Wie maschinelles Lernen unglaublich schwierige Big-Data-Versicherungsprobleme löst

In einem ausführlichen Interview mit Carrier Management erklärt Tomas Vykruta, Mitbegründer und CEO von EvolutionIQ, wie wir'Wir bringen maschinelle Lernansätze für früher unlösbare Big-Data-Probleme im Schadenmanagement ein. Wir'Nachfolgend haben wir einige Highlights für Sie zusammengestellt oder Sie können auf die verlinken vollständiger Artikel hier.

Versicherer haben massive Datenprobleme, aber sie'Wir gehen diese Probleme an, indem wir Heuristiken und regelbasierte Methoden im älteren Stil verwenden, erklärt Tom, warum er Google verlassen hat.'s Team für angewandtes maschinelles Lernen, das sich auf Insurtech konzentrieren wird. Meine Aufgabe bestand darin, zu prüfen, ob ich sie auf einen moderneren Ansatz umstellen könnte, indem ich sie auf ein modernes KI-System umstelle.

Er stellte jedoch schnell fest, dass einige der schwierigsten Probleme, auf die er in seiner Karriere je gestoßen war, im Bereich der Versicherungsansprüche lagen. Laut ihm sind im ICD-Datensatz [Internationale Klassifikation der Krankheiten] 70.000 verschiedene medizinische Diagnosen beschrieben. Die Behauptungen ändern sich ständig. Ein Update wird das Ergebnis dieses Patienten völlig verändern'Ist gesund. Es'Es war für die Prüfer einfach ein unmögliches Problem, das sie in ihren Köpfen lösen konnten. Und sie'Ich jongliere mit 200 Ansprüchen gleichzeitig und erhalte jeden Monat neue Anträge.

Geben Sie EvolutionIQ ein's platform, bei dem es sich im Wesentlichen um ein System handelt, das in der Lage ist, die gesamte Schadenabteilung so zu unterstützen, dass sie weiß, worauf sie ihre Zeit konzentrieren, wo sie ihre Zeit verbringen soll, wo sie ihre Zeit nicht verbringen soll. Wir können KI verwenden, um eine tiefgründige Erklärung zu erstellen und die Teile herauszusuchen, die wirklich wichtig sind. Hat sich in letzter Zeit eine medizinische Prognose geändert? Gibt es eine Kombination von gesundheitlichen Begleiterkrankungen, die darauf hindeuten, dass sich dieser Patient niemals erholen wird?

Im Kern konzentriert sich die Plattform auf Ansprüche wegen Körperverletzung. Solche Behauptungen, erzählt Tom dem Magazin, sind wirklich unglaublich kompliziert, weil du'Ich habe diese Erzählungen, die seit vielen Jahren offen sind. Einige dieser Behauptungen sind 15 oder 20 Jahre alt. Sie haben bis zu 30 bis 40 medizinische Diagnosen. Unsere KI wertet die gesamte Historie jedes Anspruchs bis heute aus und macht eine Prognose: Handelt es sich um einen Anspruch, bei dem wir Maßnahmen ergreifen können? Wird es ein Ergebnis geben, das Sinn macht? Und dann von [dem Versicherer]'s] 50.000 Forderungen oder was auch immer sie haben, wir sind in der Lage, die 10, 20 oder 30 Ansprüche an dem bestimmten Tag auszuwählen, die, wenn sie Maßnahmen ergreifen, zu dem besten Ergebnis für den Antragsteller, den Spediteur und den Kunden führen werden.

Zum Beispiel EvolutionIQ's AI generiert Ergebnisse, die dann verwendet werden, um den Prüfern zu helfen, Maßnahmen zu ergreifen. Es'Ist wie ein Kredit-Score von 0 bis 750. Und der Score gibt an, wie lösungs- oder umsetzungsbereit die Forderung heute ist, sagt er. Das tun wir' treffe tatsächlich irgendwelche Entscheidungen. Unser System leitet sie an und hilft ihnen zu verstehen, wo sie ihre Zeit verbringen sollen.

Eine Überraschung bei der Entwicklung der Technologie war, dass das institutionelle Wissen erfahrener Schadenregulierer noch wichtiger wurde, nicht weniger. Es gibt einen großen Trend hin zur automatischen Schadenregulierung, wodurch das Personal reduziert wird, erklärt Tom. Unserer Ansicht nach tun wir das't wollen das Prüferpersonal reduzieren Unsere frühen Fluggesellschaften vergrößern sogar die Teamgröße, weil sie jetzt sehen können, dass das Team einfach viel produktiver wird.

In der Plattform gibt es im Wesentlichen zwei Systeme: eines, das Vorhersagen trifft, und eines, das die prognostizierten Ergebnisse in der Sprache der Schadenprüfer erklärt. Es gibt ihnen einen wirklich guten Ausgangspunkt, um zu verstehen, was'Das passiert im Claim. Vorher mussten sie möglicherweise 150 Seiten mit Notizen durchlesen und versuchen, alles zu verstehen.

Wichtig ist, dass unser System unstrukturierte Daten, wie z. B. die Notizen von Prüfern auf ihren internen Systemen, die einige der nützlichsten Informationen enthalten, wie ein Mensch liest, und das führt uns in der Regel zu einem sehr genauen System.

Niemand hat das zuvor gelöst. Wir erfinden diese wichtige Methode, die es nie gegeben hat Wir'Ich iteriere nicht an einer Lösung und mache sie besser. Wir'Wir erfinden diese Anleitung zur künstlichen Intelligenz für Fluggesellschaften, die noch niemand zuvor gemacht hat.'sind nicht regelbasiert. Wir verfolgen einen Deep-Learning-Ansatz. Wir sind in der Lage, jede Nuance jeder Behauptung zu verstehen. Wir sind in der Lage, das Gesamtergebnis vorherzusagen.

Lesen Sie das vollständige Interview

Wir'Wir stellen ein! Schließ dich uns an.

früher

‍