自2010年代以来，大型保险公司一直在尝试AI，驾驶聊天和收集远程信息处理数据用于未来的人工智能项目。的保险业比其他许多公司更依赖数据收集来做出关键的业务决策。无论是编写策略，还是处理索赔有效地，保险公司使用数据的方式将确定客户的寿命值。
在保险中利用AI的一个可能的第一步是理解我们所谓的AI机会景观：可以在给定行业中使用AI的映射。作为我们近期专注于保险的一部分，Emerj发现46％的保险公司提供索赔的解决方案。
AI可以增强索赔调节器的工作流程的一种方式是通过启用AI的搜索和发现软件，也称为企业搜索和信息提取软件。这些应用程序允许索赔调整器来搜索保险公司的数据库，以便历史索赔，帮助它们有四个索赔过程的关键部分：
- 数字化的索赔
- 确保索赔表格和支持文件的完整性和准确性
- 确定应向索赔人支付的最优金额
- 确定索赔是否是欺诈性的
EMERJ还发现，截至2019年，大约32％的保险公司AI公司提供搜索和发现解决方案，这些解决方案在行业中为最杰出的AI能力提供了申请人风险评估。AI公司清楚地看到了保险公司中的需求，用于搜索他们的所有过常见的友友数据库。
尽管如此，索赔处理仍然涉及大量的纸张。许多索赔仍然是纸质表格，然后扫描，然后电子邮件或传真给保险公司。然后，承运商的员工必须手动将这些纸质表格中的信息输入到承运商的系统中的数字表格中。
此外，财产保险和意外伤害保险的理赔理算人员经常需要开车到损坏的财产或车辆的位置，对损坏进行拍照和记录。在某些情况下，理算员将他们的笔记手写在纸上。在发生事故或受伤的情况下，理算人员还需要收集医院记录和/或警方报告，这些记录可以通过传真或电子邮件发送给保险公司。
所有这些文件通常都必须手动输入保险运营商的系统，这是一种在许多情况下产生错误的进程，并且在许多情况下不是最佳的索赔调节器的时间。
许多保险公司试图通过将涉及索赔处理的大量手工数据录入外包来降低成本。虽然这可以节省保险承运人的钱，但它不会减少错误，也不会提高效率。这意味着客户可能要再等几天才能得到批准。
保险运营商获得优势的一种方法是减少批准索赔所需的时间，而无需降低数据被输入到保险运营商的系统中的准确性。AI能够自动分类和将输入数据从多个源格式（视频，物理纸张，图片等）分类到运营商的系统中，以进行全面分析。
数字化扫描索赔表格和支持文件
文档数字化软件可以是通过自动自动化手动数据输入来加速索赔过程的第一步。保险载体传统上使用光学字符识别（OCR）软件来数字化来自扫描索赔表的文本，但OCR以准确性奋斗。
OCR软件有时会有故障数字化具有特殊格式的文本，例如斜体，下划线和粗体。签名和其他手写文本也是OCR软件的挑战。此外，OCR软件有时将文本数字化为Word文档，无视纸质文档中的格式。
这意味着，保险承运商仍然需要手工输入数据;员工必须将数字化的文本复制粘贴到用OCR软件数字化的索赔的数字版本中。
基于机器视觉的文档数字化软件可以解决这些问题。AI可以随着时间的推移而改善，这是更加僵化的OCR的情况。机器视觉软件可以接受培训，以提高其数字化印刷和手写文本的准确性，也可以填充数字索赔表格。
这可以节省保险公司索赔处理费用，包括外包数据条目的开销费用。因此，索赔人可以更快地收到他们的付款，这可以提高他们的品牌忠诚度。
确保索赔的完整性和准确性
一旦索赔被数字化，搜索和发现软件都可以帮助索赔调整器验证它是否完全且正确地填写，确保了无需AI的调节器的自动质量控制级别。
例如，如果索赔表单缺少诸如签名或日期，某些企业搜索应用程序可以提醒调整器。他们还可以帮助索赔调整机在几个文件中以索赔人的名称差异差异。
索赔人可以在索赔中编写昵称，这些索赔将与出现在医院记录，警察报告和其他支持文件的法律名称不同，索赔委员会收集事件。企业搜索软件可以接受这一点，这可以提示索赔委员会与索赔人联系，以纠正表格上的名称。这可以减轻权利要求调节器的需求，在批准索赔之前多次与索赔人对应。
启用AI的搜索和发现，用于确定索赔付款
企业搜索应用程序还可以帮助索赔调整机确定为客户索赔支付多少费用。EMERJ的研究表明，截至2019年，大约16％的保险AI公司提供了优化索赔付款的解决方案。
理赔理算人员的任务通常是筛选历史索赔表格，以便根据他们手头上有关索赔的所有资料确定索赔人应得到的最优付款。企业搜索应用程序可以加速这一过程。
例如，索赔调节器汽车保险公司可以使用人工智能搜索涉及特定产品、型号和颜色的索赔。他们可以搜索“黑色2012吉普车大切诺基在过去三年中提交的申请”，人工智能软件可以返回过去三年中涉及这些类型的汽车的申请。
然后，仅通过这些索赔来搜索调整器，而不是手动搜索涉及在过去三年中的声称列表中的黑色2012吉普大切诺的索赔。
更复杂的软件可以实现更复杂的搜索，比如涉及索赔中描述的损失的搜索。
Claims adjusters could then use the payment amounts of these historical claims as a starting point for determining what to pay a claimant, adjusting the amount based on factors such as supply and demand in the claimant’s city or region and prior damage to the car that may have made the damage described on the claim worse.
