Fraude en aseguradoras se puede erradicar con Inteligencia Artificial

En los últimos 8 años el mercado asegurador peruano ha crecido a un ritmo de entre 5% y 8%, siendo los seguros vehiculares y de inmuebles los más demandados, seguidos por los seguros por accidentes, enfermedades y previsionales, que han ido en aumento debido a la pandemia, según la Asociación Peruana de Empresas de Seguros (APESEG).

De hecho, al cierre del 2022, las primas de seguros cerraron en casi 19 millones de soles, cifra que registró un ligero incremento de 5,9% frente al 2021 y que acorta la brecha con respecto a la penetración del rubro asegurador en Latinoamérica, que asciende a 2,6% puntos porcentuales del PBI, sin embargo, con este crecimiento, también se ha registrado el incremento de fraudes relacionados a los diferentes seguros que existen en el mercado peruano.

Al respecto, de acuerdo con la Asociación de Certificadores de Fraude de Estados Unidos, más del 5% de los ingresos anuales de las aseguradoras se pierden ante la perpetración del fraude, del que se registran un promedio de 2 mil 500 casos por año, divididos en 125 países. Estas cifras incluyen sólo los reportes oficiales, por lo que los impactos financieros reales son mayores si se sumaran aquellos casos que no son detectados.

De acuerdo con SAS, especialista en analítica avanzada, Inteligencia Artificial (IA) y gestión de datos, entre el listado de fraudes se pueden crear tres categorías principales: los oportunistas, que se dan de manera ocasional al incrementar los daños de un siniestro real o para compensar una experiencia previa negativa, los cuales suceden con alta periodicidad e importes bajos; el deliberado es aquel que lleva una planificación para exagerar o fabricar siniestros falsos; así como el organizado, que implica un grupo de personas, incluso colaboradores o proveedores de las propias aseguradoras, quienes tienen alto conocimiento de los términos y condiciones de las pólizas, y cuyo volumen es menor, pero generan pérdidas de medias a altas.

Rueda precisó que las áreas de agentes de reclamos son las que detectan estos casos negativos; sin embargo, con la analítica de datos es posible que la revisión y seguimiento de los mismos incluyan a miembros de puestos de suscripción o renovación de pólizas, lo cual blinda aún más a las compañías. Además, se trata de implementaciones a largo plazo dentro de los equipos, ya que las acciones fraudulentas no son exclusivas de un país o región, pero sí son más detectables en áreas de mayor población o ciudades con alto número de pólizas.

Así, cuando el manejo de datos de los clientes se da a través de la analítica digital, como la que ofrece SAS, se tiene la capacidad de relacionar nombres, accidentes, mecánicos, talleres a los que estos vehículos son enviados, tipos de afectación de los autos, entre otros, por lo que fácilmente se pueden detectar patrones para dar con bandas organizadas.

Fraudes en seguros de salud

En cuanto a las pólizas relacionadas con salud, el fraude más común se da cuando el paciente recibe un servicio distinto al que realmente tenía acceso con su diagnóstico. Desde el cambio de una cirugía, el recibir post operatorios que no se relacionan con su padecimiento, el pago de estudios que no son necesarios para su expediente médico o de medicamentos que no corresponden a la especialidad en la que se le atiende, todo ello genera una serie de pérdidas a las aseguradoras.

El problema, comentó Rueda, es la cantidad de información que representa cada paciente, así como la manera en la que se tienen que relacionar desde el nombre de los medicamentos, de los hospitales y especialistas, los procedimientos que se incluyen en su póliza y más. Unir todos los puntos con sistemas manuales genera vacíos y pérdidas, que sólo la Inteligencia Artificial puede manejar en tiempo real para detectar los fraudes.

Finalmente, de acuerdo con SAS, sólo alrededor de un 30% de las aseguradoras tienen actualmente la implementación de un manejo inteligente de datos; mientras que el resto trabaja con tecnología heredada, procesos manuales o equipos in house que carecen de madurez y aprovechamiento de la data. Y si bien el tema de la inversión es una de las barreras para llegar a la transformación digital, la resistencia al cambio tiene un costo mayor.