Deloitte: AI-fraudedetectie bespaart verzekeraars tegen 2032 $ 160 miljard

Multimodale technologieën worden een belangrijk wapen in de strijd tegen fraude met schadeverzekeringen nu de druk op de premies toeneemt, aldus Deloitte.Verzekeringsfraude staat op de tweede plaats van duurste witteboordencriminaliteit in de Verenigde Staten, achter belastingontduiking.

De financiële impact reikt verder dan verzekeraars en treft ook consumenten, die volgens gegevens van de Federal Bureau of Investigation te maken krijgen met jaarlijkse premieverhogingen van $ 400 tot $ 700 dollar om fraudegerelateerde verliezen te dekken.Schadeverzekeraars staan onder toenemende druk nu het aantal klanten afneemt als gevolg van inflatiegedreven premieverhogingen.

Coalition Against Insurance Fraud

De Coalition Against Insurance Fraud meldt dat 78% van de Amerikaanse consumenten zich zorgen maakt over verzekeringsfraude, omdat ze begrijpen dat frauduleuze claims hun premies opdrijven.Uit een analyse van Deloitte blijkt dat AI-gestuurde technologieën die in de hele claimcyclus worden ingezet, schadeverzekeraars in staat zouden kunnen stellen om frauduleuze claims te verminderen en tegen 2032 tussen de $ 80 en $ 160 miljard dollar te besparen. Deze prognose gaat uit van een wijdverbreide toepassing van multimodale AI-systemen – geavanceerde technologieën die gegevens uit meerdere bronnen, waaronder tekst, afbeeldingen, audio, video en sensorgegevens, verwerken en integreren.

De omvang van het probleem maakt technologische oplossingen dringend noodzakelijk. Naar schatting 10% van de schadeclaims bevat frauduleuze elementen, wat resulteert in een jaarlijks verlies van $ 122 miljard., Dit cijfer vertegenwoordigt 40% van de totale schade door fraude in de verzekeringssector.

Detectieproblemen blijven bestaan in alle categorieën van schadeclaims

Verzekeringsfraude kan worden onderverdeeld in twee categorieën: zachte fraude en harde fraude. Zachte fraude omvat het opvoeren van legitieme schadeclaims, zoals het overdrijven van reparatiekosten of het overdrijven van letsel. Harde fraude omvat vooropgezette acties om valse schadeclaims in te dienen, waaronder in scène gezette ongevallen, brandstichting, valse diefstallen of het gebruik van identieke foto’s bij meerdere verzekeringsmaatschappijen.

Zachte fraude is goed voor 60% van alle incidenten, deels omdat het moeilijk te detecteren en te vervolgen is. De sporadische interactie tussen polishouders en verzekeraars – die doorgaans beperkt blijft tot de jaarlijkse premiebetalingen en het indienen van claims – beperkt het continue toezicht en zorgt ervoor dat frauduleuze activiteiten onopgemerkt kunnen blijven.

De COVID-19-pandemie heeft de digitalisering versneld, waardoor er nieuwe kansen voor fraudeurs zijn ontstaan en tegelijkertijd innovatie op het gebied van fraudedetectieoplossingen is gestimuleerd. De sector van fraudedetectietechnologie is snel gegroeid, met marktprognoses die een groei voorspellen van $ 4 miljard  in 2023 tot $ 32 miljard  in 2032.

AI-implementatie omvat meerdere datastromen

Uit recente enquêtegegevens van Deloitte blijkt dat 35% van de leidinggevenden in de verzekeringssector fraudedetectie als een prioriteit beschouwt voor generatieve kunstmatige intelligentietoepassingen in de komende 12 maanden. De implementatie omvat verschillende technische benaderingen.

Natuurlijke taalverwerking – AI-systemen die menselijke taal analyseren – onderzoekt tekstuele gegevens uit claimformulieren, e-mails en posts op sociale media om verdachte trefwoorden en entiteiten te identificeren. Claims met inconsistente details of verdachte taal worden gemarkeerd voor verder onderzoek.

Audioanalyse past spraakherkenning en sentimentanalyse toe op telefoongesprekken met klanten en identificeert tekenen van dwang waar dit is toegestaan volgens regelgeving zoals de AI-wet van de Europese Unie inzake emotie-inferentie voor veiligheidsdoeleinden.

Beeldanalyse brengt onregelmatigheden in metadata, manipulatie en herhaald gebruik van foto’s in meerdere claims aan het licht.