启用AI的搜索和发现应用程序，其中具有机器视觉功能，还可以允许索赔调节器来搜索提交的索赔提交了类似图像。
铁山公司的产品管理总监Anke Conzelmann表示:“理赔人员可以简单地要求理赔人员提供与他们正在处理的索赔类似的索赔图片，然后迅速找到有类似损失的相关索赔。”
例如，在房主保险索赔之后的索赔经理员可能希望将历史索赔搜索对特定家具的火灾损害，例如沙发。索赔调整器不能将损坏的沙发的图片上传到企业搜索软件的损坏的损坏。
然后，该软件就可以返还因火灾损坏沙发的类似图片而提出的索赔。然后，理算员可以使用这些索赔的金额作为基准，以确定支付金额的房主保险索赔在手。
也就是说，这个企业搜索用例的可行性取决于搜索的复杂性。想要搜索具有大量变量的索赔的保险公司可能需要花费更多的时间和金钱，在索赔标签上加上适当的元数据，为采用健壮的ai支持的搜索和发现解决方案做准备。
目前，用于确定最佳索赔支付的大多数AI应用是预测分析的预测。预测分析应用程序自动化此决定，根据自己的历史数据估算适当的索赔支付。
然而，搜索和发现应用程序对于保持对人类手中的索赔人的决定是有用的。这些应用程序可以是保险载波自动化其一些索赔过程的方式，同时保持索赔调节器完全在循环中。对于此用例，还难以测量预测分析应用程序的投资回报率。
在某些情况下，可能需要数年时间来确定他们是否正在保存保险公司的金钱，如果他们不是，他们可能会通过建议索赔人收到超过他们应该浪费它。搜索和发现产品允许调整机继续使用他们的专业知识，以便在加快时间来制作该决定的情况下为不同的索赔支付索赔人。
企业搜索索赔欺诈检测
企业搜索应用程序也使用索赔欺诈检测。理赔理算人员可以在保险公司的数据库中搜索过去的欺诈索赔，以便将他们正在处理的索赔与这些欺诈实例进行比较。
复杂的搜索和发现应用程序可能能够缩小调整器的搜索，以便仅返回以前标记为欺诈的类似索赔。
搜索和发现应用程序还可以帮助索赔理算人员识别索赔欺诈的新实例，方法是将新索赔中描述的事件与从未标记为欺诈的历史索赔中的事件描述进行比较。
例如，新的索赔可以描述一个类似于详细和措辞类似的车祸，作为历史声明，由索赔人提交不同的名称。然后，索赔调整员可以预留这些索赔，以进一步调查，索赔欺诈专家可能会发现这些索赔都在不同名称下的同一个人提交，揭示了长期的欺诈。
配备机器视觉的企业搜索应用程序还允许理赔理算人员通过图像进行搜索。理算员可以将与索赔一起归档的图片上传到企业搜索软件，而软件可以返回与同一图片归档的历史索赔，这可能指向索赔欺诈的新实例。然后理算人可以向欺诈专家发出警报，欺诈专家可以进一步调查索赔人。
或者，搜索可能会返回与已经被标记为欺诈的索赔一起提交的图像，允许理算员直接拒绝手头的索赔。这不仅节省了理赔理算师调查潜在欺诈的时间，而且也节省了保险承保人为欺诈性索赔支付的费用。
保险公司应该重点关注他们的AI努力
虽然预测性分析应用程序可以帮助加快索赔过程，但采用它们可能需要检修现有索赔处理工作流程，其具有组织后果。目前，保险公司仅使用解决方案提供商来测试Waters的这些应用程序。
但根据Emerj，大型保险公司正在采用自然语言处理-支持搜索和发现解决方案，而不是经常依赖预测分析的解决方案;例如，在Emerj对企业人工智能应用水平的评分中，搜索和发现应用比风险评估解决方案高出约13%，比优化索赔金额的解决方案高出19%。
因此，想要增加人工智能理赔员数量的保险公司可能想要把自动化工作的重点首先放在将存储在纸质文件中的数据数字化上;这样，他们就可以从企业搜索解决方案中节省成本，从而减少在索赔处理和索赔欺诈检测上花费的时间。
这可能被证明是保险公司获得比竞争对手更多优势的一种方式，可以留住那些对他们的索赔得到批准的等待时间更短而感到满意的客户。
保险运营商还可以使用他们在改善收入的机会上解决较少的欺诈性索赔。
例如，他们可以试验预测分析申请以承保，允许他们批准更多的政策申请人而无需增加风险;或者为个性化汽车保险政策的申请，客户基于其驾驶行为支付。
搜索和发现应用程序可以通过数字化纸质索赔和自动化手工数据输入，以及自动检查以确保索赔和支持文件准确、完整地完成，大大提高索赔处理和索赔欺诈检测的效率。
在此过程中，企业搜索应用程序允许索赔理算人员快速确定索赔人应支付的金额。这减少了索赔泄漏，并通过使用搜索和人工智能发现工具检测索赔数据中的异常情况，防止他们支付欺诈性索赔。
Emerj为保险领袖
Emerj帮助大型保险公司发现如何利用其竞争对手已经在使用的基于人工智能的企业搜索软件。我们通过研究和数据帮助保险公司发现人工智能技术是如何适应他们的业务优先级的，这些研究和数据使他们有信心投资于人工智能、RPA和自动化努力，以节省资金和改善客户体验。了解更多关于Emerj研究服务。
本文由铁山公司赞助，根据《透明国际》杂志的要求进行撰写、编辑和出版Emerj赞助内容指南。了解有关我们在我们的ei-communustocomationience的信息了解更多信息Emerj广告页面。
标题图像信用：ArticLeApp
