L'impact de l'IA sur les demandes d'indemnisation liées à l'IDI : aider un plus grand nombre de personnes à retourner au travail

L'une des caractéristiques les plus révélatrices des conseils en matière de réclamations alimentés par l'IA est leur capacité à obtenir des résultats spectaculaires, mesurables et cohérents dans un large éventail de lignes d'assurance, telles que l'assurance invalidité collective et individuelle, l'indemnisation des accidents du travail et l'assurance dommages. Et l'indicateur le plus suivi est de savoir si l'IA aide un plus grand nombre de personnes malades ou blessées à reprendre leur vie en main et à retourner au travail plus rapidement.

C'est exactement ce que montrent de nouvelles données provenant d'un important transporteur américain spécialisé dans le domaine du handicap individuel (IDI). Lors de sa première utilisation du Guide des réclamations d'EvolutionIQ pour l'IDI, il y a eu une augmentation de 35 % du nombre de personnes malades ou blessées retournant au travail. Et ils le font en moyenne 3,5 mois plus tôt que la méthode standard utilisée par les assureurs pour traiter les sinistres, qui repose sur une cadence d'évaluation basée sur un journal, ce qui amène trop souvent les examinateurs à intervenir trop tôt ou trop tard pour être le plus efficace possible sur une réclamation.

L'un des facteurs clés de ces résultats est que les examinateurs des demandes ne perdent plus un temps précieux à examiner ou à étudier des demandes stables qui ne sont pas encore prêtes à être examinées par les examinateurs. Le transporteur IDI a réduit les efforts inutiles de 36 %, ce qui a permis de consacrer plus de temps à aider les demandeurs à rentrer au travail.

Davantage de personnes retournant au travail

Les données proviennent d'un test A/B au cours duquel le transporteur a demandé au même groupe d'examinateurs de réclamations de traiter la moitié de ses réclamations en utilisant ses processus existants et la moitié de leurs réclamations en utilisant EvolutionIQ. Les demandes ont été sélectionnées au hasard pour chaque groupe.

Grâce à EvolutionIQ, toutes les personnes couvertes par une assurance invalidité ont connu d'autres types de fermetures : passer d'une maladie ou d'une blessure à une reprise de vie normale, élimination du stress et de l'inquiétude associés et retour au travail. Le graphique ci-dessous montre une augmentation de 35 % des demandes de remboursement remboursables en utilisant les conseils d'EvolutionIQ en matière de réclamations par rapport à l'utilisation des processus existants. Pour un demandeur, un RTW est une victoire parce qu'il est en bonne santé et qu'il a repris le travail. Et pour les examinateurs, chaque RTW est une victoire, car cela signifie qu'il a réellement fait une différence dans la vie de quelqu'un.

Conclusion : les sinistres clôturés sont de meilleure qualité avec Evolutioniq.

Les employés malades et blessés sont de retour sur la bonne voie plus tôt

L'augmentation des RTW se produit également beaucoup plus rapidement grâce à EvolutionIQ. Comme le montre le graphique ci-dessous, la durée des sinistres utilisant notre plateforme d'orientation des sinistres a chuté de 3,5 mois en moyenne par rapport au groupe utilisant les méthodes traditionnelles. L'un des principaux facteurs de cette réduction est la manière dont l'IA travaille en partenariat avec les examinateurs et les alerte sur les demandes qui peuvent être retraitées dès que possible, soit beaucoup plus tôt dans le cycle d'examen des demandes par rapport aux processus existants. C'est une double victoire, car les employés reprennent leur vie sur les rails plus rapidement et les examinateurs sont libres de passer aux demandes suivantes et d'aider encore plus de personnes dans leur cheminement vers le rétablissement.

Conclusion : les demandeurs reprennent le travail plus rapidement lorsque les assureurs utilisent EvolutionIQ.

L'IA aide les examinateurs à concentrer leur temps et leurs efforts sur les RTT

Et ces résultats sont obtenus sans surcharger les examinateurs. En fait, ils nécessitent moins de travail que ce qui était fait avec l'ancien processus. Grâce à EvolutionIQ, les examinateurs déploient moins d'efforts pour obtenir un RTW réussi et clôturer ainsi la réclamation grâce à un effort calculé en combinant le temps consacré aux examens médicaux, aux appels téléphoniques et à l'activité liée aux notes pour créer un score d'effort global. La réduction des efforts entraîne un effet boule de neige et des résultats positifs : les demandeurs dans le besoin bénéficient d'une attention accrue de l'examinateur, chaque examinateur peut aider un plus grand nombre d'employés malades ou blessés dans leur cheminement vers le rétablissement, et les demandes complexes peuvent être traitées bien plus tôt dans le processus.

Les lignes bleu foncé du graphique ci-dessous montrent l'effort réduit sur les demandes susceptibles d'être clôturées, qui ont chuté de 22 %. Les lignes bleu clair indiquent les demandes qui ne seront probablement pas clôturées prochainement, telles que les demandes pour lesquelles des données médicales sont en attente, le demandeur est toujours en phase de rétablissement ou d'autres facteurs entrent en jeu pour stabiliser la demande. Pour chacune de ces demandes stables examinées par un examinateur, il s'agit d'une perte de temps qui aurait pu être consacrée à des demandes plus complexes ou à aider les personnes à se remettre au travail. Alors que la plateforme alimentée par l'IA éloigne les examinateurs de ces allégations, l'effort des examinateurs est réduit de 36 % grâce à EvolutionIQ.

Conclusion : EvolutionIQ aide les examinateurs à travailler plus intelligemment, pas plus dur.

‍