速度和准确度完成的工作。该技术在加快欺诈筛查过程的同时，成功地减少了误报，并产生了可靠的结果。
混合方法
在识别可疑索赔方面没有单一的解决方案，因此需要一种混合方法--利用技术快速处理大量索赔，利用人工智能识别可疑模式，利用行为科学帮助管理与客户的讨论。虽然人工智能不能做出决策，但它能为理赔人员和调查人员指明正确的方向。通过快速识别问题，人工智能可以帮助确定具体问题，从而突出索赔值得调查的问题。欺诈调查员始终需要处理输出的数据。更不用说，在虚拟或实体访问之后，数据会增加两倍，这就凸显了一对一调查的重要性。
保单持有人欺骗行为的侦测非常敏感，需要强大的对话管理技能，并辅以数字语音风险分析。这必须是一个精心管理的过程--在结构上要让欺诈者知道他们何时暴露。通常情况下，他们会选择放弃索赔--保险公司可以根据具体情况考虑他们的反应。
更广阔的景观
新的趋势也在不断出现，欺诈者不断寻找新的欺诈方式。幸运的是，现在的技术使我们能够在最早阶段发现新的活动高峰。机器学习甚至可以发现机会主义欺诈--例如，发现客户开始意识到并利用理赔门槛。在责任和人身伤害工作中，除了传统的欺诈模式外，技术还能检测出具有相同联系的律师和医生，参考社交媒体帖子，并将所有信息整合在一起，从而找出潜在的欺诈行为。
人工智能着眼于更广阔的视野，从大数据角度审视欺诈行为--从夸大索赔到复杂的有组织犯罪活动--并与市场上发生的情况进行比较。这些新技术的应用提高了反欺诈团队的效率，确保调查人员的精力和业务支出投入到最有力的案件中。
数据洞察力
识别欺诈只是其中的一部分。技术还可以及早洞察新的欺诈趋势，提供微观层面的细节--邮编、索赔类型和人员--使调查人员能够在发生欺诈时获得准确的信息。这可以帮助承保人和销售团队做出快速反应，并关闭可疑区域或业务账簿。
共享信息
创新技术之外还有高质量的数据。虽然通过基于汽车的系统、CUE 和 MIAFTR 实现了出色的合作和数据共享，但保险业仍可从更广泛的数据集共享中获益。以具体、统一的方式对欺诈进行分类，而不是使用非常宽泛的术语，如 "汽车 "或 "人身伤害"，也是向前迈进的一步。英国保险商协会（ABI）已经确定了一套商定的欺诈类型，这将使各种欺诈的分类更加标准化。一些保险公司还分享了以对手为基础的策略，当然是在商业财产领域，这是另一个积极的迹象。正是这种全行业范围的合作--"欺诈团队条约"--将在未来数年内带来红利。
创新技术的使用必将越来越多。如今，一切都讲究速度和性能。诚实的客户希望他们的理赔能迅速得到解决，并将干扰降到最低。但是，欺诈检测并不一定要与积极的客户旅程相冲突，快速识别可疑案件对于消除新出现的欺诈趋势至关重要。
本博客摘录了最近由伊恩-卡曼（Ian Carman）主持的塞奇威克网络研讨会的内容，会上行业专家小组就人工智能和人类智能在打击欺诈中的结合进行了讨论。
非常感谢以下小组成员的参与：
- 企业租车公司责任索赔经理 Dan Edwards
- Shift Technology 首席数据科学家 Arnaud Grapinet
- 凯文-金顿（Kevin Kingdon），英杰华集团商业地产欺诈经理
- 西蒙-罗伊兰斯，索赔犯罪预防，LV
- 斯蒂芬-道尔顿，IFB 情报和调查主管
标签 人工智能,索赔,犯罪,欺诈,欺诈者,创新,保险欺诈,国际,调查,调查服务,调查,调查员,机器学习,技术,英国,品牌观点,业绩观点