Agent ds. roszczeń

Jak ubezpieczyciel wykorzystał sztuczną inteligencję do uproszczenia szkód o niskiej złożoności i pozwolił likwidatorom skupić się na tym, co ważne

Zwój

Wyzwanie

Za dużo roszczeń, za mało czasu

Średniej wielkości ubezpieczyciel majątkowy i wypadkowy rozpatrywał setki tysięcy roszczeń rocznie. Większość z nich nie była skomplikowana – zagubiony bagaż, popękane szyby przednie, drobne uszkodzenia spowodowane przez wodę – ale każda z nich nadal wymagała ręcznego przyjęcia, selekcji i zatwierdzenia. Wraz ze wzrostem kosztów pracy i rosnącymi oczekiwaniami klientów dotyczącymi szybkości, obsługa roszczeń stała się wąskim gardłem. Kierownictwo potrzebowało sposobu na skalowanie bez proporcjonalnego skalowania liczby pracowników.

Dostosowujący byli przytłoczeni. 70% roszczeń było prostych, ale nadal wymagało ręcznego przyjęcia, przekazania i zatwierdzenia. Czasy rozwiązywania problemów rosły. Klienci byli sfrustrowani. Podobnie pracownicy.

Ludzkie wąskie gardła

Każde roszczenie zaczynało się w ten sam sposób – przesłane online, przesłane e-mailem lub telefonicznie. Człowiek musiał dokonać selekcji, zweryfikować szczegóły, poprosić o dokumenty i przepchnąć je przez proces. Proste roszczenia czekały w tej samej kolejce, co złożone. Skutek: wszędzie nieefektywność.

A co by było, gdyby bot sobie z tym poradził?

Pomysł: stworzyć cyfrowego agenta ds. roszczeń — takiego, który mógłby natychmiastowo rozpatrywać roszczenia niskiego ryzyka i oparte na zasadach, bez ludzkiego opóźnienia, i eskalować tylko te, które wymagały sprawdzenia.

Zbliżać się

Dlatego zbudowaliśmy regulator AI

Nawiązaliśmy współpracę z Claims Ops, IT i Legal, aby zaprojektować model automatyzacji roszczeń. Sprawdził rodzaj roszczenia, kwotę, historię klienta i załączoną dokumentację, a następnie podjął natychmiastową decyzję z wbudowaną możliwością kontroli.

Rozwiązanie

Trenowaliśmy to na 3 latach historii

Model został przeszkolony na podstawie 2,1 miliona roszczeń historycznych. Dowiedziało się, które przypadki można bezpiecznie zatwierdzić automatycznie, które wymagają walidacji, a które zawsze powinny trafiać do człowieka. Skany dokumentów, metadane, flagi zasad – wszystko to było częścią drzewa decyzyjnego.

Metodologia

Zastosowaliśmy metodologię etapową: (1) zdefiniowaliśmy zasady kwalifikowalności i kryteria eskalacji we współpracy z działem ds. roszczeń i działem prawnym; (2) wyodrębniać, czyścić i oznaczać historyczne dane dotyczące roszczeń na potrzeby szkoleń; (3) szkolić i weryfikować model klasyfikacji i zatwierdzania przy użyciu zestawów wstrzymanych i przeglądu przypadków brzegowych przez człowieka; (4) zintegrować model z platformą roszczeń za pośrednictwem interfejsu API z rejestrowaniem audytu i kontrolą obejścia; (5) przeprowadzić kontrolowany pilotaż według linii produktów przed pełnym wdrożeniem.

Źródła danych

Historyczne zapisy dotyczące roszczeń (2,1 mln), w tym rodzaj roszczenia, kwota, szczegóły polisy i wynik. Załączniki dokumentów i wyodrębnione pola (zdjęcia, kosztorysy, faktury). Dane CRM i polityki dotyczące historii klientów i flag ryzyka. Wszystkie dane zostały zanonimizowane lub zagregowane na potrzeby szkolenia modeli; wnioskowanie produkcyjne wykorzystywało aktualne dane dotyczące roszczeń i polis w ramach istniejącego obszaru bezpieczeństwa.

Wdrożyliśmy go do produkcji

Korektor AI działa teraz w tle — sprawdza i zatwierdza ponad 38 000 roszczeń miesięcznie. Oznacza anomalie, sprawdza ryzyko oszustwa i bezproblemowo integruje się z istniejącą platformą roszczeń. Dostrajacze nadal zajmują się skomplikowanymi przypadkami – ale teraz nie są zakopani w rutynowych sprawach.

"Nie zastąpiliśmy ludzi. Usunęliśmy odpady, aby ludzie mogli skupić się na osądach, a nie na ciężkiej pracy. "

— Dyrektor Automatyzacji Szkód

Zmierzyliśmy wpływ

Czas rozstrzygnięcia w przypadku kwalifikujących się roszczeń skrócił się z 5,4 dnia do 1,2 dnia. NPS dla grupy z rozwiązaniem automatycznym wzrósł o 18 punktów. Rzeczoznawcy zyskali ponad 7 000 godzin rocznie, które mogli poświęcić na złożone, wymagające uwagi sprawy, które faktycznie ich potrzebowały. Wizualizacje zawiera panel operacyjny pokazujący współczynniki rozwiązywania problemów automatycznych i ludzkich, średni czas rozwiązywania według typu roszczenia oraz trendy NPS; plus widoki audytu dla każdego automatycznie zatwierdzonego roszczenia, aby zgodność mogła sprawdzić próbki.

Harmonogram realizacji

Tygodnie 1–6: Wymagania, ekstrakcja danych i zasady kwalifikowalności. Tygodnie 7–14: Opracowywanie modelu, weryfikacja historyczna i budowanie integracji. Tygodnie 15–18: Pilotaż na jednej linii produktów (np. najemców) z równoległą oceną manualną. Tygodnie 19–22: Strojenie i ekspansja na dodatkowe linie. Do 24. tygodnia pełne wdrożenie produkcyjne zostało zakończone i osiągnięto wskaźnik realizacji wynoszący ponad 38 000 roszczeń miesięcznie.

Zrób kolejny krok

Zobacz, jak Intellimark może pomóc Ci w stworzeniu skalowalnego agenta ds. roszczeń – bez utraty ludzkiego charakteru.

Skontaktuj się z nami

Wynik

Ubezpieczyciel zautomatyzował rutynowe czynności i ponownie skoncentrował ludzkie wysiłki na roszczeniach o wartości dodanej:

Metryki / Wyniki

38,000+ roszczeń przetwarzanych automatycznie miesięcznie

1,2 dnia średni czas rozwiązania (w porównaniu z 5,4 dnia)

+18 Punkty NPS dla grupy zautomatyzowanej

Ponad 7000 godzin zwracane corocznie do rzeczoznawców

Płetwa.

Niektóre twierdzenia wymagają empatii. Niektórzy potrzebują po prostu wydajności. Teraz mogli dostarczyć jedno i drugie.

Odkryj więcej

Badania · Analityka

Centrum · Doświadczenie do wpływu