Sreda, 1. 6. 2022, 15.45
2 meseca, 2 tedna
S tehnologijo proti poskusom goljufij
Z umetno inteligenco tudi nad zavarovalniške prevare
Termometer prikazuje, kako vroč je članek. Skupni seštevek je kombinacija števila klikov in komentarjev.
Termometer prikaže, kako vroč je članek. Skupni seštevek je kombinacija števila klikov in komentarjev.
0,21
1
Eden od največjih izzivov v zavarovalništvu je ločiti pristne prijave škod od zlonamernih. Umetna inteligenca jim pri tem nudi učinkovito pomoč.
Eden od največjih izzivov v zavarovalništvu je ločiti pristne prijave škod od zlonamernih. Pri tem poslanstvu se zavarovalnicam ponuja nov močan zaveznik – umetna inteligenca.
Znano je, da algoritmi strojnega učenja lahko med velikimi množicami različnih podatkov najdejo zakonitosti, ki lahko ostanejo skrite celo strokovnjakom.
"Današnja moč računalnikov omogoča obdelovanje in pomnjenje velepodatkov (ang. Big Data) prek strojnega učenja ter odkrivanje medsebojnih povezav in tudi anomalij – to je umetna inteligenca," nam je povedal dr. Tadej Justin, ki bo eden od predavateljev na 28. dnevih zavarovalništva, ki bodo v Portorožu 2. in 3. junija.
Po vsakem odkritem poskusu prevare je naslednjega še lažje odkriti
Ravno ta velika moč pri obdelavi velikih količin podatkov je našla svoje mesto tudi pri odkrivanju zlorab v zavarovalništvu. "V zavarovalništvu so škodni spisi izvor vseh potrebnih podatkov, s katerimi lahko na temelju znanja o preteklih prevarah sistem naučimo detekcije v novih škodnih spisih ali pa že na temelju nenavadnih podatkov v škodnih spisih zaznamo anomalijo," pojasnjuje Justin.
Dr. Tadej Justin: "V zavarovalništvu so škodni spisi izvor vseh potrebnih podatkov, s katerimi lahko na temelju znanja o preteklih prevarah sistem naučimo detekcije v novih škodnih spisih ali pa že na temelju nenavadnih podatkov v škodnih spisih zaznamo anomalijo,"
Vsak od teh pristopov je za preiskovalce prevar v zavarovalništvu nepogrešljiv pripomoček, saj jim močno poenostavi opravljanje dela in dvigne njihovo uspešnost in učinkovitost pri vsakodnevnem pregledovanju velike količine škodnih spisov.
"Članice Slovenskega zavarovalnega združenja tak sistem kot pripomoček že uspešno uporabljajo v informacijski rešitvi Frodo," je povedal naš sogovornik.
Algoritem ne odloča, temveč razgrne, kar bi sicer ostalo očem skrito
Uporabo algoritmov v (slovenskem) zavarovalništvu Justin primerja z vsakdanjo uporabo pametnih algoritmov za izboljšanje fotografij z mobilnim telefonom. "Algoritmi ne odločajo, ali je škodni spis prevara ali ne, za to odgovornim le posredujejo bistvene informacije, jim pomagajo pri pregledovanju velike količine spisov, zlasti najbolj sumljivih, in jim tako omogočajo boljši vpogled pri odkrivanju prevar."
Justin meni, da v primerjavi s tujino še nismo izkoristili vsega potenciala umetne inteligence v zavarovalništvu. "V tujini uporabljajo podobne sisteme kot pri nas, bistvena razlika pa je, da so že dosegli neko stopnjo samostojnosti delovanja in veliko boljšo integracijo s končnim uporabnikom – zavarovancem."
V tujini so nekatera izplačila že samodejna
V nekaterih državah sistem namreč že ob oddaji škodnega spisa prek spletne platforme, na primer pri uveljavljanju kasko avtomobilskega zavarovanja, sam odloči, ali je spis regularen, in če je, se izplačilo lahko izvede samodejno.
"Nadejamo se, da bo tak poslovni model hitro stopil v veljavo tudi pri nas," še doda Justin.
Sistem je dober toliko, kot so dobri podatki
Kakšne so možnosti napak pri uporabi umetne inteligence v zavarovalništvu? "Če se ljudje zmotijo pri svojih odločitvah in se ti podatki uporabijo za gradnjo prediktivnih modelov, na primer v podporo odločanju v zavarovalništvu, se lahko tudi tovrstna umetna inteligenca naučiti sprejemati napačne odločitve. Toliko, kot so dobri podatki, so dobre odločitve, ki jih sprejema tovrstni sistem."
Dodatne varovalke in nenehno učenje
Le redki sistemi imajo več kot 99-odstotno natančnost, zato se napakam ne moremo izogniti. Zato je bistveno, da take sisteme nenehno nadzorujemo in sprejemamo pomembne odločitve ljudje, ki znamo s svojimi izkušnjami s posameznega področja veliko bolje analizirati tako okoliščine kot tudi preostale parametre, ki niso v celoti modelirani v algoritmih umetne inteligence, je prepričan Justin.
"Če se sistem zmoti in ne zazna zlonamerne prijave v škodnem spisu kot sumljiv škodni spis, obstajajo dodatni filtrirni sistemi, ki omogočajo preiskovalcem dodatne vpoglede tudi v tiste škodne spise, ki jih je algoritem označil kot regularne. Če se zazna take odločitve, se seveda model, ki bistveno pripomore h končnim odločitvam algoritma za zaznavo sumljivih škodnih spisov, ustrezno priuči, z večanjem števila zaznanih prevar se veča tudi natančnost sistema."
Osebni podatki so varni
Ali so v takih sistemih naši osebni podatki varni glede na splošno uredbo o varstvu osebnih podatkov? "Zakon o zavarovalništvu opredeljuje, da lahko preiskovalci pregledujejo in si izmenjujejo osebne podatke, če obstaja utemeljen sum na prevaro. Do te točke pregledovanje osebnih podatkov torej zagotovo ni zakonsko sporno. Težave pa se pojavijo pri implementaciji sistemov in razvoju algoritmov. Strojno učenje je močno odvisno od podatkov in delo s tovrstnimi algoritmi je zelo vsebinske narave, saj algoritmi narekujejo natančno poznavanje strukture in seveda vsebine obdelanih podatkov."
Zato razvijalci tovrstnih sistemov poskrbijo za anonimizacijo in psevdonimizacijo podatkovnih tipov, ki razvijalcu ne omogočajo vpogleda v osebne podatke zavarovalca in zavarovanca. "Tako naučen sistem za odkrivanje prevar torej ne razpolaga z osebnimi podatki, jih ne obdeluje in ne shranjuje," je na pomisleke odgovoril Justin.
1