Seguros

.BM Services trabajó en estrecha colaboración con IFFCO Tokio en cada etapa del proyecto de 6 meses para construir e implementar CDAT - Herramienta de evaluación de daños por reclamos. Desde la planificación y el diseño iniciales hasta la etapa de implementación y puesta en marcha, IBM Services ayudó a identificar y desplegar las mejores opciones de tecnología para satisfacer las necesidades comerciales del cliente. El equipo de servicios de IBM analizó la funcionalidad requerida por el cliente mediante talleres modelados en el enfoque innovador del pensamiento de diseño. Aprovechando el análisis cognitivo de imágenes, CDAT es un modelo analítico que utiliza técnicas avanzadas de visión por computadora y redes neuronales profundas para evaluar el tipo y la extensión de los daños sufridos en el vehículo. Esta solución única en su clase en la industria de seguros se integra con una aplicación móvil y los sistemas de back-end de los clientes para brindar una experiencia de usuario perfecta. El cliente puede cargar fotos de la pieza dañada a través de una aplicación móvil. El motor de IA analiza las fotos y en cuestión de segundos genera una lista de piezas que necesitan ser reparadas o reemplazadas. Luego, estas piezas se buscan en la base de datos de reclamaciones históricas para conocer el costo promedio de reparación o reemplazo. En unos minutos, el costo total se muestra en la aplicación móvil del cliente. Si el cliente acepta el presupuesto de la reclamación, el pago se realiza directamente a la cuenta bancaria del cliente en un plazo de 15 minutos. Seema Gaur, vicepresidenta ejecutiva y directora de TI de IFFCO Tokio General Insurance agrega: “Optar por una solución de inteligencia artificial para la evaluación automática de siniestros de motores tenía sentido porque teníamos datos de siniestros de los últimos 17 años. Teníamos fotos dañadas con respecto a la hoja de liquidación de reclamaciones, y solo necesitábamos poner todo esto en un motor para que pudiera hablar por sí mismo ”. En ausencia de AI, estas fotografías fueron evaluadas por los oficiales de reclamos, lo que fue un trabajo tedioso y manual, ya que tardaron unas horas en evaluar los daños. Con la aplicación basada en IA, la lista de piezas dañadas se genera en minutos junto con el costo. Ahora también es mucho más conveniente para los oficiales de reclamos, ya que están en una mejor posición para justificar la evaluación ante el reclamante. La entrada de datos adecuada es uno de los requisitos esenciales del aprendizaje automático. Para garantizar que no haya errores, los datos de evaluación también se analizan manualmente en la oficina administrativa. Las discrepancias y desviaciones (si las hay) se retroalimentan al modelo de IA, entrenándolo a través de un mecanismo de retroalimentación.