AIによる請求自動化が実現するスピードと精度

大手保険会社にとって、AIを保険金請求処理に人工知能（AI）を活用することは、保険契約者の期待に応え、業務の効率化を推進するための強力なツールです。 保険会社は、保険金請求処理に保険専門のAIを活用することで、長期的な収益性に対する業界最大の脅威を軽減することに成功しています。

保険金請求処理におけるAIの力

保険会社は保険金請求処理にAIをどのように活用しているか？

保険金請求処理のためのAIは、機械学習、予測分析、生成AIなどの技術を使用して、請求プロセスを合理化し、改善するために使用されます。これらの技術は、他の方法よりも迅速かつ的確な請求処理を可能にし、保険契約者により良い請求体験を提供すると同時に、業務の効率化を促進します。

実際、AIベースの請求処理ソリューションは、他の利用可能なデータとの関連で請求文書を迅速かつ正確にレビューし、請求プロセスを前進させるための推奨事項とともに、調査結果の要約を生成します。 また、保険専門のAIの出現により、最も洗練されたモデルは保険業界向けに特別にトレーニングされ、経験豊富な専門家と同等かそれ以上の精度を実現しています。

保険金請求処理においてAIがもたらす価値について：

1. 業務効率の向上
   請求処理担当者は、書類のレビューなど付加価値の低い作業に時間の約30％を費やしていますが、保険金請求処理のためのAIはこれを最小限に抑えることができます。 熟練した専門家はより付加価値の高い活動に時間を割くことができ、経験の浅い専門家はツールを使ってより効果的に作業を進めることができます。
   
   
2. 保険契約者の保険金請求体験の改善
   業界の報告書によると、最近保険金請求を行った保険契約者の31％が請求体験に不満を抱いており、60％がその不満の原因として保険金の支払スピードを挙げています。請求処理にAIを使用することで、場合によっては数週間から数分へと処理が早まり、精度の高い結果が得られます。
   
   
3. 精度の向上
   保険金請求処理のためのAIは、膨大なデータ間のつながりを素早く特定し、通常であれば検出されないかもしれないつながりを引き出します。 例えば、単独の請求では写真が損害の証拠となることがありますが、それらの写真が他の請求案件で再利用されたかどうかを手作業で確認することは事実上不可能です。 機械学習は類似性に基づいて写真をスコアリングし、写真の再利用の可能性を特定します。

ルールベースの請求自動化の限界

いわゆる「ルールベース」の請求自動化システムは、決められたルールに従って請求を処理します。一方、「AIベース」のシステムは適応性が高く、複数のAI技術を活用してデータを解釈し、複雑な状況を理解し、要約や推奨事項を生成し、業務時間に関係なく学習し続けます。

保険金請求処理においてルールベースの自動化が不十分な理由

請求データの大半は非構造化データであり、一般的なルールベースの自動化では対応しきれません。 これは、多くの保険会社が保険金請求の自動化を目指しているものの、ストレート・スルー・プロセッシングで取り込める保険金請求は全体のわずか7%に過ぎないという事実からも明らかです。 警察の報告書や手書きのメモなどの書類は、必ずしも標準的な書式に準拠しているとは限らず、準拠している場合でも正しく記入されていないことがあります。 さらに、ルールベースの意思決定エンジンは、これらの文書の一部を解釈することはできても、それらを文脈に当てはめることはできません。 そのため、出力を評価し、次のステップを決定するために手作業が必要となり、必然的に請求処理に時間がかかり、矛盾が生じる可能性があります。

請求処理におけるAIが自動化の課題をどう解決するか

一方、AIを活用した請求自動化は、こうした非構造化データの分析に優れており、さらに一歩踏み込んで、請求処理の次のステップに進むことができます。 これは、光学式文字認識（OCR）を超えて、保険文書の読み取りと分析に特化して訓練された統計モデルを採用することで達成されます。 非構造化データ・ソースが構造化クレーム・データに統合されたことで、AIは請求チームの意思決定を評価し、推奨することができます。 これにより、解決が早まるだけでなく、より一貫した結果と高い精度が得られます。

AIによる請求自動化の例

以下の例では、AIによる請求自動化を導入した際の実際の結果について解説しています。 Shiftのデータサイエンティストが各ケースの詳細を紹介するビデオをご覧ください。

例1：旅行保険会社が57％の自動化を達成し、処理時間を数週間から数分に短縮した事例

米国を拠点とする大手旅行保険会社では、年間40万件の請求処理に平均3週間かかっていました。すべての請求が手作業で処理されており、自動化は0%でした。 同社はAIベースのソリューションを導入し、手動プロセスを合理化された自動化された体験に変え、57％の自動化を達成、処理時間を数週間から数分に短縮しました。

例2：写真の類似性スコアリングが他の方法では見過ごされるつながりを素早く見つけた事例

ある被保険者が悪天候に関連した損害賠償請求を行いました。 この請求では、冷蔵庫と冷凍庫の損傷を示す写真と、腐敗した食品を示す写真を提出されました。 その写真は請求を裏付ける証拠となるように見えましたが、請求処理AIは過去の3件の請求で使用された写真と類似しているとしてフラグを立てました。 保険金支払いは行われず、保険会社は迅速に支払いを停止し、簡単な机上調査によって不正を証明することができました。

参考情報

• 生成AIニュースレターを購読し、保険業界のAIに関する最新情報を定期的に受け取る
• レポート、ウェビナー、論考記事、ビデオなど、Shiftのライブラリをご覧ください。
• 請求自動化等について知りたい場合はこちらからお問い合わせください。