保険の引受人は、データと分析を活用して、リスクと料率の管理を継続的に改善する成熟したプロセスを持っています。しかし、昨年の216億ドル*の引受損失は、引受業務には依然として高い不確実性が存在することを示しています。この予期しないリスクは、インフレ、法律、そしてもちろん厄介な自然現象に起因することが多くなっています。しかし、詐欺についてはどうでしょうか?保険契約に関する詐欺的な活動を防ぐことで、引受業務のパフォーマンスを向上させることは可能でしょうか?
詐欺の色合い
詐欺という言葉は悪意を含んでおり、害を及ぼす意図を示唆します。簡単に調べると、「欺瞞」や「策略」といった同義語が見つかります。実際、詐欺には二つのタイプがあります。一つは、悪意を持った犯罪的な詐欺であり、もう一つは、いわゆる「小さな白い嘘」に代表される虚偽の表現です。
保険の用語において、虚偽の表現は欺瞞と見なされることもあれば、無邪気な見落としと見なされることもあります。たとえば、車が小規模ビジネスに使用されているか? 家にいるティーンエイジャーが時々学校に行くためにその車を使っているか? おばあちゃんが大学で学生に車を使わせているか? これらの例が保険契約から意図的に省かれたのか、完全に理解されていなかったのかによって、詐欺の色合いは不明瞭になります。しかし、提供される保険適用に対して支払われる保険料が低い場合、虚偽の情報によって保険契約者が実現する金銭的価値が生じます。これは、いわゆる詐欺です。最終的には、保険会社の損失結果に影響を与えます。
虚偽の表現による詐欺は無邪気であるかもしれませんが、意図的な保険契約詐欺は、保険会社が損失を抑制しようとする中で容認できないものです。たとえば、保険会社はオンライン申請の匿名性を利用しようとするデジタル詐欺師から攻撃を受けています。TransUnionは、保険業界におけるデジタル詐欺の試みが159%増加したと報告しています**。この数字は他の業界とは対照的です。個人やプロバイダー間で規模を持って実行される保険契約詐欺のネットワークは、これらの損失の可能性を増大させます。
競争の激しい保険環境、特に消費者向けのダイレクトマーケティングにおいては、迅速な意思決定が求められます。プレルック期間内にリスクをより適切に評価する機会はありますが、高いボリュームと成長の必要性から、効率的な引受が重要です。
詐欺を未然に防ぐ
引受人は保険会社を最前線で守っています。請求は保険会社のビジネスの一部であり、詐欺的な請求は現実ですが、目標はそれを全く発生させないことです。したがって、詐欺は請求だけの問題ではなく、引受の段階で前もって対処するのが最善です。引受人が詐欺の可能性をよりよく特定できるようにすることは、損失比率を改善するための積極的なアプローチです。実際、引受人は詐欺の疑いを調査するために多くの時間を費やすことができません。より良い意思決定を支援するツールが必要です。
データ、分析、AIの現代的アプローチは、引受人が疑わしい状況を早期に強調することで、不正検知をより効率的に行えるようにします。この目的を達成するためのさまざまなアプローチがあります。アイデンティティ解決は、潜在的なアイデンティティ盗難を特定するのに役立ちます。ネットワーク分析は、手動ではほぼ不可能なエンティティ間の関係を特定できます。虚偽の表現が疑われる場合、引受人はこのデータを使用して、リスクをより明確に定義するための前向きな問い合わせを促進できます。このようなクライアントとの相談は、後で請求を挑戦するよりも、より良い顧客体験を提供します。
実際の保険契約詐欺の例
このeBook(英語)では、虚偽の表現から詐欺的なブローカーまで、さまざまなタイプの保険契約詐欺の例をいくつか提供しています。各ケースでは、高度なAIが使用されて不正行為を特定し、調査を可能にしました。
シフトは最近、CNBCおよびStatistaによって2024年の世界のトップ150のインシュアテック企業に引受部門で引用されました。引受人を支援するAIの活用方法について詳しくは、eBook(英語)をご覧ください。
*Insurancebusinessmag.com
**TransUnion Quarterly Fraud Report