Videoanalyse verifieert het optreden en de omvang van schade, identificeert de authenticiteit van beelden en brengt tekenen van manipulatie of enscenering aan het licht.

Geospatiale analyse maakt gebruik van satellietbeelden en uitgebreide 3D-dronebeelden om de omvang en locatie van schade te verifiëren die bij fysieke inspecties over het hoofd zou kunnen worden gezien, terwijl het risico op letsel voor claimmedewerkers op locaties van natuurrampen wordt verminderd.

Detectieproblemen blijven bestaan in alle categorieën van schadeclaims

Verzekeringsfraude kan worden onderverdeeld in twee categorieën: zachte fraude en harde fraude. Zachte fraude omvat het opblazen van legitieme schadeclaims, zoals het overdrijven van reparatiekosten of het overdrijven van letsel. Harde fraude omvat vooropgezette acties om valse schadeclaims in te dienen, waaronder in scène gezette ongevallen, brandstichting, valse diefstallen of het gebruik van identieke foto’s bij meerdere verzekeringsmaatschappijen.

Zachte fraude is goed voor 60% van alle incidenten, deels omdat het moeilijk te detecteren en te vervolgen is.

De sporadische interactie tussen polishouders en verzekeraars – die doorgaans beperkt blijft tot de jaarlijkse premiebetalingen en het indienen van claims – beperkt het continue toezicht en zorgt ervoor dat frauduleuze activiteiten onopgemerkt kunnen blijven.

De COVID-19-pandemie heeft de digitalisering versneld, waardoor er nieuwe kansen voor fraudeurs zijn ontstaan en tegelijkertijd innovatie op het gebied van fraudedetectieoplossingen is gestimuleerd. De sector van fraudedetectietechnologie is snel gegroeid, met marktprognoses die een groei voorspellen van 4 miljard dollar in 2023 tot $ 32 miljard  in 2032.

 Regelgevende druk versterkt de businesscase voor geavanceerde detectiesystemen.

De National Association of Insurance Commissioners dringt er bij verzekeraars op aan om geavanceerde fraudedetectiemogelijkheden te implementeren, terwijl wetgeving zoals de Colorado AI Act vereist dat op algoritmen gebaseerde modellen discriminatie en vooringenomenheid vermijden bij het signaleren van risico’s.

 

  • Internet of Things-datastromen bieden realtime bewaking via voertuigtelematicasystemen die ongevallen reconstrueren en de legitimiteit van claims verifiëren.
  • Slimme huissensoren, waaronder waterlekkagedetectoren en beveiligingscamera’s, verzamelen bewijsmateriaal om claims te verifiëren en geënsceneerde activiteiten op te sporen. Simulatiemodellen bootsen het gedrag van medische zorgverleners, reparatiebedrijven en andere dienstverleners na in verschillende scenario’s in gecontroleerde virtuele omgevingen.
  • Deze systemen identificeren patronen en afwijkingen van standaardpraktijken in de sector en detecteren gevallen van te hoge facturering, onnodige diensten en gecoördineerde activiteiten tussen entiteiten.
  • De combinatie van geautomatiseerde bedrijfsregels, ingebouwde AI- en machine learning-methoden, tekstmining, anomaliedetectie en netwerklinkanalyse maakt realtime scoring van miljoenen claims mogelijk.
  • Meerdere datamodaliteiten werken samen om patronen en anomalieën te identificeren en tegelijkertijd onderzoeksprocessen te verbeteren door het aantal valse positieven te verminderen, de detectiegraad van frauduleuze claims te verhogen en de onderzoekskosten te verlagen.
  • De implementatie vereist menselijk toezicht en afstemming op de wetgeving van het rechtsgebied. In de afgelopen twee decennia hebben verzekeraars speciale onderzoekseenheden opgericht om fraude op te sporen en te beperken, maar leiders op het gebied van fraudebestrijding staan voor uitdagingen op het gebied van kostenbeheer en het aantrekken van talent.
  • De technologie stelt menselijke onderzoekers in staat om zich te concentreren op complexe fraudegevallen gedurende de hele levenscyclus van claims.
  • Het aantrekken en behouden van bekwaam talent, in combinatie met voortdurende ondersteuning van automatisering, blijft belangrijk voor bedrijven die langetermijndoelstellingen op het gebied van fraudebestrijding nastreven in de segmenten schadeverzekeringen en particuliere autoverzekeringen, waar complexiteit en datavolumes kansen bieden voor aanzienlijke kostenbesparingen en efficiëntieverbeteringen.