loading
De laatste ontwikkelingen en expert inzichten in de verzekeringsbranche.
26 maart 2018
  |  
profile-img

Slim Gebruik Maken van Artificial Intelligence voor Image Screening

Verzekeringsmaatschappijen zuigen dagelijks terabytes aan informatie op in de vorm van digitale data. Steeds meer bronnen leveren waardevolle data, waarmee snel een betrouwbaar beeld kan worden geschetst van het aangeboden risico of de ingediende claim. Ongewenste risico’s of frauduleuze claims kunnen uit het proces worden gefilterd. Om die grote hoeveelheden te kunnen verwerken en omzetten in toepasbare kennis en inzicht, is ‘state of the art’ technologie nodig. Dat is intelligente programmatuur die in staat is snel te verwerken, snel zelf te leren, slimme conclusies te trekken en aanbevelingen te doen. Zoals een mens dat zou kunnen, maar dan vele malen sneller en efficiënter. We hebben het over Artificial Intelligence (AI).

3 typen Artificial Intelligence (AI)

slim-gebruik-maken-van-artificial-intelligence-voor-image-screeningRuwweg kun je drie soorten Artificial Intelligence onderscheiden. De eerste is die waarvan iedereen kan profiteren. Deze wordt ook wel ‘general’ AI genoemd. Denk bijvoorbeeld aan natural language processing, gezichtsherkenning of augmented reality. Bij de laatste herkent de technologie de werkelijke wereld en verrijkt deze met informatie uit de virtuele wereld. Wij gebruiken bepaalde services uit general AI om specifieke processen te kunnen ondersteunen in de volgende twee vormen van AI.

De tweede vorm – ‘product based’ AI –  heeft betrekking op specifieke producten. Denk bijvoorbeeld aan systemen die computervirussen detecteren en onschadelijk maken, spam uit de email filteren, of – om een voorbeeld uit de verzekeringswereld te noemen –  bepaalde fraudepatronen herkennen. Dit is voor ons van grote waarde. Door de AI veel informatie over fraudecases te ‘voeren’ wordt deze steeds beter in deze specifieke taak. De systemen leren door het gebruik en de feedback van veel verschillende gebruikers.

De  derde vorm van AI is de ‘custom’ of ‘domain specific’ AI. Oftewel AI die heel specifiek wordt toegepast binnen een niche. Een voorbeeld hiervan in de verzekeringswereld is AI die al getraind is in het herkennen van fraudepatronen, afgestemd op de Straight Through Processing (STP) en de specifieke kenmerken van één verzekeraar: de specifieke producten, de doelgroepen, de distributiekanalen en het proces van claimbehandeling. Per verzekeraar kunnen we kijken hoe AI het beste is in te passen in het bedrijfsproces.

AI en Image Analysis

De kracht zit vaak in de combinatie van deze drie soorten AI. Bijvoorbeeld het gebruik van AI bij de analyse van beeldmateriaal in een STP omgeving, waarbij tegelijkertijd fraude herkend kan worden. Verzekeraars ontvangen tegenwoordig enorme hoeveelheden beeldmateriaal die claims illustreren en gebruikt worden bij de verwerking hiervan. Bijvoorbeeld voor het vaststellen van de legitimiteit van de claim. De foto’s komen van de verzekerde zelf, van tussenpersonen, van schadeherstelbedrijven en van experts. Het kunnen foto’s zijn die de schade zelf zichtbaar maken; denk aan autoschade, glasschade of brandschade. Maar ze kunnen ook dienen om aan te tonen dat gestolen of verloren geraakte goederen daadwerkelijk in het bezit waren de verzekerde. Denk aan sieraden, kleding, camera’s en dergelijken.

Claimbeoordeling

slim-gebruik-maken-van-artificial-intelligence-voor-image-screeningOm het beeldmateriaal goed te kunnen gebruiken moet zeker gesteld zijn dat de juiste foto’s aangeleverd zijn en dat het beschadigde object vanuit elke gewenste hoek is gefotografeerd. Ook moet worden vastgesteld dat het object op de foto daadwerkelijk het verzekerde object is, dat niet een oude schade wordt ‘mee-geclaimd’ en dat de foto niet eerder is gebruikt of van het internet is geplukt en gemanipuleerd. Vervolgens moeten de schade en de kosten van de schade kunnen worden vastgesteld. Is de auto total loss? Hoe groot is de brandschade? Zijn er zichtbare bijzonderheden die kunnen wijzen op fraude?

