保險公司以往面對不實的理賠申請和保險欺詐個案，往往須投入大量人手進行核算，除搜證處理需時，亦有機會出現紕漏。尤其疫情之下保險索償急增，因此不少保險公司近年開始採用預測演算法及數碼身份識別技術，遏制疫情期間激增的欺詐行為。
AI 及身份驗證分析對抗欺詐威脅
據反保險欺詐聯盟（CAIF）與數據分析供應商 SAS 聯合進行的反保險欺詐技術研究顯示，保險公司對預測分析技術的應用創下歷史新高。研究指出，80% 保險公司已採用預測分析模型偵測欺詐行為，遠高於 2018 年的 55%。
40%受訪者表示，該研究在 2021 年新增一個調查項目，強調身份驗證軟件的重要性。事實上，惡意網絡釣魚詐騙激增，自疫情爆發以來飆升 600%，促使身份驗證分析迅速成為保險公司的必備技術。
SAS 保險解決方案總監 David Hartley 表示：「自 2018 年以來，研究發現保險公司正不斷採用更複雜的技術，打擊保險欺詐相關的犯罪活動。當中，預測建模增長 25%；文本挖掘應用幾乎達至雙倍，在 3 年內由 33% 躍升至 65%。這些研究表明，即使疫情 下，欺詐行為仍十分猖獗，保險公司正迅速擴展其進階分析及人工智能技術，以應對層出不窮的欺詐威脅。」
身份盜竊造就虛假索償
縱觀全球各地，欺詐分子正利用網絡釣魚、惡意軟件甚至社交媒體小程式，在消費者毫無戒備的情況下竊取他們的個人敏感資料，然後在暗網上出售謀取暴利，或進行惡意操作，包括身份盜竊、偽造保險索償，或通過銷售虛假保單向保險公司詐騙保險佣金等。 單在美國，保險欺詐每年已造成高達 800 億美元的損失。
反保險欺詐聯盟共同主席兼該組織研究委員會主席 Dave Rioux 表示：「掌握這些趨勢有助了解保險公司的反欺詐技術應用現況及應用程度，這項研究更提供新興案例，及常見挑戰等重要見解，協助整個行業辨別最有效的技術，以防範前所未有的欺詐攻擊。」
是次研究重點如下：
- 反欺詐技術應用不斷擴大 – 該研究發現，保險公司最常用的反欺詐技術包括：危險訊號自動標記 (88%)、預測建模 (80%)、文本挖掘 (65%)、報表製作 (64%)、案例管理 (61%)、異常報告 (51%) ，和資料視覺化/關聯分析（51%）。
- 保險公司資料來源多樣化 – 除了依賴內部資料，保險公司還收集行業欺詐觀察名單、公共記錄、協作廠商整合資料、社交媒體資料和個人設備資料。當中，非結構性資料的使用率從 2018 年低於 50%，飆升至 2021 年的 81%。
- 圖片分析技術日益步進 – 保險公司正大幅應用照片分析技術鑒別索償的真實性、識別經過修改的圖像，並對其他索償中已提交的圖片進行索引。
- 調查人員需要更多資源 – 嶄新的反欺詐技術有助提高調查效率，但保險公司的內外部調查資源，不足以覆蓋每年數十億的欺詐行為。
SAS 全球安全智慧業務部首席業務顧問 Kim Kuster 指出，犯罪分子以先進技術竊取個人資訊，並向保險公司欺詐數十億美元。為遏制全球保險市場猖獗的欺詐行為，保險公司需要更廣泛應用新興技術，提升人和機器的反欺詐能力。
