AIによる代位求償の検知： 事例紹介 | [保険AI、不正検知のシフトテクノロジー]

トム・ハリントンはシフトのプロダクト・マーケティング担当グローバル・ディレクターです。

AIは保険業界で話題のトピックであり、それには理由があります。KPMGによる最近の調査では、AIは2023年に保険業界に13億ドルの影響を与えると予測しています。しかし、AIの可能性を否定することができない一方、多くの保険会社がビジネスにとって最大の利益をもたらすユースケースの優先順位付けに苦慮しています。

保険会社が新たに注目している分野は、代位求償の検知におけるAIベースの意思決定です。その理由はたくさんあります。手作業による意思決定プロセス、従業員のスキルや経験の変化、情報の過多などが原因であることが多く、保険業界は年間200億ドル以上の回収機会を逃していると推定されています。保険業界が経験している経済的、市場的な課題を考えると、保険会社にとって重要な金額です。多くの保険会社にとって、代位求償はクレーム処理を改善し、損害率とコンバインド・レシオの悪化を軽減する未開発の機会です。

しかし、AIを使った代位求償の検知は、現実の世界ではどのようなものでしょうか？ここでは、仮説の域を超え、保険会社がこのアプローチによって今日実現している価値を示すいくつかの事例を紹介します。

事例：エクスポージャー・レベルでのきめ細かな機会の特定
ニューヨーク州で2台の自動車が衝突する自動車事故を例にとってみましょう。この状況では、交差点で2台の車両が事故に巻き込まれています。 そのうちの1台（相手が運転）は大型のダッジ・ラム・トラックでした。

AIベースの代位求償の検知は、相手車両の保険会社が以下のように回収するのを支援しました：

• ダッジ・ラムのVINナンバーを活用して車両重量に関するNHTSA（米国運輸省道路交通安全局)の詳細を評価し、車両重量が6,500ポンドを超えると判断。
• 車両の詳細をニューヨーク州の純粋過失法に照らして検証し、車両重量に基づいてこの賠償請求に責任を適用できると判断した。
• クレーム担当者に、クレームエクスポージャーレベル（この場合は回収可能性の高いニューヨーク州のPIP）で追及する実行可能な機会があることをアラート。
• 州特有のガイドライン（車両重量ガイドラインなど）を自動的に適用し、担当者が機会を理解し、新たな回収を加速できるようにしました。

事例：大規模な物損事故-外部データの取り込み
別の例では、ある家族が家族や友人と屋外キッチンで夏のBBQグリルを楽しんでいました。 調理中にBBQグリルに火がつき、火はさらに勢いを増し、鎮火する前に被保険者のデッキと家のビニールサイディングが損害を受けました。火災の結果、保険会社は検査を命じ、グリルと物的損害に関する詳細な損害報告書が提出されました。

• このシナリオでは、第三者に対する代位求償の機会を発見する上で、AIが重要な役割を果たしました：
• NLP/MLは損害報告書を評価し、損害の重要な側面を理解するために利用された。
• BBQメーカーについて外部チェックを行い、製品リコールや発生した可能性のある損害事象を特定。
• 製品の関与を、他の可能性のある損失および潜在的な過失シナリオと比較した。
• メーカーの製品リコールが特定され、過失の可能性に基づいて回収を追求する機会が検知された。

事例：財産の損失 - 構造化データと非構造化データのマイニング
細部にこそ力があり、この回収機会はその一例です。 このケースでは、ある住宅所有者が、所有地の使いやすさと価値を向上させるために、所有地に工事を施していました。ある日、その物件で作業が行われた後、キッチンで火災が発生し、保険契約者の家にかなりの損害が発生しました。標準的なクレーム調査が開始され、詳細がコア・クレーム・システムに入力されました。

この状況下、AIはクレームシステムの構造化データと非構造化データをマイニングし、回収の機会を検知しました：

• 最初の調査で入力された詳細に基づいて、クレームノートが自動的に評価された。
• 被保険者の請負業者が亜麻仁油に浸した布切れをバケツに入れて台所の床に放置し、バケツが発火したことを特定しました。
  
  シフトへの問い合わせはこちらから受け付けています。