ШІ дає страховій галузі вирішальну перевагу в боротьбі з шахрайством

Дослідження CLARA Analytics показує, що моделі машинного навчання можуть виявляти підозрілі схеми виплат за кілька тижнів до того, як це роблять традиційні методи, що потенційно може заощадити мільярди гривень на шахрайських виплатах.

Згідно з дослідженням CLARA Analytics, штучний інтелект може ідентифікувати потенційно шахрайські страхові вимоги протягом двох тижнів з моменту їх подання, що є значним досягненням порівняно з традиційними методами виявлення, які зазвичай вимагають набагато більшого часу.

Страхова індустрія є свідком фундаментальних змін у тому, як швидко можна виявити підозрілу діяльність за допомогою передової аналітики та штучного інтелекту.

У дослідженні CLARA Analytics, проведеному в листопаді 2024 року, було вивчено майже 3 000 страхових випадків за чотири роки, щоб визначити, чи може одна з моделей точно ідентифікувати відхилення та ознаки шахрайства, які заслуговують на направлення до спеціальних підрозділів розслідування (SIU). Дослідження показало, що моделі машинного навчання виявляли порушення в структурі заяв на кілька тижнів раніше, ніж традиційні підходи до розслідування.

Таке прискорення у виявленні шахрайства відбувається завдяки складним алгоритмам, які аналізують шаблони розробки заявок, не покладаючись на заздалегідь визначені індикатори шахрайства. На відміну від традиційних методів, які залежать від встановлених "червоних прапорців", ці неконтрольовані системи навчання можуть виявляти раніше невідомі шахрайські дії, вивчаючи взаємозв'язки даних і аномалії, які люди-слідчі можуть не помітити, згідно з CLARA Analytics.

Результати дослідження показують, що приблизно 9% відкритих претензій потребують направлення до SIU, причому прогнози ШІи-моделей тісно пов'язані з фактичними направленнями, зробленими людьми-аджастерами. Однак здатність технології виявляти потенційні проблеми протягом двох тижнів після першого повідомлення про збиток дає страховикам вирішальну перевагу у вирішенні підозрілої активності до того, як витрати зростуть, повідомляє CLARA.

Географічні закономірності та вплив на галузь

Дослідження виявило значні регіональні відмінності в активності шахрайства у сфері автоцивілки, причому Каліфорнія має найвищий ризик шахрайства – 17%, за нею слідує Іллінойс – 11%. Крім того, Мічиган та Арізона демонструють найвищу концентрацію "високого потенціалу направлення до ССО" – 34% та 26%, відповідно, заяв, які потребують направлення до ССО, як показало дослідження.

Ці географічні дані свідчать про те, що для ефективної боротьби з організованими схемами шахрайства на певних ринках можуть знадобитися посилені ресурси моніторингу та розслідувань, зазначає CLARA.

Більш широкі наслідки для страхового сектору є суттєвими, враховуючи, що шахрайські заяви накладають на галузь щорічний тягар у розмірі 40 мільярдів доларів США, не враховуючи шахрайство у сфері медичного страхування. Цей величезний фінансовий вплив в кінцевому підсумку впливає на всіх страхувальників через збільшення витрат на страхові премії, що робить системи раннього виявлення критично важливими для підтримки доступного страхового покриття.

"Це дослідження є значним кроком вперед у підходах страхової галузі до виявлення шахрайства, – каже Прагаті Дхакал, директор департаменту рішень з врегулювання збитків CLARA Analytics. "Використовуючи передову аналітику, ми показали, що страховики можуть виявляти потенційне шахрайство набагато раніше в процесі врегулювання збитків, що потенційно може заощадити мільярди шахрайських виплат".

Дослідження також виявило складні мережі, що пов'язують адвокатів та медичних працівників, які традиційні методи розслідування часто не можуть виявити. Ці професійні відносини можуть вказувати на скоординовані схеми шахрайства, коли кілька сторін співпрацюють для завищення вимог або створення фіктивних травм і збитків, йдеться у звіті.

Сила методології полягає в її здатності виявляти нові схеми шахрайства, які не збігаються з історичними випадками. "Особливо перспективним у цьому підході є те, що він не покладається на заздалегідь встановлені індикатори шахрайства, – додає Дакал. "Використовуючи методи неконтрольованого навчання, система потенційно може виявляти нові шаблони шахрайської діяльності, які можуть не збігатися з історичними випадками".

Крім прямої економії коштів за рахунок запобігання шахрайським виплатам, CLARA стверджує, що ця технологія пропонує те, що дослідники називають "ефектом вартового". Це явище виникає, коли потенційні шахраї дізнаються, що страховик використовує складні системи виявлення, що спонукає їх націлитися на інші компанії з менш надійними можливостями моніторингу.

Ознайомитися зі звітом можна тут.