Wykrywanie oszustw za pomocą sztucznej inteligencji

Wykrywanie
oszustw za
pomocą
sztucznej
inteligencji

Trov_ AI powered

Klient

Trōv

Branża

Ubezpieczenia

Oferta

Solution engineering

Technologie

Python, NLP

Wprowadzenie

Trōv jest światowym liderem w branży ubezpieczeń wbudowanych, przyczyniającym się do rozwoju cyfrowej dystrybucji ubezpieczeń i popularyzacji mobilności. Solidna platforma insurtech Trōv umożliwia instytucjom finansowym i firmom ubezpieczeniowym łatwe osadzanie produktów ubezpieczeniowych w innych cyfrowych rozwiązaniach, aby zwiększyć powtarzalność przychodów.

“We’re in touch with them daily, and they’re very much integrated into everything we do. They’ve taken on a lot of work and consistently delivered on it. We work in an agile setting, with two-week sprints. Our velocity has increased, and the whole company has started working in the same methodology.

The analytics velocity is always high, and that’s largely because of Core Value’s effort. One of the most impressive things about them is their ability to understand our business, and not just the technical implementation. They understand why and how we’re doing things.”

Mark Merhom Data & Analytics Engineer

Wyzwanie

Firmy ubezpieczeniowe potrzebują od kilku do kilku tygodni na rozpatrzenie roszczenia, a mimo tego nadal nie udało im się wyeliminować wyłudzeń. Najczęstsze problemy to zniszczenie mienia, oszustwa związane z ubezpieczeniem samochodu, wynajmem oraz zwierzętami domowymi. Starannie dobrane modele mogą pomóc w skutecznym wykrywaniu oszustw. Celem naszego klienta była automatyzacja wykrywania oszustw oraz zapobieganie stratom i szkodom związanym z wyłudzeniami przed wypłatą roszczeń i dokonaniem szkód w systemie. Klient chciał również skrócić czas rozpatrywania roszczeń i przyspieszyć wypłacanie odszkodowań uczciwym klientom.

Rozwiązanie

Nasz zespół zbudował skuteczny system wykrywania oszustw w oparciu o sztuczną inteligencję i techniki statystyczne.

W pierwszym etapie, przed zebraniem etykietowanych danych, zespół Data Science wykorzystał metodę nienadzorowanego grupowania w celu zidentyfikowania podejrzanych grup użytkowników. Zebraliśmy wszystkie istotne dane sygnalizujące potencjalnie podejrzanych klientów, wykorzystując sprawdzanie tożsamości, ostrzeżenia dotyczące PEP/Sanctions/Deceased, ostrzeżenia dotyczące linków do przesyłania dalej, ryzyko związane z adresami e-mail i urządzeniami mobilnymi, ocenę kart kredytowych itp. Ponadto zastosowaliśmy także inżynierię cech, wykorzystując wiedzę o domenie do ręcznego tworzenia nowych, ważnych cech, które mogą mieć wpływ na identyfikację oszustów.

Na późniejszych etapach rozwoju, po zebraniu zbioru etykietowanych danych, zespół Avenga zastosował metodę nadzorowanego uczenia maszynowego w celu tworzenia przewidywanych parametrów oszustw, by zwiększyć dokładność systemu wykrywania wyłudzeń. Wykorzystaliśmy sieci neuronowe, które mogą uczyć się podejrzanych wzorców na podstawie próbek i później wykrywać je w nowych przypadkach.

AI powered solution

Rezulaty

Analiza wykrywania wyłudzeń pomogła zminimalizować liczbę oszustw, udoskonalić system udzielania gwarancji i usprawnić zarządzanie ryzykiem.

Korzyści dla klienta::

  • Automatyczne wykrywanie oszustw w czasie rzeczywistym.
  • Zwiększona dokładność wykrywania oszustw, redukcja liczby fałszywych alarmów i ograniczenie liczby błędów ludzkich.
  • Optymalizacja kosztów procesów i wykorzystania zasobów.
  • Niższy wskaźnik strat, identyfikacja oszustw lub problemów przed ich materializacją.
  • Szybsza wypłata odszkodowań w przypadku udokumentowanych roszczeń.
  • Lepsze doświadczenie klienta.

Więcej historii sukcesu

lub

Umów spotkanie

Zadzwoń (Bezpłatnie*) +1 (857) 302-3414

Zoom 30 min

* USA i Kanada, obowiązują wyjątki

Rozpocznij rozmowę

Chętnie odpowiemy na Twoje pytania. Skorzystaj z poniższego formularza, aby skontaktować się z nami. Odezwiemy się do Ciebie wkrótce.

Oops, this page's language has changed.