¡Evita de una vez por todas el fraude en las solicitudes de seguros!

Los clientes valoran la evolución del sector de los seguros hacia los procesos de negocio en línea. Es rápido y cómodo buscar tarifas y presentar solicitudes de póliza en línea. Por desgracia, a los estafadores también les encanta. Los procesos de solicitud digitales facilitan cometer fraudes en la solicitud de seguros de tres formas sorprendentemente comunes:

• Los estafadores abren pólizas de seguro para beneficiarios ficticios.
• Los agentes escatiman primas o abren y cancelan pólizas para ganar cuota y primas.
• Los clientes retocan y falsifican la información de las solicitudes para reducir sus primas.

Sin embargo, aunque los canales digitales abren nuevas oportunidades para el fraude en las solicitudes de seguros, también proporcionan nuevos puntos de datos para contraatacar. Las aseguradoras inteligentes aprovecharán los datos de las huellas dactilares de los dispositivos, las direcciones IP, la geolocalización y otros datos para ayudar a detectar el fraude ya en el momento de la solicitud. Veamos algunas estrategias de prevención de fraude eficaces basadas en el analítica y el machine learning.

Verificar la identidad en el momento de la solicitud digital

Las aseguradoras tienen montones de datos –internos y externos– que pueden ayudar a determinar la autenticidad de una solicitud y de la persona que hay detrás (si es que hay una persona real detrás). He aquí algunos métodos eficaces, basados en datos, para combatir el fraude en las solicitudes de seguros:

• Supervisar los datos de la solicitud para ver si se reutiliza la misma información o dispositivo en varias identidades que, de otro modo, parecerían no estar relacionadas.
• Evaluar solicitudes anteriores por si existen pólizas activas o canceladas que compartan un elemento de datos con la nueva solicitud, como el mismo ID de dispositivo, la misma dirección o el mismo SSN.
• Buscar una «prueba de vida» , que incluya información que se pueda asociar con una identidad real, como un permiso de conducir, el censo electoral o el registro de una propiedad.
• Analizar la red que rodea la aplicación, buscando conexiones inusuales o sospechosas (o la falta de ellas) entre solicitantes, dispositivos, políticas y datos de la solicitud.

Prevenga futuros fraudes en el momento de la solicitud

¿Qué le parecería si pudiera detener el fraude en las reclamaciones antes de que tuvieras la oportunidad de empezar? ¿Y si pudieras utilizar la inteligencia obtenida del proceso de detección de reclamaciones para comprender mejor las nuevas solicitudes y etiquetar las correctas para enviarlas directamente a los equipos de investigación?

Esto es posible. La analítica de redes conecta los puntos detectando vínculos entre alertas de reclamaciones anteriores y nuevas solicitudes. ¿Qué aspecto tenían en el pasado las solicitudes que resultaron ser un fraude y en qué se parecen a esta solicitud? Las conexiones pueden establecerse no solo a través de personas o vehículos (direcciones, números de teléfono, números de bastidor, etc.), sino también a través de cualquier número de atributos, como direcciones IP, dispositivos, cuentas bancarias, talleres de reparación y proveedores médicos.

Puede enriquecer la investigación aplicando escenarios clave aprendidos gracias a la tramitación de reclamaciones anteriores. Mediante el machine learning, una forma de inteligencia artificial, la nueva información obtenida a través del análisis puede retroalimentar los modelos para una mejora continua.

Identificar las trampas de los agentes

Los agentes sin escrúpulos disponen de diversas opciones para burlar el sistema en beneficio propio. Por ejemplo, pueden cobrar primas a los clientes sin presentar las pólizas a las aseguradoras o convencer a los clientes para que contraten coberturas innecesarias para ganar comisiones extra.

Una solución integral contra el fraude utiliza múltiples técnicas analíticas para guiarte hacia los agentes que podrían merecer una mirada más atenta. Las soluciones líderes del sector detectan las trampas de los agentes mediante las siguientes técnicas:

• El machine learning examina los patrones de comportamiento de los agentes y los relaciona con los escenarios que, según la experiencia, se asocian con el juego.
• La agrupación por pares agrupa a agentes con atributos similares –nivel de carrera, especialización, región, etc.– para comparar mejor su actividad con la de sus homólogos.
• La detección de anomalías detecta agentes que rinden de forma muy diferente a sus compañeros o que muestran un cambio radical en su actividad que puede apuntar a una trampa de agentes.
• El análisis de redes sociales conecta los puntos alrededor de un agente, revelando vínculos y solapamientos entre entidades de la aplicación, como hogares, números de bastidor y propiedades aseguradas.

Juntas, estas técnicas pueden detectar patrones inusuales y reducir la posibilidad de falsos positivos e investigaciones innecesarias. En última instancia, el sistema aprende de cada experiencia y sus resultados –los positivos y los falsos positivos– para mejorar continuamente los análisis cada vez que se ejecuta el ciclo.

Identificar la trampa del cliente en el momento de la solicitud

Las aseguradoras que venden principalmente por teléfono o Internet están sujetas a una serie de amenazas conocidas y emergentes. Los clientes pueden falsificar información sobre el conductor principal o el lugar donde se estacionará el vehículo, u obtener reembolsos de pólizas canceladas que se compraron con tarjetas robadas.

La analítica puede detectar esta forma de trampa en tiempo real estableciendo umbrales que definan hasta qué punto un solicitante puede manipular la prima antes de desencadenar una acción, como mensajes, devoluciones de llamada o bloqueos. La analítica también pueden detectar patrones inusuales de actividad, como cancelaciones múltiples de pólizas vinculadas al mismo dispositivo.

Analítica del fraude en las solicitudes de seguros

Las compañías de seguros que han invertido en una sólida capacidad antifraude han obtenido resultados espectaculares. Por ejemplo, SAS se asoció con una gran empresa de seguros estadounidense para implantar una solución contra el fraude con el fin de identificar las trampas de los agentes y aumentar la productividad y el rendimiento de los equipos de suscripción sobre el terreno, gestores territoriales y auditoría interna.

Gracias al uso de análisis para mejorar la detección, la solución detectó diez veces más agentes con mal rendimiento: el 40 por ciento remitido a auditoría interna, frente a solo el 4 por ciento con el proceso heredado. Al mismo tiempo, la eficacia del análisis y la investigación mejoró en 13 horas, y la de la recopilación de datos, en dos horas.

La empresa puede realizar ahora cinco investigaciones en el tiempo que solía tardar en hacer una, porque la solución reúne los datos, los análisis ofrecen alertas más significativas y el equipo de auditoría puede centrarse en el trabajo principal en lugar de en la gestión de los datos.

En última instancia, una solución sólida contra el fraude en solicitudes y reclamaciones cierra la puerta principal antes de que el fraude tenga la oportunidad de entrar y empezar.