Assicurazione: Parte 3: Gestione delle richieste di risarcimento

Blog

Inserito

12 lug 2018

Categoria

Scienza dei dati

Condividi

Di: Natasha Mashanovich, Senior Data Scientist presso World Programming, Regno Unito



Una richiesta d'indennizzo assicurativo è "una richiesta formale ad una compagnia assicurativa per la copertura o il risarcimento di una perdita o evento coperto da polizza" (fonte: www.investopedia.com). Una volta avviata, la richiesta di risarcimento passa spesso attraverso un processo complesso con uno dei due possibili esiti: la richiesta viene accettata, portando a una compensazione, oppure respinta. Il processo di reclamo è in genere: contattare la compagnia assicurativa, avviare l'indagine del ricorrente, controllare la copertura della polizza, valutare i danni e organizzare il pagamento del risarcimento.

Le cifre del settore assicurativo del Regno Unito sono impressionanti. In media, ogni giorno vengono pagati 33 milioni di sterline in richieste di risarcimento per sinistri automobilistici, 13 milioni di sterline in richieste di risarcimento per danni ai beni materiali patrimoniali, 12,5 milioni di sterline per polizze di protezione e 1 milione di sterline in richieste di risarcimento per viaggi; la media delle richieste di risarcimento per lesioni fisiche si avvicina alle 10 mila sterline; oltre il 98% delle richieste di risarcimento per sinistri automobilistici è stato accettato; e il costo annuale delle richieste fraudolente è di 1,3 miliardi di sterline. Tali enormi costi per richieste di risarcimento possono portare a una perdita di assicurazione; ciò è particolarmente evidente nelle assicurazioni auto in cui si è ottenuto un utile di assicurazione una sola volta negli ultimi 24 anni. (Fonte: www.abi.org.uk, 2017)

Chiaramente, gli assicuratori devono affrontare una serie di difficoltà, tra cui: i costi operativi elevati, il costante aumento della domanda da parte dei clienti, l'aumento delle richieste fraudolente e un processo interminabile, che comportano quindi l'insoddisfazione dei clienti. Inoltre, gli elevati costi per tecnologie informatiche, il ritardo nella richiesta di modifiche, le scarse tecnologie informatiche e l'integrazione di tecnologie di terzi, aumentano i costi operativi che causano in ultima istanza una perdita di assicurazione.

Nonostante gli sforzi in atto per migliorare i processi di reclamo e la prevenzione delle frodi, è possibile apportare miglioramenti significativi concentrandosi su un miglior servizio clienti e sull'esperienza del cliente, migliorando le operazioni e gestendo le richieste in modo più efficace, sia in termini di tempo che di risorse.

Per ottenere questi miglioramenti, dobbiamo integrare i sistemi nel miglior modo possibile e integrare continuamente i progressi nell'analisi predittiva, ad esempio, e l'elaborazione ambientale come la localizzazione GPS per auto, i dispositivi telematici, il rilevamento dell'attività fisica e il riconoscimento delle immagini. L'apprendimento automatico e l'intelligenza artificiale possono approfondire l'analisi retrospettiva e garantire che le decisioni siano informate dai dati, non dalla soggettività.

Una delle aree importanti delle innovazioni di InsurTech è il supporto alla prima notifica di perdita (FNOL). FNOL, come il primo passo nel processo di richiesta d'indennizzo assicurativo, è spesso considerato un collo di bottiglia del processo in cui un perito liquidatore si trova di fronte a una serie di problemi impegnativi e delicati, inclusa la possibilità che una richiesta di risarcimento sia fraudolenta, la copertura assicurativa e la valutazione delle perdite. La mancata gestione dei problemi in modo equo ed efficace potrebbe danneggiare i rapporti con i clienti.

Un sistema di supporto decisionale FNOL può aiutare in questo processo decisionale complesso e urgente con risorse ottimali. L'ecosistema FNOL è una soluzione in tempo reale che utilizza in genere una serie di modelli predittivi, software di intelligenza artificiale, reti sociali e di terzi, e intelligenza ambientale.

L'utilizzo di modelli predittivi tipici dell'assicurazione auto è illustrato nella Figura 1. I modelli vengono distribuiti su un motore per punteggi come i servizi Web RESTful e connessi a un front-end. Vengono valutati contemporaneamente in tempo reale durante la prima notifica di perdita e i punteggi del modello vengono visualizzati sul dashboard (Figura 2).


Figura 1. Strumento di supporto decisionale FNOL in tempo reale

La scelta di modelli predittivi dipende dal tipo di polizza e dalle preferenze degli assicuratori. I modelli di assicurazione auto in genere includono le previsioni di un veicolo che viene rottamato o recuperato. Il punteggio di gravità delle lesioni fisiche contribuisce ad ottenere previsioni più accurate dell'importo stimato della riserva sinistri; il costo totale della liquidazione fornisce il costo totale stimato della richiesta di risarcimento; e un modello per frodi segnala qualsiasi richiesta potenzialmente fraudolenta. Inoltre, il modello per frodi potrebbe essere progettato utilizzando una metodologia preesistente per frodi aziendali e implementato come soluzione composita che comprende una serie di modelli e indicatori di frode.


Figura 2. Dashboard del supporto clienti FNOL (prototipo)

Rappresentata su un dashboard intuitivo, la soluzione FNOL funge da corrimano, assistendo i periti liquidatori ad allocare meglio le risorse e a stabilire meglio le priorità delle attività. Le decisioni basate sugli indicatori del dashboard, come un'offerta di costi di liquidazione anticipati, possono ridurre significativamente i costi amministrativi inutili che altrimenti sarebbero stati sostenuti.

È possibile implementare questionari dinamici per indirizzare il processo di reclamo creando una strategia personalizzata, basata sul quadro di valutazione del dashboard (ovvero gli output del modello). Ad esempio, se l'indicatore di frode è "rosso lampeggiante", è possibile estrarre dal database una serie diversa di domande per indagare il ricorrente. D'altra parte, una luce "verde fissa" salta altre domande, rendendo il processo di reclamo più veloce e, in definitiva, aumentando la soddisfazione dei clienti.

Con la tendenza generale verso servizi più incentrati sul cliente, le innovazioni di InsurTech all'avanguardia si concentrano sulle soluzioni self-service disponibili ovunque e in qualsiasi momento. Gli ultimi strumenti FNOL utilizzano agenti assicurativi automatizzati (noti come claim bot) che fanno conversazione, scambiano informazioni, fanno valutazioni e raccomandazioni spesso più velocemente di quanto facciano le persone.

Anche se esiste da diversi anni, il potenziale dello strumento di supporto decisionale FNOL non è stato sfruttato appieno. Una frazione di assicuratori utilizza lo strumento nella sua forma più semplice (Figura 2). Le ricerche di mercato mostrano che gli assicuratori sono disposti ad adottare tecnologie di IA, tuttavia i costi di implementazione e integrazione, sicurezza dei dati e regole normative imposte sono stati i principali ostacoli in questo impegno.

Data la necessità di rendere più efficace la gestione delle richieste di risarcimento, l'urgenza di tali strumenti di supporto diventa più evidente. La bella notizia è che è possibile intraprendere piccole misure che porteranno gradualmente a un solido e migliore sistema di supporto decisionale per la gestione delle richieste di risarcimento.