As tecnologias multimodais surgem como uma arma fundamental contra fraudes em seguros de propriedades e acidentes, à medida que aumentam as pressões sobre os prêmios, afirma a Deloitte
A fraude em seguros está classificada como o segundo crime de colarinho branco mais caro nos Estados Unidos, atrás apenas da evasão fiscal.
O impacto financeiro vai além das seguradoras e chega aos consumidores, que enfrentam aumentos anuais de prêmios de US$ 400 a US$ 700 para cobrir perdas relacionadas a fraudes, de acordo com dados do FBI.
As seguradoras de propriedades e acidentes enfrentam uma pressão cada vez maior à medida que o desgaste dos clientes aumenta após os aumentos de taxas impulsionados pela inflação.
A Coalition Against Insurance Fraud relata que 78% dos consumidores norte-americanos expressam preocupação com a fraude em seguros, entendendo que os sinistros fraudulentos aumentam seus prêmios.
A análise da Deloitte sugere que as tecnologias orientadas por IA implantadas em todo o ciclo de vida dos sinistros poderiam permitir que as seguradoras de propriedades e acidentes reduzissem os sinistros fraudulentos e economizassem entre US$ 80 bilhões e US$ 160 bilhões até 2032.
Essa projeção pressupõe a adoção generalizada de sistemas de IA multimodais — tecnologias avançadas que processam e integram dados de várias fontes, incluindo texto, imagens, áudio, vídeo e dados de sensores.
A escala do problema gera a urgência de soluções tecnológicas. Estima-se que 10% dos pedidos de indenização de seguros de propriedades e acidentes contenham elementos fraudulentos, resultando em perdas anuais de US$ 122 bilhões.
Esse número representa 40% do total de perdas por fraude no setor de seguros.
Desafios de detecção persistem em todas as categorias de sinistros
A fraude em seguros se divide em duas categorias: fraude leve e fraude grave. A fraude branda envolve inflar sinistros legítimos, como exagerar os custos de reparo ou as lesões.
A fraude grave engloba ações premeditadas para criar sinistros falsos, incluindo acidentes encenados, incêndios criminosos, roubos falsos ou o uso de fotografias idênticas em várias seguradoras.
A fraude leve é responsável por 60% de todos os incidentes, em parte porque é difícil de detectar e processar.
A interação pouco frequente entre os segurados e as seguradoras — normalmente limitada aos pagamentos anuais de prêmios e ao registro de sinistros — restringe a supervisão contínua e permite que as atividades fraudulentas persistam sem serem detectadas.
A pandemia da COVID-19 acelerou a digitalização, criando novas oportunidades para os fraudadores e estimulando a inovação em soluções de detecção de fraudes.
O setor de tecnologia de detecção de fraudes expandiu-se rapidamente, com estimativas de mercado projetando um crescimento de US$ 4 bilhões em 2023 para US$ 32 bilhões até 2032.
A pressão regulatória aumenta a justificativa comercial para sistemas avançados de detecção.
A Associação Nacional de Comissários de Seguros pressiona as seguradoras a implementarem recursos sofisticados de detecção de fraudes, enquanto a legislação, como a Lei de IA do Colorado, exige que os modelos baseados em algoritmos evitem discriminação e preconceito ao sinalizar riscos.
Implantação da IA abrange vários fluxos de dados
Dados de uma pesquisa recente da Deloitte indicam que 35% dos executivos de seguros identificam a detecção de fraudes como uma área prioritária para aplicações de inteligência artificial generativa nos próximos 12 meses. A implementação abrange várias abordagens técnicas.
Processamento de linguagem natural — sistemas de IA que analisam a linguagem humana — examina dados textuais de formulários de sinistros, e-mails e publicações em mídias sociais para identificar palavras-chave e entidades suspeitas.
Os sinistros que contêm detalhes inconsistentes ou linguagem suspeita são sinalizados para investigação adicional.
A análise de áudio aplica o reconhecimento de fala e a análise de sentimentos às chamadas dos clientes, identificando sinais de coação quando permitido por regulamentos como a Lei de IA da União Europeia sobre inferência de emoções para fins de segurança.
A análise de imagens revela irregularidades em metadados, manipulação e uso repetido de fotografias em vários sinistros.
A análise de vídeo verifica a ocorrência e a extensão dos danos, identifica a autenticidade da imagem e destaca sinais de adulteração ou encenação.
A análise geoespacial emprega imagens de satélite e filmagens abrangentes de drones em 3D para verificar a extensão e o local dos danos que as inspeções físicas podem deixar passar, além de reduzir o risco de lesões para o pessoal de sinistros em locais de desastres naturais.
Os fluxos de dados da Internet das Coisas fornecem vigilância em tempo real por meio de sistemas telemáticos de veículos que reconstroem acidentes e verificam a legitimidade dos sinistros.
Sensores domésticos inteligentes, incluindo detectores de vazamento de água e câmeras de segurança, reúnem evidências para verificar sinistros e detectar atividades encenadas.
Modelos de simulação reproduzem o comportamento de prestadores de serviços médicos, oficinas de reparos e outros prestadores de serviços em diferentes cenários em ambientes virtuais controlados.
Esses sistemas identificam padrões e desvios das práticas padrão do setor, detectando casos de superfaturamento, serviços desnecessários e atividades coordenadas entre entidades.
A combinação de regras de negócios automatizadas, IA incorporada e métodos de aprendizado de máquina, mineração de texto, detecção de anomalias e análise de links de rede permite a pontuação em tempo real de milhões de reclamações.
Várias modalidades de dados que trabalham em conjunto identificam padrões e anomalias e, ao mesmo tempo, aprimoram os processos investigativos reduzindo falsos positivos, aumentando as taxas de detecção de sinistros fraudulentos e reduzindo os custos de investigação.
A implementação requer supervisão humana e alinhamento com as leis jurisdicionais.
Nas últimas duas décadas, as seguradoras criaram unidades especiais de investigação para detectar e mitigar fraudes, mas os líderes antifraude enfrentam desafios no gerenciamento de despesas e na aquisição de talentos.
A tecnologia permite que os investigadores humanos se concentrem em casos fraudulentos complexos em todo o ciclo de vida dos sinistros.
A atração e a retenção de talentos qualificados, combinadas com o suporte contínuo à automação, continuam sendo importantes para as empresas que buscam objetivos antifraude de longo prazo nos segmentos de sinistros patrimoniais e de seguros pessoais de automóveis, em que a complexidade e o volume de dados criam oportunidades para economias significativas de custos e melhorias de eficiência.
