Nicolas Michellod is senior analyst bij Celent met ruim twintig jaar ervaring in de financiële sector. Met zijn onderzoek richt hij zich op trends in de verzekeringsmarkt , waaronder voorspellende analyse en dienstverlening op het gebied van datatechnologie. Hij presenteerde dit blog tijdens FRAUDtalks 2018 in Amsterdam.
Frauduleuze claims zijn geen nieuw probleem in de verzekeringssector, maar technologische ontwikkelingen bieden wel nieuwe oplossingen voor dit probleem. Een van de meest ingrijpende veranderingen is het gebruik van artificial intelligence (AI). Uit een recente enquête onder verzekeringsmaatschappijen bleek dat meer dan driekwart van hen investeert in AI, ten opzichte van een derde het voorgaande jaar. Twee derde van de ondervraagde organisaties verwacht dat de invloed van artificial intelligence vooral merkbaar zal zijn bij claims.
Nicolas Michellod en Fred Teeven bij FRAUDtalks 2018Artificial intelligence biedt geweldige mogelijkheden om het proces van claimafhandeling te verbeteren en meer fraude op te sporen. Zoals met iedere nieuwe technologie is het aan de organisatie om optimale omstandigheden te creëren. De volgende vier factoren dragen bij aan een goed organisatieklimaat om AI technologie succesvol te implementeren:
- Data
- Technieken om fraude op te sporen
- Werknemers met de juiste vaardigheden
- Organisatiecultuur
Gebruik je data!
Verzekeringsmaatschappijen hebben toegang tot enorme hoeveelheden data uit veel verschillende bronnen. Van online bronnen zoals sociale media, waar mensen op ongekende schaal hun persoonlijke informatie delen, tot de interne data die verzekeringsmaatschappijen zelf aanmaken. Op deze manier leren verzekeraars van afgehandelde zaken waarvan al is vastgesteld dat het gevallen van fraude zijn. Technologie kan vervolgens helpen om deze kennis toe te passen op toekomstige zaken en het proces voor schadeafhandelingen te automatiseren en te optimaliseren.
Die grote berg data is echter niet altijd even toegankelijk. Verzekeringsmaatschappijen kampen vaak met een ‘silo-mentaliteit’ waarbij verschillende afdelingen van de organisatie hun data niet met elkaar delen. Het integreren van data is een voorwaarde om toegang te krijgen tot de waardevolle informatie die de data herbergt. Integratie geeft verzekeraars de mogelijkheid om hun data effectief te gebruiken en zo een compleet beeld van hun klanten te krijgen.
Nicolas Michellod en Joe Stephenson tijdens de FRAUDtalks netwerk receptieTechnieken voor fraudedetectie
Om waardevolle informatie uit ruwe data te kunnen halen, moeten bepaalde technieken worden toegepast. De volgende methoden kunnen helpen om mogelijke gevallen van fraude op te sporen:
- Patronen herkennen – Bijvoorbeeld een medisch dienstverlener die bepaalde behandeling te hoog declareert op basis van niet passende In een model voor het herkennen van patronen zou een dergelijke neiging tot te hoog declareren naar voren komen als waarschuwingssignaal.
- Afwijkingen opsporen – Wanneer bepaalde gevallen significant afwijken van de rest van de data, is er sprake van een anomalie, wat kan wijzen op iets verdachts.
- Tekst mining – Een techniek waarbij patronen worden afgeleid uit grote hoeveelheden tekst. Dit kan worden toegepast om bepaalde woorden te markeren die bekend staan als goede indicatoren voor verdachte activiteit.
- Netwerkanalyse – Sociale media kunnen helpen om hechte sociale connecties van claimers in kaart te brengen. Stel dat een klant een claim indient na een auto-ongeluk en uit een analyse van diens sociale netwerk blijkt vervolgens dat een van de betrokken partijen bij het ongeluk een goede vriend van de claimer is. Dit kan iets zijn wat de verzekeringsmaatschappij verder wil onderzoeken.
- Afbeeldingen screenen – Verzekeringsmaatschappijen gebruiken in toenemende mate het screenen van afbeeldingen om fotografisch bewijs te behandelen dat eisers aanbieden. Als eisers foto’s uploaden van een auto-ongeluk, wil de verzekeraar natuurlijk wel zeker weten dat op die foto inderdaad de locatie te zien is waar het ongeluk plaatsvond, of de auto waarvan de eiser zegt dat die betrokken was bij het ongeluk.
- Stem-analyse – Verzekeringsmaatschappijen kunnen data verzamelen uit de gesprekken die in hun callcenters worden gevoerd en stem-analyse toepassen op de opgenomen gesprekken en zoeken naar bepaalde emoties in de stem die op fraude kunnen wijzen.
- Machine learning – al deze technieken voor fraudedetectie kunnen worden omgezet in een model. Verzekeringsmaatschappijen breiden hun gebruik van machine learning uit, zodat computers de beslissingen nemen die normaal aan menselijke werknemers zouden worden toebedeeld.
Vaardigheden
Om al die technieken voor data-analyse toe te passen hebben verzekeringsmaatschappijen werknemers nodig met de juiste vaardigheden. Voor veel verzekeraars zijn zulke werknemers lastig te krijgen, zeker op de West-Europese arbeidsmarkt waar een groot tekort is aan dergelijke vaardigheden. Er is een grote vraag naar data- en computerwetenschappers en verzekeraars hebben felle concurrentie van technologiebedrijven. Ze moeten dus manieren vinden om de juiste werknemers aan te trekken.
Schitterend uitzicht op Amsterdam tijdens de FRAUDtalks lunchIedereen aan boord
Zelfs met alle data, analysetechnieken en geschoolde werknemers hebben verzekeringsmaatschappijen nog niet alles om AI in hun organisatie te implementeren. Het belangrijkste is namelijk om de juiste organisatiecultuur te hebben die de implementatie van AI in het werkproces mogelijk maakt. Niet alleen leidinggevenden, maar alle werknemers moeten ervoor openstaan om AI toe te passen in hun dagelijkse werkzaamheden. Om werknemers mee te krijgen in deze ontwikkeling is het van belang dat ze de toegevoegde waarde van AI zelf kunnen ervaren door voorbeelden uit de praktijk. De kernvraag voor verzekeraars is hoe ze de beste manier kunnen vinden om AI in hun organisatie te introduceren. Dat kan bijvoorbeeld door aparte afdelingen op te richten die de implementatie van AI begeleiden en inschatten hoe het de schadeafdeling beïnvloedt.
Hetzelfde fraudeliedje, met nieuwe instrumenten
Verzekeringsmaatschappijen moeten technologische ontwikkelingen toepassen om de manier waarop ze werken te verbeteren. Technologische vernieuwingen vinden in een razend tempo plaats en kunnen de verzekeringssector helpen om sneller en preciezer te werken. Artificial intelligence zal ongetwijfeld een grote invloed hebben op ieder aspect van verzekeringen, en met name in claims fraude zijn er grote vorderingen mogelijk. Hoewel de vijand van verzekeringsfraude niet nieuw is, zijn de wapens en het slagveld continue aan verandering onderhevig. Verzekeringsmaatschappijen moeten deze ontwikkelingen bijbenen en artificial intelligence bovenaan hun agenda hebben staan.