Deze analyse kan worden gedaan door het toepassen van de 3 soorten AI, zoals eerdergenoemd. General AI wordt getraind met miljoenen afbeeldingen om algemene objecten zoals auto’s, ramen, gebouwen, etc. op images te kunnen identificeren. Door de enorme hoeveelheid data en de grote rekenkracht, kan dit razendsnel en met grote trefzekerheid worden uitgevoerd.

De product based AI wordt getraind aan de hand van specifieke claims – zoals glasschade – om de hoogte van de schade vast te stellen en eventuele fraude te herkennen.

Als laatste stap kan de AI met verschillende machine learning algoritmes getraind worden in het specifieke domein waarin deze wordt toegepast: het proces van de betreffende verzekeraar. Met de combinatie van de drie soorten AI kan de claim optimaal en zo efficiënt mogelijk worden afgehandeld. Naar mate de AI langer zijn werk doet en steeds wordt gevoed met grote hoeveelheden data en met feedback over de afhandeling, doet hij steeds sneller en beter zijn werk. Het beoordelen van claims gaat daardoor sneller en in sommige gevallen (bij STP) zelfs volledig automatisch. Frauduleuze claims worden er meer en meer uitgefilterd.

Naast Image analytics zijn er tal van andere vormen van AI beschikbaar en in ontwikkeling. Hiermee kunnen verzekeraars hun proces van risicoanalyse en fraudeherkenning aanzienlijk verbeteren. In de komende tijd zal ik met een aantal op onze ervaring met fraudebestrijding gebaseerde cases, hierop inzoomen.

 

Leer hier meer over de toekomst van Straight Through Processing (STP).

Neem contact op

Cookie- en Privacyverklaring

1. Inleiding

Bij het gebruik van deze website kan door FRISS informatie over uw gebruik van deze website en de aangeboden content worden verzameld. Wij vinden het belangrijk om uw (persoons)gegevens met alle zorgvuldigheid en vertrouwelijkheid te behandelen. Bij de verwerking van uw persoonsgegevens houden wij ons aan de Algemene Verordening Gegevensbescherming en artikel 11.7a van de Telecommunicatiewet.

1.1.  Verantwoordelijke

De verantwoordelijke voor de verwerking van persoonsgegevens is:

FRISS Fraudebestrijding B.V.
Orteliuslaan 15
3528 BA
Utrecht

Deze verwerking van persoonsgegevens is aangemeld bij de Autoriteit Persoonsgegevens te ’s-Gravenhage onder meldingsnummer m00004997.

1.2.  Doeleinden van de gegevensverwerking

Op onze website kunt u op meerdere plaatsen in formulieren (persoons)gegevens invullen. Hieronder zullen wij de doelen van de diverse gegevensverwerkingen uitleggen.

Contactformulier of het sturen van een e-mail

Als u het contactformulier op onze website invult of ons een e-mail stuurt, dan zullen wij de door u verstrekte (persoons)gegevens uitsluitend gebruiken voor het doel of de doelen waarvoor u het contactformulier heeft ingevuld of de e-mail heeft verzonden.

Downloadformulier

Als u op onze website bestanden (zoals e-books, whitepapers of rapporten) download, dan zullen wij de door u verstrekte (persoons)gegevens gebruiken voor een of meer van de onderstaande doeleinden:

  • voor de uitvoering van een overeenkomst, bijvoorbeeld om het door u gekozen e-book, whitepaper of rapport toe te sturen;
  • voor het tot stand brengen van een overeenkomst, bijvoorbeeld door u telefonisch of schriftelijk te benaderen.

Nieuwsbrief

Als u op onze website het aanmeldingsformulier van de nieuwsbrief invult, zullen uw (persoons)gegevens worden gebruikt om u de nieuwsbrief toe te sturen. Iedere nieuwsbrief bevat onderaan het bericht een hyperlink waarmee u zich kunt afmelden.

