隨著索賠領(lǐng)域的不斷發(fā)展 人工智能將變得更加重要

從汽車責(zé)任到工人賠償，在整個商業(yè)保險中，涉及人身傷害的索賠從提出索賠之日起到解決之日，往往遵循共同的生命周期。隨著索賠在此過程中的各個階段不斷發(fā)展，從賬單，票據(jù)，圖像，付款和其他文件中提取的數(shù)據(jù)量越來越多，被添加到索賠文件中。對于復(fù)雜的索賠，此過程可能會持續(xù)數(shù)年，涉及調(diào)解員，護士案例經(jīng)理，提供者，律師及其他人員的更新和文件。添加AI后，此過程中的數(shù)據(jù)將變得可見，形成更可預(yù)測的軌跡，使理算人員和主管可以有效地管理索賠，降低成本并為所有相關(guān)人員帶來更好的結(jié)果。

傳統(tǒng)上，很多數(shù)據(jù)沒有得到充分利用，要么存儲在索賠團隊無法訪問的范圍內(nèi)，要么被繁忙的理算人員忽略，只是試圖保持他們的案件量。但是現(xiàn)在，圖像和語言處理可以聚合和組織數(shù)據(jù)，并且可以應(yīng)用機器學(xué)習(xí)來生成有關(guān)未來事件可能性的見解和預(yù)測。所有這些都為理算人提供了強大的新工具，可幫助索賠人更快地恢復(fù)健康，并減少所有參與方的成本。

為了查看其潛力，讓我們看一下今天商業(yè)保險中特定索賠(工人補償金)如何演變。一個人在工作中受到傷害，其雇主提出索賠。索賠理算人從工人和雇主那里收集便箋，并在索賠人去看醫(yī)生時跟蹤進度。隨著時間的流逝，工人得到了額外的治療，也有記錄在案，如果一切順利，則恢復(fù)工作。如果沒有，他們可能會請律師，這會延長生命周期數(shù)月或更長時間。收集到的許多數(shù)據(jù)從未被分析過，通常只審查一小部分。即使他們有時間，調(diào)解人也很難在所有這些之間建立不同的聯(lián)系。

這是幾十年來一直有效的方式，但實際上并沒有奏效，至少沒有發(fā)揮其潛力。由于使用被動式而非主動式的管理和工具，索賠成本有所上升，從而使28%的索賠能夠推動80%的索賠成本。

為了使與索賠相關(guān)的信息更有用，正在將人工智能(AI)慢慢引入索賠的旅程中，從最關(guān)鍵的預(yù)測開始，例如索賠成本或律師介入。但是AI仍然是保險領(lǐng)域的新興事物，如今的索賠團隊只是在摸索如何將其應(yīng)用于改善所有組成部分方面。

人工智能在行動

讓我們看一下AI如何重塑索賠過程。在這種新視野中，索賠生命周期中的關(guān)鍵點保持不變，但是由于融合了數(shù)據(jù)科學(xué)，旅程變得更加智能和高效。簡化的流程可以如下運行：

攝入量和第一階段的預(yù)測

這是數(shù)據(jù)科學(xué)幾個重要應(yīng)用出現(xiàn)的領(lǐng)域。第一階段還為每個后續(xù)階段設(shè)置了階段。

提出索賠，并將有關(guān)工人傷害的所有初始詳細信息放置在基于云的系統(tǒng)中。因此，相關(guān)案例的詳細信息可供分析;沒有人需要手動瀏覽案例文件或等待硬拷貝圖像到達。隨著AI的進步，諸如筆記和圖像之類的異步數(shù)據(jù)源被并入，以便系統(tǒng)可以理解和使用它們來建立趨勢并建立聯(lián)系。

通過使用數(shù)據(jù)科學(xué)，預(yù)測算法不僅可以評估索賠人收集的數(shù)據(jù)，而且還可以將其與系統(tǒng)中其他索賠中可用的所有數(shù)據(jù)進行比較-轉(zhuǎn)化為數(shù)百萬個數(shù)據(jù)點的存儲庫。這使系統(tǒng)能夠做一些事情，例如將索賠人分配給被認為是最有能力治療他們的可用提供者并舉報案件，這可能需要格外小心。