Los usuarios desean un proceso de cotización y solicitud sin fricciones, y las aseguradoras han cumplido con esa expectativa en todo el mundo, creando plataformas de cotización y solicitud de suscripción de seguros online.
La rapidez de la experiencia digital en seguros tiene un precio: casi el 70% de las aseguradoras están de acuerdo en que el aumento de la actividad digital conduce a un aumento del fraude en los seguros. Aunque las integraciones de datos desempeñan un papel importante en la detección de algunas identidades falsas o inexactas y fraudes durante las solicitudes de suscripción de seguros, se estima que se pasa por alto la detección de unos 35 mil millones de euros.
Las soluciones de inteligencia artificial pueden abordar el desafío específico de detectar solicitudes fraudulentas e identidades falsas que no son fáciles de detectar y están ocultas, sin agregar fricción al proceso de solicitud. Para lograr esto, estas soluciones deben aplicar diferentes técnicas a lo largo del ciclo de vida de la póliza.
Verificación total de nuevas pólizas - sin retrasar las solicitudes
Las aseguradoras experimentan algunos riesgos en relación con las nuevas solicitudes:
Usando la inteligencia artificial, se posibilita el resolver todos estos riesgos, verificando las características generales del fraude, sin interrumpir ni ralentizar la experiencia del cliente.
Las soluciones de IA pueden verificar una solicitud en múltiples bases de datos propias o externas en tiempo real, identificando señales de alerta tales como: el fraude en seguros previo, las conexiones de redes de fraude o actores malintencionados que intentan hacer pasar vehículos que están en condiciones para llevarse al desguace como vehículos en buenas condiciones.
Con las representaciones falsas o inexactas, las soluciones de inteligencia artificial pueden mitigar los riesgos mediante la verificación de una solicitud de suscripción de seguros en función de los hechos conocidos de las mismas fuentes. Por ejemplo, pensemos en un solicitante que intenta obtener una tarifa más baja en el seguro de hogar mediante la representación inexacta de hechos sobre su propiedad. Aquí, la solución puede extraer datos de los registros municipales para encontrar permisos de obras e imágenes satelitales para evaluar la condición del edificio en el momento en que se suscribe la póliza.
Las soluciones de inteligencia artificial no solo son inteligentes, sino que están construidas sobre plataformas escalables en “cloud” con capacidades de procesamiento sólidas. Lo que esto significa es que las verificaciones de riesgo de solicitud se llevan a cabo en tiempo real, permitiendo la suscripción acelerada de pólizas para solicitantes honestos.
Detección de fraude en la suscripción mientras la póliza está vigente
Si bien las soluciones de inteligencia artificial hacen que sea más fácil detectar fraudes individuales durante la fase de solicitud, las redes de fraude y otros actores malintencionados más sofisticados requieren un análisis aún más sofisticado. Esto se debe a que los defraudadores organizados harán un esfuerzo mayor para ocultar sus actividades.
Tras suscribir una póliza, los suscriptores deben revisar estas nuevas pólizas en busca de fraudes, en el plazo de 1 mes que marca nuestra legislación y, además de fraude, los suscriptores deben identificar posibles inexactitudes o inconsistencias en la declaración del asegurado, normalmente con procesos manuales para, entre otros, encontrar e investigar fraudes organizados. Las soluciones de inteligencia artificial hacen que estos procesos sean mucho más fáciles.
En esta fase, las soluciones de inteligencia artificial pueden resolver problemas mediante la implementación de escenarios de investigación más complejos. Como los análisis no tienen por qué ejecutarse en milisegundos, las soluciones de inteligencia artificial pueden ejecutarse en “batch”. Por lo general, la IA procesará las nuevas pólizas recopiladas en un período de 24 horas, ejecutará 24 horas de análisis y luego marcará las cuentas sospechosas.
En un escenario del llamado “gaming" de agentes y mediadores por ejemplo, un agente puede aplicar ratings favorables, kilometraje o descuentos en muchas de las pólizas de sus asegurados para ofrecer una prima más baja. Esto aumenta sus posibilidades de venta. Visto como una única solicitud, puede que no haya indicadores de representación falsa o inexacta. El análisis de IA puede descubrir este patrón anómalo estableciendo una comparativa entre compañeros del agente y asegurados similares. Se puede por tanto resaltar las anomalías para los investigadores.
Periodo de renovación: detectar cambios encubiertos en la póliza
Por último, la mejor práctica para las aseguradoras es revisar las pólizas en el momento de la renovación o ajuste. Esto se debe a que algunos titulares de pólizas se olvidan (o "se olvidan") de actualizar su información en función de los cambios que ocurren en su vida. Las circunstancias pueden cambiar de manera que aumenten el coste de la prima, pero no hay garantía de que el titular de la póliza informe estos cambios por su propia cuenta.
Como ejemplo, supongamos que un titular de póliza se muda a un lugar más urbano donde hay una mayor probabilidad de accidentes de tráfico o de robo del vehículo. El titular de la póliza puede decidir no informar esta información, lo que le permitiría seguir pagando una prima más baja.
Afortunadamente, hay mucha información que puede indicar el cambio de domicilio. La solución de IA puede acceder a suficiente información para hacer la inferencia y luego alertar a un suscriptor para que puedan hacer la pregunta: "¿se mudó en los últimos doce meses?"
Shift Underwriting Risk Detection se adapta a cualquier etapa del proceso de suscripción
Los suscriptores enfrentan diferentes desafíos en la detección de riesgo durante el ciclo de vida de la póliza. Es difícil revisar las pólizas bajo plazos estrictos, pero la solución de IA de Shift puede analizar, clasificar e informar sobre los riesgos para ayudar a simplificar el trabajo de los suscriptores. El resultado es un proceso optimizado que se adapta a los procesos internos existentes de la aseguradora, eliminando cualquier obstáculo para exponer riesgos innecesarios.
Othmane Izi es el product manager de la solución Underwriting Risk Detection de Shift.
Para obtener más información sobre Shift Underwriting Risk Detection, solicita una demo hoy mismo.