In aanvulling op de persoonsgegevens die u zelf verstrekt aan FRISS, kan FRISS aanvullende (persoons)gegevens verzamelen, vastleggen en verwerken als u gebruik maakt van de (web)diensten van FRISS. Het gaat hierbij om de volgende persoonsgegevens:

  • gegevens van de gebruikte apparatuur zoals een unieke device-ID, versie van het besturingssysteem en instellingen van het apparaat dat u gebruikt om toegang te krijgen tot een dienst;
  • gegevens van het gebruik van een dienst, zoals het tijdstip waarop u gebruik maakt van de dienst en het soort dienst dat wordt gebruikt;
  • locatiegegevens afkomstig van uw apparatuur of afgeleid van uw IP-adres die aan ons worden doorgegeven wanneer u een bepaalde dienst gebruikt;
  • gegevens beschikbaar in externe bronnen. Wij kunnen informatie over u ontvangen van publieke of commercieel beschikbare bronnen.

1.3.  Verstrekking van (persoons)gegevens aan derden

Uw (persoons)gegevens worden zonder uw toestemming nooit verstrekt aan derden, tenzij hiertoe op grond van wet- of regelgeving een verplichting bestaat of u hiervoor toestemming heeft verleend.

1.4.  Beveiliging gegevens

FRISS respecteert uw privacy en draagt er zorg voor dat persoonsgegevens vertrouwelijk en met de grootst mogelijke zorgvuldigheid worden behandeld. Alle verwerkte (persoons)gegevens worden uitsluitend opgeslagen in beveiligde databases. Deze databases zijn alleen toegankelijk voor medewerkers van FRISS, voor zover dat uit hoofde van hun functie noodzakelijk is. FRISS spant zich ervoor in deze systemen te (laten) beveiligen tegen verlies en/of tegen enige vorm van onrechtmatig gebruik of verwerking.

1.5.  Inzage, correctie en verwijdering van gegevens en recht van verzet

U kunt te allen tijde en zonder kosten inzicht krijgen in uw gegevens die door FRISS zijn verwerkt en deze gegevens desgewenst aanpassen of laten verwijderen. Ook kunt u bezwaar maken tegen het ontvangen van informatie over de producten, diensten of content van FRISS. Indien u van een van deze mogelijkheden gebruik wenst te maken, kunt u een e-mail sturen naar de Data Protection Officer van FRISS via privacy@friss.eu of schriftelijk naar het volgende adres:

FRISS | fraud, risk & compliance
T.a.v. Data Protection Officer
Orteliuslaan 15
3528 BA Utrecht.

2. Cookies

Bij het gebruik van deze website kan door of namens FRISS informatie over uw gebruik van deze diensten en andere websites worden verzameld, bijvoorbeeld door middel van cookies.

Een cookie is een klein bestandje dat met pagina’s van een website wordt meegestuurd en door uw browser op de harde schijf van uw computer wordt opgeslagen. Wij gebruiken cookies om instellingen en voorkeuren te onthouden. U kunt deze cookies uitzetten via uw browser.

2.1.  Doeleinden gebruik cookies FRISS

Op onze website maken wij gebruik van cookies voor de volgende doeleinden:

  • statistische doeleinden om het gebruik van de FRISS websites te analyseren. Zo houden wij het aantal bezoekers bij en kijken wij welke onderdelen van onze website populair zijn. Om deze statistieken te kunnen bijhouden en raadplegen, maken wij gebruik van Google Analytics. Op deze website kunt u uitleg vinden over alle mogelijke cookies die door Google worden geplaatst;
  • Indien u gebruik heeft gemaakt van het downloadformulier: voor zogeheten “targeting” doeleinden. Met targeting bedoelen wij het opbouwen van een profiel van u op basis van uw surfgedrag op onze website, waarna wij telefonisch of per e-mail contact met u kunnen opnemen op basis van de getoonde interesses om na te gaan of FRISS diensten kan aanbieden waar u mogelijk belangstelling voor heeft. Om dit te kunnen bijhouden en raadplegen maken wij gebruik van HubSpot. Op deze website kunt u uitleg vinden over alle mogelijke cookies die door HubSpot worden geplaatst.

3. Wijziging van deze Cookie- en Privacyverklaring

FRISS kan wijzigingen aanbrengen in deze Cookie- en Privacyverklaring. Elke aanpassing zal op deze pagina worden gepubliceerd. Wij raden u aan deze Cookie- en Privacyverklaring geregeld te raadplegen, zodat u altijd op de hoogte bent van de inhoud van de geldende Cookie- en Privacyverklaring.

 

Inschrijven