Η τεχνητή νοημοσύνη αλλάζει τα δεδομένα στην ασφαλιστική απάτη, διευκολύνοντας τη δημιουργία πειστικών φωτογραφιών ζημιών και παραποιημένων δικαιολογητικών. Για τις ασφαλιστικές επιχειρήσεις, η πρόκληση είναι διπλή: να εντοπίζουν τις δόλιες απαιτήσεις, διασφαλίζοντας παράλληλα ότι οι πραγματικοί δικαιούχοι αποζημιώνονται χωρίς αδικαιολόγητες καθυστερήσεις.
Σε άρθρο του στο Forbes Technology Council, ο Marcin Nowak, μέλος του διοικητικού συμβουλίου της Decerto, αναδεικνύει την ανάγκη συνδυασμού τεχνολογικών ελέγχων, διασταύρωσης δεδομένων και ανθρώπινης αξιολόγησης.
Απαιτήσεις εκατομμυρίων και κατασκευασμένα αποδεικτικά
Το μέγεθος της πρόκλησης αποτυπώνεται στα στοιχεία της Aviva. Για το 2025, η εταιρεία ανακοίνωσε τον εντοπισμό περισσότερων από 18.400 ύποπτων απαιτήσεων, συνολικής αξίας 233 εκατ. λιρών, στις δραστηριότητές της συμπεριλαμβανομένων των σημάτων της Direct Line. Πρόκειται για την πρώτη χρονιά κατά την οποία δημοσιοποιήθηκαν συνδυαστικά τα συγκεκριμένα στοιχεία.
Το ποσό αφορά συνολικά ύποπτες απαιτήσεις και δεν αποδίδεται αποκλειστικά στη χρήση τεχνητής νοημοσύνης. Ωστόσο, η Aviva καταγράφει αυξανόμενη χρήση εικόνων που έχουν δημιουργηθεί με AI και παραποιημένων εγγράφων, ιδιαίτερα στις ασφαλίσεις αυτοκινήτου.
Οι πρακτικές περιλαμβάνουν κατασκευασμένες σκηνές ατυχημάτων και εικόνες που εμφανίζουν ανύπαρκτες ή μεγαλύτερες ζημιές. Παράλληλα, η εταιρεία εντοπίζει ευκαιριακή απάτη μέσα σε πραγματικές απαιτήσεις, κυρίως στις ασφαλίσεις κατοικίας και ταξιδιού. Ένα πραγματικό περιστατικό μπορεί, επομένως, να συνοδεύεται από διογκωμένη απαίτηση.
Ο έλεγχος χρειάζεται ολόκληρο τον φάκελο
Σύμφωνα με την προσέγγιση που παρουσιάζει ο Nowak, ένας ανιχνευτής εικόνων αποτελεί μόνο μία πηγή ενδείξεων. Χρειάζεται συνεκτίμηση παραστατικών, ιστορικού συμβολαίου και προηγούμενων απαιτήσεων.
Μια αναντιστοιχία ημερομηνιών δεν αποδεικνύει απάτη. Πολλαπλές ασυνέπειες, όμως, μπορούν να δικαιολογούν διερεύνηση. Η διάκριση είναι ουσιαστική, καθώς ακόμη και ένας νόμιμος φάκελος μπορεί να περιλαμβάνει λάθη.
Εξίσου σημαντική είναι η αξιοποίηση του αποτελέσματος κάθε έρευνας. Όταν μια ύποπτη απαίτηση αποδεικνύεται νόμιμη, το αποτέλεσμα πρέπει να επιστρέφει στο σύστημα, ώστε να περιορίζονται οι επαναλαμβανόμενες λανθασμένες επισημάνσεις.
Κάθε τέτοια επισήμανση έχει κόστος: ο ασφαλισμένος περιμένει την πληρωμή του και οι διαχειριστές αφιερώνουν χρόνο σε υπόθεση που δεν συνιστά απάτη.
Η Aviva αναφέρει ότι χρησιμοποιεί προηγμένη ανάλυση δεδομένων και εργαλεία AI με ανθρώπινη εποπτεία, επιδιώκοντας τον έγκαιρο εντοπισμό ύποπτων απαιτήσεων και την ταχύτερη πληρωμή των πραγματικών ζημιών. Η αποτελεσματικότητα αυτής της προσπάθειας εξαρτάται από τη συνεχή αξιολόγηση των ελέγχων και την ανθρώπινη κρίση στην τελική απόφαση.




























