Seguro: Parte 3: Gestión de reclamaciones

Blog

Publicado

12 jul. 2018

Categoría

Ciencia de datos

Compartir



De: Natasha Mashanovich, Científica de datos superior en World Programming, Reino Unido



Una Reclamación de seguro es "una solicitud formal a una compañía de seguros para la cobertura o indemnización por una pérdida cubierta o un evento de póliza" (fuente: www.investopedia.com). Una vez iniciada, la reclamación suele pasar por un proceso complejo con uno de dos posibles resultados: la reclamación es aceptada, lo que lleva a una liquidación, o es rechazada. El proceso de reclamación es normalmente: contactar a la compañía de seguros, iniciar la investigación del reclamante, verificar la cobertura de la póliza, evaluar los daños y organizar el pago de la indemnización.

Las cifras del sector de seguros del Reino Unido son asombrosas. En promedio, se pagan £ 33 millones por día en reclamaciones de automóviles, £ 13 millones en reclamaciones de propiedades, £ 12,5 millones por protecciones de pólizas y £ 1 millón por reclamaciones de viaje; la reclamación promedia de lesiones corporales es cercana a £ 10 mil; más del 98% de las reclamaciones de automóviles se han aceptado; y el coste anual de las reclamaciones fraudulentas es de £ 1,3 miles de millones. Dichos gastos de reclamaciones significativos pueden llevar a una pérdida de suscripción, esto es especialmente evidente en el seguro de automóviles, donde las ganancias de suscripción solo se han obtenido una vez en los últimos 24 años. (Fuente: www.abi.org.uk, 2017)

Claramente, las aseguradoras se enfrentan a una serie de desafíos que incluyen un alto coste operativo, un aumento constante de la demanda de los clientes, un aumento de las reclamaciones fraudulentas y un largo proceso, que por lo tanto causa la insatisfacción del cliente. Además, el alto costo de TI, la demora en la solicitud de cambio, la TI deficiente y la integración de terceros aumentan el coste operativo, lo que finalmente lleva a una pérdida de suscripción.

A pesar de los esfuerzos continuos para mejorar los procesos de reclamaciones y prevención de fraude, hay un ámbito para mejoras significativas que se centra en un mejor servicio al cliente y experiencia del cliente, mejorando las operaciones y manejando las reclamaciones de manera más efectiva, tanto en términos de tiempo como de recursos.

Para lograr estas mejoras, debemos integrar los sistemas lo mejor que podamos, e incorporar continuamente los avances en análisis predictivo, por ejemplo, y la computación ambiental, como el rastreo GPS de automóviles, dispositivos telemáticos, seguimiento de actividad corporal y reconocimiento de imágenes. El aprendizaje automático y la inteligencia artificial pueden profundizar el análisis retrospectivo y garantizar que las decisiones se basen en los datos y no en la subjetividad.

Una de las áreas importantes de las innovaciones InsurTech es compatible con la primera notificación de pérdida (FNOL). FNOL, como el primer paso en el proceso de las reclamaciones de seguros, normalmente se considera un cuello de botella del proceso, donde un tasador de reclamaciones se enfrenta a una serie de problemas desafiantes y delicados, incluyendo la posibilidad que una reclamación sea fraudulenta, la cobertura de pólizas y la evaluación de pérdidas. La falta de tratamiento de los problemas de una manera justa y efectiva podría dañar las relaciones con los clientes.

Un sistema de ayuda a la toma de decisiones de FNOL puede ayudar en este complejo proceso de toma de decisiones con apremio, utilizando recursos óptimos. El ecosistema FNOL es una solución en tiempo real que normalmente utiliza una gama de modelos predictivos, software de inteligencia artificial, redes sociales y de terceros, e inteligencia ambiental.

La utilización de modelos predictivos típicos para seguros de automóviles se ilustra en la Figura 1. Los modelos se implementan en un motor de puntuación como servicios web RESTful y se conectan a un front-end. Se califican simultáneamente en tiempo real durante la primera notificación de pérdida y las puntuaciones del modelo se visualizan en el panel (Figura 2).


Figura 1. Herramienta de soporte a la decisión FNOL en tiempo real

La elección de los modelos predictivos depende del tipo de póliza y de las preferencias de las aseguradoras. Los modelos de seguros de automóviles generalmente incluyen predicciones de que un vehículo se va a declarar siniestro total o recuperar. Una puntuación de gravedad para lesiones corporales ayudaría en predicciones más precisas de la cantidad estimada de reserva para las reclamaciones. El coste total de liquidación proporcionaría el coste total estimado de la reclamación y un modelo de fraude señalaría cualquiera reclamación potencialmente fraudulenta. Además, el modelo de fraude podría diseñarse utilizando la metodología de fraude de una empresa existente e implementarse como una solución compuesta que consiste en una serie de modelos e indicadores de fraude.


Figura 2. Panel de información de asistencia al cliente FNOL (prototipo)

Representada en un tablero intuitivo, la solución FNOL actúa como una barandilla, ayudando a los tasadores de reclamaciones en una mejor asignación de recursos y priorización de tareas. Las decisiones basadas en los indicadores del panel, como una oferta de coste de liquidación anticipada, pueden reducir significativamente el coste administrativo innecesario que de otro modo se hubiera contracto.

Se pueden implementar cuestionarios dinámicos para dirigir el proceso de reclamaciones mediante la creación de una estrategia personalizada basada en el marcador del panel (es decir, salidas del modelo). Por ejemplo, si el medidor de fraude está "rojo intermitente", se puede extraer un conjunto diferente de preguntas de la base de datos para indagar al reclamante. Por otro lado, una luz "verde fija" omitiría preguntas adicionales, acelerando el proceso de reclamación y, en última instancia, aumentando la satisfacción del cliente.

Con la tendencia general hacia servicios más centrados en el cliente, las innovaciones InsurTech punteras se centran en soluciones de autoservicio disponibles en cualquier lugar, en cualquier momento. Las últimas herramientas de FNOL utilizan agentes de seguros automatizados (conocidos como claimbots) que hacen que la conversación, el intercambio de información, la evaluación y las recomendaciones a menudo sean más rápidas que los humanos.

A pesar de que existe desde hace varios años, el potencial de la herramienta de soporte a la decisión de FNOL no se ha explotado por completo. Una fracción de las aseguradoras utiliza la herramienta en su forma más simple (Figura 2). La investigación de mercado muestra que las aseguradoras están dispuestas a adoptar tecnologías de inteligencia artificial, sin embargo, los costes de implementación e integración, la seguridad de los datos y las normas reglamentarias impuestas han sido los principales obstáculos en estos esfuerzos.

Dada la necesidad de hacer que la gestión de reclamos sea más efectiva, la necesidad de tales herramientas de soporte se vuelve más evidente. La noticia prometedora es que se pueden adoptar pequeños pasos que conducirán gradualmente a un sistema ecológico de soporte a la decisión de gestión de reclamaciones sólido y superior.