Investice do umělé inteligence, která odhaluje podvody. Firmám se vrací do roku a půl

Ivana Karhanová | 11. 07. 2019
Investice do umělé inteligence, která odhaluje podvody. Firmám se vrací do roku a půl

Umělá inteligence v telekomunikacích nebo v pojišťovnictví jasně ukazuje, co dokáže lépe než nejzkušenější člověk - účinně odhalovat podvody. Černé na bílém pak stojí návratnost investice, která nepřesáhne rok a půl.

Vyplacený pojistný podvod nebo objednaný telefon k mobilnímu tarifu - doručený, ale nikdy nezaplacený. Oba tyto případy mají společný ukazatel - nastavená pravidla nedokázala dopředu identifikovat podvodné jednání a pojišťovna nebo mobilní operátor utrpí škodu. Přestože se snaží podvodům předcházet. Mají nastavené soubory pravidel, podle kterých je třeba každý případ posuzovat a která mají za cíl fraudy eliminovat. Proč to tedy nedokážou? Nebo proč dávají naopak až příliš často falešně pozitivní signály?

Číslo

Počet falešně pozitivních podezření na pojistný podvod snížila umělá inteligence o 60 procent.

Pravidla zastarávají, nikdo je neupravuje

Pravidla je třeba pravidelně aktualizovat. “Lidské chování se mění. Proto je třeba neustále brát v potaz a vyhodnocovat nové indicie, které mohou signalizovat problém,“ vysvětluje Dmitrij Šichmantěr, který ve firmě Blindspot Solutions identifikuje fraudy s pomocí umělé inteligence. “Vždy zákazníkům říkám: nechme umělou inteligenci stanovit pravidla přímo z vašich historických dat,“ dodává Šichmantěr. Taková pravidla si podle něj umělá inteligence udržuje a aktualizuje sama v souladu s tím, jak se mění chování a fígle podvodníků.

Dmitrij Šichmantěr, Solution Architect Blindspot Solutions

“Nejdůležitejší jsou historická data, hodně dat. Na nich se musí umělá inteligence naučit, co signalizuje podvod. Vše ostatní, jako jsou knihovny, algoritmy atd., máme vyladěné z desítek realizací podobných případů. Proto nám nasazení u nového zákazníka trvá měsíc.”

Že to funguje, dokazuje na příkladu mobilního operátora, kde se Blindspotu podařilo už během prvního půlroku snížit počet podvodů o třetinu. Falešně pozitivních podezření na podvod je přitom podle firmy jen zlomek procenta. Podle Šichmantěra se většina manuálně nastavených pravidel spoléhá z velké části na platební historii zákazníků a na jejich záznamy v registrech dlužníků. “Zde se však ukázalo, že významná část podvodníků žádné záznamy v bankovních a nebankovních registrech nemá, protože jim dosud nikdo nepůjčil,“ upozorňuje Šichmantěr a dodává: “Umělá inteligence se však rozhoduje podobně jako člověk. Na každý případ se dívá komplexně, zváží všechny indicie, přiřadí jim různou váhu a rozhodne.”

Věděli jste, že celosvětové ztráty způsobené podvodným chováním dosahují u telekomunikačních firem 35-40 miliard dolarů ročně? Přečtěte si více o tom, jak se podobným ztrátám můžete s pomocí AI bránit. 

Důvody rozhodnutí zůstávají skryté

Počet pojistných podvodů roste

Průměrná částka odhaleného pojistného podvodu v Česku loni vzrostla o 18 procent, když se vyšplhala na 232 000 korun. Pojišťovny sdružené v České asociaci pojišťoven prověřily v roce 2018 celkem 10 325 podezřelých pojistných událostí, ve kterých odhalily pojistné podvody v celkové hodnotě 1,3 miliardy korun.

Komplexní rozhodování umělé inteligence je podle odborníků velmi těžké rozklíčovat. Čím přesnější výsledek chceme dostat, tím komplexnější algoritmy jsou. Navíc ne vždy je podle nich žádoucí rozhodování systému znát. “Pokud víte, jak se systém rozhoduje, dokážete ho obejít. A to je přesně to, čemu se u podvodného jednání chcete vyhnout,“ vysvětluje Šichmantěr. Pokud jsou navíc žádosti schvalované online, prioritami rozhodování systému jsou rychlost a přesnost. 

Testování spolehlivosti umělé inteligence lze podle Blindspotu provádět dvěma způsoby. První vezme například data za 5 let zpětně. Z těchto dat je zřejmé, který případ skončil fraudem. Posledních 6 měsíců se dá stranou na verifikaci testu. Na zbývajících datech za 4,5 roku se systém naučí, jak má identifikovat podvodníky. Potom se takto naučená umělá inteligence pustí na poslední šestiměsíční data a ověří se, že systém dokáže skutečně dopředu identifikovat, který případ skončí fraudem. 

Proof of Concept

Nasazení do provozu - do měsíce.
Náklady - do 500 tis. Kč

Druhý způsob je testování rovnou na ostrých datech, ale první měsíce rozhoduje tzv. “do zdi”. Zpětně se pak porovnávají data s reálnými výsledky.

Pojišťovny: výše škody průběžně roste, pravidla zastarávají

Zatímco před pár lety, když se do sebe na parkovišti opřela dvě auta a promáčkla si nárazníky, byla výše škody v průměru 15 tisíc korun, s dnešními nárazníky, ve kterých je spousta elektroniky včetně kamer, dosahuje výše škody často ke 100 tisícům. Jenže tohle manuálně nastavená pravidla nevědí, takovéto nehody na parkovišti tak hlásí jako podezření na podvod, který je třeba prošetřit. 

Naproti tomu umělá inteligence automaticky zohledňuje růst výše škod a hranice pro podezření z podvodu posouvá. Podle Šichmantěra má umělá inteligence v pojišťovnictví za úkol mimo jiné i minimalizovat počet falešně pozitivních podezření na pojistný podvod a zefektivnit proces likvidace. A daří se to podle něj o desítky procent.

Podle odborníků dokáže strojové učení najít ve srovnání s nejlepším pojistným expertem mnohem více pravidel, která jsou navíc přesnější. Kontroloři v pojišťovnách jsou dnes zahlceni velkým množstvím podezřelých případů. Jejich kontrolu tak stíhají jen s velkým vypětím. A vědomí, že velká část z nich je falešná, jim na motivaci nepřidává. Nejvýraznějším benefitem je tak zvýšení produktivity práce. 

Tip: Přečtěte si více, jak AI řešení Adastry pomáhá pojišťovnám odhalovat podvody.