La Inteligencia Artificial: Más allá de las reglas de negocio.

Complementado el conocimiento Interno de las Aseguradoras

MARTES, 15 de febrero de 2022

HORARIO: de 16:00 a 17:30 horas

SALA: 109 – 110

¿Qué diferencia hay entre usar un motor de IA o Reglas de Negocio?

Las últimas generaciones de sistemas Core de Seguros incorporan potentes motores de reglas de negocio que incluyen en muchos casos nuevas herramientas para facilitar la creación de reglas incluso sin la necesidad de introducir código manualmente y con unos interfaces cada vez más atractivos para los usuarios de negocio. Incluso en estos casos, el esfuerzo de mantenimiento de estas reglas de negocio crece exponencialmente en proporción directa al número de reglas existentes y cuando las reglas son complejas, al final siempre es necesario recurrir a la codificación. Esto hace que si bien los motores de reglas son eficaces para gestionar el comportamiento general de los procesos internos de una compañía, no están realmente diseñados para incorporar toda la complejidad de los modelos y algoritmos utilizados en IA.

La ventaja del uso de un motor de Inteligencia Artificial como el de Shift, diseñado al 100% para el mundo del seguro, es que permite diseñar modelos y escenarios con multitud de variables y con capacidad de aprendizaje que proporcionan unas capacidades y una precisión no alcanzables por reglas de negocio. Entre las principales ventajas podemos encontrar:

Reducción del número de falsos positivos.

Las reglas tienen una alta tasa de falsos positivos y no pueden tener en cuenta el contexto.
Mediante el uso de inteligencia artificial, se detectan patrones de fraude complejos y se destaca el patrón o escenario de fraude asociado como guía contextual y no sólo como un conjunto de variables true/false.

Utilización de datos no estructurados

Procesamiento de lenguaje natural (notas del tramitador de siniestros, declaración del siniestro, Informe del perito, informes médicos, etc.), Procesamiento de documentos (Lectura y análisis de documentos, facturas, etc.…) y procesamiento de imágenes (detección de imágenes reutilizadas o similares, imágenes retocadas, etc.)

Mejora constante de los Modelos

Las reglas de Negocio son estáticas y no mejoran automáticamente. Shift utiliza “Reinforcement Learning” para entrenar los modelos en función de la retroalimentación obtenida en el uso del sistema. Cuando un usuario califica un caso/Siniestro como «Para investigar», el modelo aprenderá a otorgar una puntuación más alta a casos similares. Si califican para «descartados», el modelo aprenderá qué casos similares son menos interesantes.

Detección de nuevas Tendencias y Patrones de Fraude.

La utilización de algoritmos de detección de anomalías o valores atípicos no supervisados detectan nuevas tendencias de fraude que no son detectadas por los patrones de fraude existentes. Las reglas son estáticas y no pueden capturar nuevas tendencias de fraude.

  • Sabrina Maldonado, Head of Data Science
  • Antonio Carrera, Pre Sales
  • José María Castelo, Shift Senior Advisor