Согласно недавнему отчету Deloitte, страховое мошенничество остается вторым по величине после уклонения от уплаты налогов преступлением, приносящим наибольший ущерб должностным лицам в США.
По данным, компании по страхованию имущества и ответственности (P&C) ежегодно теряют около $122 млрд, а потери от технологий обнаружения мошенничества, по оценкам, вырастут с $4 млрд в 2023 году до $32 млрд к 2032 году, то есть увеличатся в восемь раз.
В то же время Федеральное бюро расследований сообщает, что мошенничество со страховкой обходится среднестатистической американской семье в 400–700 долларов в год из-за увеличения страховых взносов для покрытия расходов.
«Продолжение повышения премий для компенсации потерь от мошенничества, вероятно, не является жизнеспособной стратегией для долгосрочной прибыльности и роста доли рынка», — говорится в отчете Deloitte. «Объединяя технологии борьбы с мошенничеством на основе искусственного интеллекта с передовой аналитикой данных (в зависимости от законодательства каждой юрисдикции), страховщики могут расширить свои возможности по обнаружению и предотвращению мошенничества. Страховщики, которые объединяют сложные технологии с человеческими возможностями, могут обнаруживать мошенничество с претензиями и потенциально могут сэкономить миллиарды долларов для страхователей».
Как ИИ может помочь обнаружить и предотвратить мошенничество?
Текстовая аналитика. Обработка естественного языка анализирует текстовые данные форм заявлений, электронных писем и сообщений в социальных сетях для определения ключевых слов и сущности сообщений. В то время как заявления с подозрительным языком или непоследовательными данными могут быть помечены для дальнейшего расследования, такие правила, как Закон Колорадо об ИИ, требуют, чтобы модели на основе алгоритмов ИИ избегали дискриминации и предвзятости при пометке риска.
Анализ аудио-изображений-видео. Распознавание речи и анализ настроений могут проверять звонки клиентов на наличие признаков принуждения, разрешенных в соответствии с Законом Европейского союза об искусственном интеллекте об эмоциональном выводе для обеспечения безопасности. Анализ фотографий может выявлять нарушения в метаданных, манипуляции и повторное использование. Анализ причинно-следственных связей может определять, соответствовали ли предполагаемые травмы произошедшему несчастному случаю. Аналитика видео может проверять возникновение и степень ущерба, определять подлинность изображений и выделять признаки фальсификации или инсценировки.
Геопространственный анализ. Спутниковые снимки и комплексные 3D-кадры с дронов могут подтвердить масштаб и местоположение повреждений, которые могут быть нечетко видны при физическом осмотре. Это также может снизить риск получения травм персоналом по претензиям, особенно на местах стихийных бедствий.
Данные Интернета вещей. Устройства наблюдения в реальном времени, такие как телематика транспортных средств, могут реконструировать аварии и проверять законность заявлений. Датчики умного дома, такие как детекторы протечек воды и камеры видеонаблюдения, могут помочь собрать доказательства, которые можно использовать для проверки заявлений и обнаружения мошеннических или инсценированных действий.
Имитационные модели. Воспроизведение поведения поставщиков медицинских услуг, ремонтных мастерских и других организаций, с которыми могут работать отдельные лица в различных сценариях, в контролируемой виртуальной среде позволяет выявлять закономерности и отклонения от стандартных отраслевых практик, а также выявлять такие случаи, как выставление завышенных счетов, ненужные услуги, скоординированные действия или возможные конфликты между организациями.
Подготовлено порталом Allinsurance.kz