close
人工智能應用方案

保險業藉反欺詐分析技術應對詐騙挑戰

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。

Tags :SAS
Catabell Lee

The authorCatabell Lee