기계 학습이 보험 청구를 변경하는 방법

데이터는 모든 종류의 기계 학습의 기초입니다.  (ipopba/어도비 스톡) 데이터는 모든 종류의 기계 학습의 기초입니다. (ipopba/어도비 스톡)

기계 학습(“ML”)은 보험 업계에서 가장 빠르게 성장하는 관심 분야 중 하나가 되었습니다. 그리고 보험 내에서 클레임 관리는 알고리즘을 훈련하는 데 사용할 수 있는 데이터의 양과 클레임을 평가하는 데 사용되는 데이터의 일관성 때문에 이 기술을 사용하기에 가장 유망한 영역 중 하나를 제공합니다. 여기에서는 아동 입양을 줄이는 목적과 과제를 위한 ML의 일부 응용 프로그램을 살펴봅니다.

사기에 주의

사기 감지 아마도 보험 회사 중에서 ML을 가장 많이 채택한 곳일 것입니다. 다음과 같은 기본 사항 시프트 기술, 프리스 그리고 올빼미 연구소 그들은 캐리어로부터 높은 수요를 보았고 그들의 성장을 지원하기 위해 투자자로부터 더 많은 투자를 유치했습니다. 이러한 도구는 타사 데이터에서 생성된 대규모 과거 데이터 세트에 대한 최첨단 과학을 사용하여 작동합니다.

보험사는 종종 더 빠르고 투명한 보상을 제공할 수 있기 때문에 ML 기반 사기 탐지 시스템을 신속하게 채택했습니다. 많은 사기 그룹이 규칙을 채택하고(종종 개혁자의 맥락 내에서) 사기로 보이는 것에 초점을 맞추는 경향이 있으며, 이는 심각한 사기 사례를 무시할 수 있습니다. 대조적으로, ML은 종종 다른 사람이 말하는 내용에서 분명하지 않을 수 있는 미묘한 사기 패턴을 감지할 수 있습니다. 예를 들어, 한 자동차 대리점이 항상 가장 많은 수익을 창출합니까? 의사 진료실은 항상 저위험 사례의 뇌졸중 환자를 진료합니까? 이와 같은 예는 보험 계약자 또는 판매자에 대한 모든 과거 청구를 보면 알 수 있습니다.

자동화된 평가자

주요 활동의 추가 부분을 사용할 수 있습니다. 피해 평가. 해당 콘텐츠의 이미지를 분석하기 위해 컴퓨터 비전을 개발하는 것은 특히 개인 라인에서 여러 신생 기업의 주요 추세가 되었습니다.

자동차 제품의 경우 기업이 선호하는 가능한 그리고 페이지 법 집행관이 손상된 차량의 사진을 제출하고 감정인이 사진을 보지 않고도 청구할 수 있도록 허용합니다. 그들의 모델은 유사한 차량의 과거 경험에 대해 교육을 받았으며 종종 즉시 응답하거나 결정을 진행하는 방법에 대해 충분한 정보를 바탕으로 결정을 내릴 수 있을 정도로 정확합니다. 컴퓨터 비전 분석은 의사 결정 속도를 높이고 청구 누출을 줄이며(보상을 위해 더 많은 비용을 지불함) 고객 경험을 개선합니다. 전문 테스터는 여전히 역할이 있지만 자신감이 부족한 더 어려운 상황으로 이어집니다.

우리는 자산 손상 분석에서 처음부터 다음과 같이 나타나는 유사성을 봅니다. 플라이 릴 (LexisNexus에서 인수), 정상까지 걸어그리고 호스타 연구실.

문서 처리

큰 잠재력이 있다고 생각되는 작은 영역은 ML을 사용하여 복잡한 텍스트 처리를 자동화하는 것입니다. 오늘날 자칭 전문가들은 묻혀 있습니다. 간단한 청구에도 사고 보고서, 의사 소견서, 여러 송장, 이메일 및 문서가 포함될 수 있습니다. 이 모든 항목에는 비공식 또는 비공식 형식의 귀중한 정보가 포함되어 있습니다.

자연어 처리(NLP) 컴퓨터 비전 기술은 수동 데이터 입력을 크게 줄일 수 있는 잠재력이 있습니다. ML 소프트웨어는 예를 들어 송장을 스캔하고 개별 항목, 지불 정보 및 송장 번호를 추출할 수 있습니다. 프로세스가 끝나면 유료 전문가는 송장과 필요한 모든 세부 정보만 승인하면 됩니다. 특정 기준을 충족하고 “위험 신호”가 없는 소액 청구는 사람의 개입 없이 받아들일 수 있습니다.

신생 기업은 초기에 한 세트의 스크립트로 모델을 훈련시키는 경우가 많습니다. 하이파토스 송장 처리의 선두 주자입니다. 디지털올빼미 의료 기록 검토에 중점을 둡니다. 그라운드스피드 분석 잃어버린 예술가로 시작했습니다. 보험사는 이러한 도구를 통합하여 문서에서 모든 중요한 정보를 추출하여 청구 전문가가 데이터 입력이 아닌 의사 결정에 집중할 수 있도록 할 수 있습니다.

육아에 대한 장벽

간단히 말해서 ML을 사용하여 청구 관리의 효율성을 높이는 새로운 회사가 등장하고 있습니다. 오늘날 이들 회사가 보험사의 승인을 받는 데 직면한 가장 큰 과제 중 하나는 기존 시스템을 통합하는 것입니다.

데이터는 모든 종류의 기계 학습의 기초입니다. ML 프로그램은 모델을 훈련하고 업데이트하기 위해 과거 데이터가 필요하며 작업을 시작하면 작업할 새 데이터에 빠르게 액세스해야 합니다. 현재 인벤토리에 ML 모델을 배포할 수 있는 기술을 보유한 이동통신사는 소수에 불과합니다.

클레임 관리를 개선할 수 있는 ML 사용 사례가 많이 있습니다. 그러나 많은 스타트업이 초기 파일럿과 관련된 캐리어와 통합하느라 너무 바빠 프로젝트가 POC 단계를 넘지 않습니다. 목적을 위해 ML의 잠재력을 활용하려면 보험사가 IT 시스템을 혁신해야 합니다.

런던에 기반을 둔 Jack Prescott은 보험 기술 분야에 중점을 둔 벤처 캐피털 펀드인 MTech Capital의 수석 파트너입니다. 잭 프레스콧

런던에서, 잭 프레스콧 에서 훌륭한 도우미입니다. 엠텍캐피탈 주가, 벤처 캐피탈 펀드는 인슈어테크 분야에 중점을 둡니다.

또한보십시오:

Leave a Comment