这并不是什么商业秘密；任何曾经申请过保险或福利的人都知道，这需要大量的表格和文书工作。
这些文件中的内容与指定审查员或理算员的笔记相结合，构成了索赔档案的组成部分。对于像我这样的数据科学家来说，这些信息可能会转化为成千上万的数据点，可以对其进行分析并用于识别趋势和生成报告。
近年来，风险管理信息系统（RMIS）提供商和保险领域的其他公司一直在使用结构化数据（定义明确，通常是定量的，可以很方便地操作）来填充自动化仪表板和衡量结果。然而，非结构化数据（如扫描文件、电子邮件信息和自由形式的笔记）大多是定性数据，从理赔系统的角度来看，由于从中提取信息需要花费大量时间和精力，因此在很大程度上仍是一种尚未开发的资源。直到现在。
NLP：新领域
自然语言处理（NLP）是人工智能的一种应用，计算机可以像人一样 "阅读 "和解释数字信息。NLP 的使用范围从基本的文本处理到机器学习，使计算机能够从人类语言中推断出意义。
NLP 技术具有巨大的潜力，可以为索赔管理的各个方面带来更高的效率和更深入的洞察力。我想重点介绍几种 NLP 应用，作为该技术如何提高我们的运营效率以及为客户及其员工和客户提供服务的范例。
理赔受理自动化
Sedgwick 的一些美国客户通过专用电子邮件地址报告新的工伤索赔。我们有一组同事负责监控该邮箱，并将所有索赔细节手动输入我们的受理系统。根据某一天进入邮箱的请求数量，索赔申请可能会在队列中等待几个小时。
我们已经开始实施一项计划，利用 NLP 彻底改变这一流程。对于我们的试点客户，我们采用了机器人流程自动化（RPA）来监控邮箱的接收流量。当有新邮件进来时，"机器人 "会保存附件文件并上传到我们的smart.ly 平台。机器人使用 NLP 阅读文件，并自动提取启动理赔流程所需的 93 条信息。这比简单的数字化和光学字符识别（OCR）要复杂得多；我们已经对系统进行了训练，使其能够接受各种文件格式，并将嵌入信息与标签/值对中的适当字段进行匹配，准确度极高。
一旦系统验证了提取的数据，就会创建新的索赔申请--所有这些都在一分钟内完成，无需人工干预！在这个试点项目中使用 NLP，大大缩短了受理的周转时间，这意味着我们可以更及时地指派检查人员，为工伤事故后的伤病工人提供帮助。我们的目标是在未来数月内向更多客户推广这一解决方案。
代位机会
在 Sedgwick，我们的职责之一是调查索赔的相关情况，并确定由谁负责赔偿损失。通常是我们的客户，有时则是其他第三方。如果我们的客户支付了索赔，而我们确定其他方是责任方，我们就会通过代位权来收回款项。
当然，客户总是乐于看到这些费用能够得到合理的补偿；但是，要确定哪些索赔需要代位求偿却很有挑战性。我们拥有一支经验丰富的优秀专家团队，他们会仔细审查索赔，以确定可能的追偿机会，但第三方责任往往没有明确说明。
为了帮助我们更好地支持客户识别可以代位求偿的索赔，我们正在开发一个计算机化模型，该模型利用 NLP 和机器学习，可以审查索赔说明和文件，寻找第三方责任的语言线索。我们建立的模型可查找可能暗示另一责任方的参考资料，如产品故障、狗咬伤和追尾碰撞。这些线索与我们的专业专家寻找的线索是一样的，只是计算机可以在更短的时间内阅读更多的文本。初步测试表明，在识别值得进一步调查的代位索赔方面，该模型的效率是人工的 70% 以上。
未来展望
这只是 NLP 技术为理赔管理带来价值和提升的众多方法中的两种。我们正在不断探索新的可能性，以利用我们的非结构化数据（包括我们的美国伤亡和劳动力缺勤索赔主要系统中的 40 多亿条记录！）来提高一致性和效率。
正如这些例子所强调的，这项技术背后的意图并不是要消除人的参与；相反，它是要将流程中的琐碎环节自动化，从而让才华横溢、富有爱心的专业人士能够更好地做他们最擅长的事情。在受理过程中使用 NLP，可以让我们的同事将精力集中在客户服务的战略和移情驱动方面。同样，我们的NLP代位求偿模式永远不会取代我们的追偿专家。它被设计为另一种工具，帮助客户最大限度地利用代位机会，公平地分配损失责任。利用 NLP 快速扫描成千上万份文件和笔记，将使我们能够更好地利用追偿专家的调查技能，寻求更多有价值的机会。
技术在不断发展，数据科学家们逐渐更多地使用自然语言理解而非处理；然而，理赔中的人性化因素却始终存在。在 Sedgwick，我们的信念是 "关爱至上"，这意味着我们将始终拥有技术精湛、富有同情心的同事，随时准备在意外发生时提供帮助。
> 了解更多- 了解 Sedgwick 以人为本、技术领先和数据驱动的数字体验。
标签 人工智能, 人工智能 技术,人工智能,索赔,索赔 数据,索赔技术,消费者体验,数据,数据科学,数字之旅,数字技术,自然语言处理,NLP,机器人流程自动化,机器人处理自动化,RPA,技术,技术 + 消费者体验,业绩观