Impeça fraudes em aplicações de seguros!

Os clientes gostam da forma como o sector dos seguros se está a adaptar aos processos de negócios online. Há agora rapidez e facilidade em procurar taxas e submeter os formulários de apólices online. Infelizmente, os vigaristas também adoram estes facilitismos. Os processos com formulários digitais facilitam as fraudes nas aplicações de seguros de 3 formas surpreendentemente comuns:

• Os vigaristas abrem apólices de seguros para beneficiários fictícios.
• Os agentes podem roubar o dinheiro dos prémios ou abrir/cancelar apólices para atingir cotas ou bónus.
• Os clientes modificam ou falsificam informação nos formulários para pagarem menos valor de prémio.

Apesar dos canais digitais abrirem a porta a novas oportunidades para as fraudes nas aplicações de seguros, também dão novos pontos de dados para combater as fraudes. As seguradoras inteligentes irão tirar proveito dos dados onde constam: impressões digitais dos dispositivos, endereços de IP, geolocalização e muito mais para ajudar a detetar fraudes logo no momento do preenchimento do formulário. Vamos olhar para algumas das estratégias de prevenção de fraude mais eficientes, alavancadas pela análise e machine learning.

Verifique a identidade logo no preenchimento do formulário digital

As seguradoras têm enormes quantidades de dados – internos e externos – que podem ajudar a determinar a autenticidade da candidatura e do indivíduo por detrás da mesma (isto se houver mesmo uma pessoa real por detrás da fraude). Aqui encontra algumas abordagens, baseadas em dados, para combater as fraudes nas aplicações de seguros.

• Monitorize os dados da candidatura para ver se a mesma informação ou dispositivo está a ser reutilizado em várias identidades distintas, que de outra forma parecem não ter qualquer relação.
• Avalie experiências anteriores para apólices existentes ou canceladas que tenham em comum um elemento de dados com o novo formulário, por exemplo, o mesmo ID de dispositivo, endereço ou SSN.
• Encontre uma "prova de vida", ou seja, detalhes que associe com uma pessoa que tenha uma identidade real, por exemplo, carta de condução, número de eleitor ou registo de propriedades.
• Analise a rede ao redor da candidatura, procurando ligações pouco comuns ou suspeitas (ou a falta delas) entre os candidatos, dispositivos, apólices e dados de candidaturas.

Previna futuros pedidos de indemnização fraudulentos logo no formulário inicial

E se conseguisse impedir os pedidos de indemnização fraudulentos antes destes serem solicitados? E se conseguisse utilizar as informações recolhidas através do processo de deteção dos pedidos de indemnização para compreender melhor as novas candidaturas e sinalizar as mais suspeitas diretamente para a equipa de investigação?

Isto é possível. A análise de rede liga todos os pontos, encontra ligações entre pedidos de indemnização anteriores e novos registos. O que é que as candidaturas que levaram a fraudes tinham em comum no passado, e em que é que esta nova candidatura é semelhante? As ligações podem ser estabelecidas não só por pessoas ou veículos (moradas, números de telefone, VINs, etc.), mas também através de vários atributos como: endereços de IP, dispositivos, contas bancárias, oficinas e prestadores de serviços médicos.

Pode enriquecer as suas descobertas ao aplicar cenários chave ocorridos e assimilados em anteriores processos de pedidos de indemnização. Através do machine learning, uma forma de inteligência artificial, é adquirida nova informação através de análise, que pode assim contribuir para alimentar os modelos de forma a haver uma melhoria contínua.

Identifique os esquemas dos agentes

Agentes sem escrúpulos têm um vasto arsenal de artimanhas para usar o sistema em seu benefício pessoal. Por exemplo, podem ficar com os prémios de clientes e não colocar a apólice em vigor, ou levar os clientes a contratualizar coberturas que não precisam para ganharem extras de comissões.

Uma solução bem concebida, para combater fraudes, utiliza múltiplas técnicas analíticas para encontrar agentes que possam exigir uma avaliação de práticas mais cuidada. As soluções líderes do sector detetam as artimanhas de agentes através das seguintes técnicas:

• Machine learning examina os padrões comportamentais do agente e encaixa os mesmos em cenários que possam estar associados a práticas fraudulentas ou duvidosas, tendo em conta experiências do passado.
• Agrupamento de pares agrupa agentes com atributos similares – nível de carreira, especialização, região, etc. – para comparar melhor as suas atividades com as dos seus pares.
• Deteção de anomalias encontra agentes que estejam a ter um desempenho bem acima do dos seus colegas ou que mostrem uma mudança radical na atividade, a qual pode ser sinónimo de práticas enganosas.
• Análise da rede social liga os pontos em torno do agente, revela ligações e sobrepõe-nas com outras entidades na aplicação, por exemplo, habitações, VINs e propriedades seguradas.

Em conjunto, estas técnicas podem sinalizar padrões irregulares, ao mesmo tempo que se reduz as probabilidades de falsos positivos e inquéritos desnecessários. Em última instância, o sistema aprende através de cada experiência e respetivos resultados – dos positivos e falsos positivos – para melhorar de forma contínua a análise sempre que um ciclo é executado.

Identifique clientes trapaceiros logo na fase de candidatura

As seguradoras que vendem principalmente por telefone ou pela Internet estão sujeitas a uma série de ameaças conhecidas e emergentes. Os clientes podem falsificar informação sobre quem é o condutor habitual ou onde será guardado um determinado veículo, ou ainda, obter o reembolso de apólices canceladas que foram compradas com cartões roubados.

A análise pode sinalizar este tipo de trapaças em tempo real, ao definir limiares sobre quanto do valor do prémio de um segurado pode ser manipulado antes de se acionar um "alarme", como o envio de mensagens, as chamadas de retorno ou os bloqueios. A análise também pode detetar padrões de atividades irregulares, por exemplo, múltiplas apólices canceladas ligadas ao mesmo dispositivo.

A análise das fraudes nas aplicações de seguros em ação

As companhias de seguros que investiram em fortes capacidades anti fraude testemunharam resultados avassaladores. Por exemplo, a SAS fez uma parceria com uma grande transportadora dos EUA para implementar uma solução anti fraude que permite identificar artimanhas de agentes, aumentar a produtividade e o rendimento das equipas em campo, gestores de território e equipas de auditoria.

Foi possível utilizar a análise para melhorar a deteção de fraudes, esta solução encontrou 10 vezes mais agentes sem ética – 40% foram encaminhados para uma auditoria interna. Fazendo uso do processo anterior apenas 4% haviam sido encaminhados. Além disso, a eficiência de análise e investigação melhorou os tempos de processo em 13 horas, e a eficiência na recolha de dados melhorou em 2 horas.

A empresa pode agora realizar cinco investigações no mesmo tempo que antes gastava em apenas uma investigação. Isto porque esta solução recolhe e reúne os dados, a análise entrega mais alertas de relevo, e a equipa de auditoria pode assim focar-se no seu trabalho central em vez de ter de lidar tanto com os dados.

Em última análise, uma solução para pedidos de indemnização fraudulentos e aplicação robusta fecham a porta à fraude antes de esta ter sequer a oportunidade de dar os primeiros passos.