Come Genpact utilizza l’intelligenza artificiale per automatizzare il processo di reclamo per l’assicurazione del veicolo

Genpact’s Claims AI è addestrato su milioni di immagini supportate dall’auto-etichettatura e dalla generazione di dati sintetici e può rilevare sei tipi di danni come graffi, ammaccature, schiacciamenti, parti mancanti, disallineamento e strappi.

La valutazione dei danni è una componente fondamentale nel processo di richiesta di risarcimento per l’assicurazione automobilistica. Attualmente viene eseguito manualmente da terze parti e comporta costi e risorse considerevoli. La difficoltà intrinseca nell’acquisizione di immagini in un ambiente non controllato è la sfida più grande nell’automazione del processo,

Nel suo discorso al MLDS 2021, Chirag Jain, AVP, Data Science and Insights – Augmented Intelligence Practice at Genpact, ha elaborato l’utilizzo di architetture di apprendimento profondo all’avanguardia e approcci di miglioramento dei dati AI per generare milioni di immagini per addestrare il sistema . Ha approfondito le lezioni apprese e il modo in cui la loro soluzione è stata in grado di segmentare parti del corpo e aree danneggiate a livello di pixel per generare una solida visione per il processo decisionale in molteplici scenari tra cui perdita totale, riparazione-sostituzione, stime dei costi ecc.

Intervento manuale Vs AI
I processi di reclamo automatico manuale richiedono dai 5 ai 10 giorni per esaminare il reclamo. Il processo prevede passaggi come la registrazione da parte dell’agente dell’assistenza clienti e l’invio di una richiesta di reclamo al perito, l’assegnazione del caso al team di ispezione della mobilità, l’analisi delle immagini acquisite tramite i rappresentanti self-service o sul campo, la revisione della stima con i dettagli della perdita e altro ancora. L’intelligenza artificiale può semplificare l’intero processo poiché la visione artificiale classifica la perdita totale, rileva automaticamente i danni e fornisce input per le stime degli elementi pubblicitari come i prezzi dei ricambi, la cronologia del veicolo e il costo stimato complessivo, il tutto in 24 ore.

Genpact’s Claims AI ottiene First Notice of Loss (FNOL), seguito da immagini di veicoli danneggiati analizzati dalla visione artificiale per identificare attributi come analisi delle parti, probabilità di danneggiamento delle parti, gravità del danno, perdita totale e stime dei costi per la riparazione del veicolo .

Genpact’s Claims AI è addestrato su milioni di immagini supportate dall’auto-etichettatura e dalla generazione di dati sintetici e può rilevare sei tipi di danni come graffi, ammaccature, schiacciamenti, parti mancanti, disallineamento e strappi. Può inoltre gestire il rilevamento di 38 parti in SUV, berline, camion, hatchback, minivan e coups.

Rilevamento a livello di pixel
Mentre le tecniche sopra menzionate coprono il rilevamento a livello di superficie, Jain ha affermato che stanno esplorando il rilevamento di parti a livello di pixel per estrarre informazioni dettagliate sul danno. “Il rilevamento del livello dei pixel è fondamentale per i confini delle parti più sottili”, ha affermato Jain.

Alcune delle tecniche utilizzate da Genpact per comprendere i pixel includono l’attivazione della classe, l’aumento dei dati di addestramento come la generazione di dati sintetici, l’apprendimento del trasferimento, ecc.

Sfide
Sebbene la tecnologia all’avanguardia sia stata in grado di aiutare a rilevare il tipo di danno, le parti danneggiate e prendere una decisione sulla riparazione e la sostituzione, non è priva di sfide. Jain ha illustrato gli ostacoli che devono affrontare durante l’utilizzo dell’IA nella liquidazione dei sinistri, tra cui:

Jain ha detto che le decisioni non si basano esclusivamente sull’intelligenza artificiale. C’è una discreta quantità di intervento umano coinvolto. “La stima della linea basata sull’intelligenza artificiale è sicuramente il nostro obiettivo, ma se in alcuni casi si scopre che l’IA sta prendendo decisioni sbagliate, gli umani prendono il sopravvento”, ha concluso.

Di ihal