Christian van Leeuwen, CTO da FRISS, (www.friss.eu/en), líder no mercado europeu em software de análise de fraude, risco e conformidade para seguradoras de propriedade e acidentes, fala sobre a importância de promover o uso da Inteligência Artificial para a análise automática de imagens e assim otimizar os processos de identificação de fraudes e análise de risco.
Aqui o artigo: https://www.friss.com/es/blog/impelling-the-use-la-inteligencia-artificial-para-el-analisis-automatico-imagenes/
As companhias de seguros consomem terabytes de informação diariamente na forma de dados digitais. Mais e mais fontes de informação fornecem dados valiosos, que fornecem uma visão geral rápida e confiável de um risco ou de uma reclamação apresentada, e permite filtrar riscos indesejados e reclamações fraudulentas. A tecnologia de ponta é necessária para processar esse fluxo de informações e convertê-las em ideias e conhecimentos aplicáveis. Isso requer um software inteligente capaz de processar informações rapidamente, aprender de forma independente, tirar conclusões inteligentes e fazer recomendações – da mesma maneira que é feito por um ser humano, mas de uma maneira mais astuta e eficiente. Estamos falando da Inteligência Artificial (IA).
Três tipos de IA
Em termos gerais, podemos identificar três tipos de inteligência artificial. O primeiro tipo beneficia a todos e é conhecido como IA “geral”. Exemplos desse tipo de inteligência artificial incluem processamento de linguagem natural, reconhecimento facial e realidade aumentada. O segundo tipo supõe uma sobreposição entre o mundo físico e elementos do mundo virtual. Usamos elementos gerais da IA para apoiar o processo específico dos outros dois tipos de IA.
O segundo tipo, IA baseado no produto, consiste em produtos específicos, como sistemas para identificar e desativar vírus informáticos, programas que filtram o correio não desejado e outros que detectam padrões de fraude. Este último é muito valioso para nós. Quanto mais alimentarmos a IA com informações sobre casos de fraude, melhor será seu desempenho nessa tarefa específica. Os sistemas aprendem fazendo e tirando conclusões dos comentários de diferentes usuários.
O terceiro tipo de IA é a IA customizada ou a IA de domínio específico. Em resumo, a IA é treinada para ser usada num nicho específico. Como exemplo no setor de seguros, a IA é treinada para identificar padrões de fraude e está ligada ao processamento direto (STP, por suas siglas em inglês) e às características de uma companhia de seguros específica: seus produtos específicos, grupos objetivo, canais de distribuição e processos de reclamações. Isto nos permite determinar como a IA pode ser melhor integrada às operações de negócios de cada companhia de seguros em particular.
A IA e o análise de imagens
Frequentemente, melhores resultados são obtidos combinando os três tipos de IA; por exemplo, usando IA para analisar imagens num ambiente STP enquanto em simultâneo se verifica a fraude. As companhias de seguros recebem enormes quantidades de material visual, que é usado para demonstrar e apoiar o processo de reclamações (por exemplo, para determinar a legitimidade de uma reclamação). Segurados, intermediários, oficinas de reparação e especialistas apresentam fotografias para ilustrar os danos (por exemplo, danos ao carro, danos no vidro ou danos causados pelo fogo) ou como prova de que os itens perdidos ou roubados pertenciam ao proprietário (por exemplo, joias, roupas ou câmeras).
Evacuação da reclamação
Para otimizar o uso de fotografias, deve-se determinar que as fotos apresentadas estão corretas e que o objeto danificado foi fotografado de todos os ângulos. Também é importante determinar que o objeto na fotografia seja realmente o objeto segurado, que outros danos anteriores ao incidente não estão incluídos na reclamação, e que a fotografia não foi usada antes, baixada da Internet ou retocada. O próximo passo é determinar os danos e os custos da reparação do dano. Se considera que o veículo sofreu danos por perda total? Qual é a gravidade do dano causado pelo fogo? Existe alguma evidência visível de fraude?
Essas análises podem ser feitas com a ajuda dos três tipos de AI mencionados. A IA geral é treinada com milhões de imagens para identificar objetos gerais, como janelas, edifícios, automóveis, etc. A grande quantidade de dados e o impressionante poder computacional permitem que essas análises sejam realizadas em grande velocidade e com grande precisão.
A IA como base no produto é treinada com demandas específicas (por exemplo, dano de vidros) para determinar o valor do dano produzido e para identificar possíveis instancias de fraude.
Como etapa final, também pode se treinar a IA com algoritmos de aprendizagem automáticos em domínios específicos de aplicação: isto é, o processo usado por cada seguradora em particular. A combinação destes três tipos de IA assegura que o processamento de reclamações seja realizado de forma eficiente e sem contratempos. Quanto mais seja utilizada a IA e quantos mais dados e comentários receba sobre o processo de sinistros, melhor e mais rápido ela funcionará. Isso acelerará o processo de avaliação de sinistros e poderá até levar a um processo totalmente automatizado em alguns casos, como o STP. Como benefício adicional, as reclamações fraudulentas são filtradas de forma mais eficiente.
Além da análise de imagens, existem dezenas de tipos de IA atualmente disponíveis e em desenvolvimento. As seguradoras podem usar essas tecnologias para melhorar e otimizar seus processos de identificação de fraude e análise de risco. Na próxima edição, será abordada essa questão em mais detalhes com alguns exemplos de casos de prevenção de fraudes.
