Automatización de la suscripción de seguros mediante el reconocimiento óptico de caracteres basado en Python

Experiencia entregada

Backend, ciencia de datos y control de calidad

Industria

Seguro

Nuestro cliente,

Uno de los corredores de seguros más importantes de los Estados Unidos, con más de 25 años de experiencia, ofrece servicios en más de 40 sucursales que incluyen seguros de automóviles, motocicletas, embarcaciones, vida, salud, mascotas y otros.

Como corredor de seguros, nuestro cliente también realiza servicios de suscripción para numerosos proveedores de seguros en todo Estados Unidos.

Alcance del proyecto

Las aseguradoras utilizan la suscripción para verificar la autenticidad de los documentos de seguro de los clientes que contienen información personal y financiera. Este proceso suele realizarse de forma manual, pero se puede automatizar mediante tecnologías basadas en inteligencia artificial, como el aprendizaje automático, el procesamiento del lenguaje natural y la computación cognitiva.

Con una gran afluencia de clientes, la introducción de la automatización para aumentar la participación del cliente y disminuir la carga de trabajo manual se ha vuelto primordial.

El alcance del proyecto de nuestro cliente giraba en torno a la automatización de las tareas de suscripción. Incluye la verificación de la información del cliente proporcionada durante el registro de siniestros y la digitalización de la misma.

Estos documentos incluían:

• Registros de vehículos motorizados (MVR) que incluyen el nombre del reclamante, número de licencia, fecha de nacimiento, género, número de póliza y más.
• Firma del reclamante (electrónica o fotográfica).
• Detalles del vehículo: año de fabricación, marca, modelo y número de identificación del vehículo (VIN).
• Verificación cruzada de las credenciales bancarias de un reclamante.

Desafío

La suscripción de seguros puede ser un proceso tedioso que tradicionalmente implica la verificación manual de diversos documentos y pruebas. Durante la evaluación, el asegurador debe estar muy atento, ya que principalmente debe proteger los riesgos de la empresa.

El proceso de verificación manual para un ciclo de ventas tan largo demanda mucho tiempo, energía y mano de obra y, sin embargo, deja margen para errores, lo que resulta en la pérdida de clientes.

El requisito previo de nuestro cliente para la suscripción de seguros era afrontar este desafío con un modelo de reconocimiento óptico de caracteres que pudiera escanear rápidamente los documentos del reclamante, entre ellos, los documentos de primera notificación de siniestro, los extractos bancarios, las calificaciones crediticias y otros documentos impresos o escritos a mano relacionados con el procesamiento de reclamaciones. El modelo los transcribiría y generaría una copia digitalizada.

Nuestro cliente buscaba asociarse con un socio de soluciones de IA con experiencia y conocimientos en la elaboración de soluciones personalizadas para la industria de seguros.

Sus requisitos incluían:

• Digitalice documentos como FNOL, extractos bancarios, puntajes crediticios, etc.
• Verifique documentos manuales o impresos, como licencias de conducir, certificados de registro de vehículos, tipo de póliza y detalles, y más, mediante referencias cruzadas con los documentos originales del cliente sin omitir ningún dato.
• Procese múltiples aplicaciones en paralelo, 24 horas al día, 7 días a la semana, sin ninguna intervención humana.
• Almacene datos procesados sistemáticamente sin duplicación.
• Comparta el estado de verificación con agentes o clientes en un período de tiempo estimado.

¿Por qué Maruti Techlabs?

Maruti Techlabs había trabajado anteriormente en proyectos de IA en el sector de los seguros. Nos pusimos en contacto con el equipo del cliente para hablar sobre nuestra experiencia en la mejora de sus procesos de suscripción. Nuestros expertos querían obtener información más detallada sobre sus procesos operativos y de suscripción relacionados que pudieran abordarse mediante soluciones de IA.

Después de conocer sus desafíos y evaluar nuestras capacidades, ambas partes acordaron proceder con una prueba de concepto (PoC) limitada en el tiempo como una prueba.

Tras la ejecución exitosa de la prueba de concepto, continuaron con su proyecto de automatización. Posteriormente, conocimos el alcance del proyecto y desarrollamos un cronograma completo.

Nuestro enfoque para comprender sus objetivos comerciales, validar la solución propuesta a través de una prueba de concepto con límite de tiempo y las recomendaciones de colegas de la industria fueron factores cruciales para el proceso de toma de decisiones de nuestro cliente. Estos factores le dieron a nuestro cliente la confianza para proceder con Maruti Techlabs.

Solución

Creamos un modelo de OCR basado en Python que buscaría inconsistencias, información faltante o errores, y esas solicitudes se marcarían para su revisión manual. Los documentos sin marcar se enviarían a los aseguradores para su procesamiento.

Nuestro objetivo principal fue extraer datos esenciales de un documento FNOL escrito a mano o impreso y rectificarlos comparándolos con las credenciales registradas del cliente.

Uno de los principales desafíos que enfrentó nuestro equipo de desarrollo fue introducir datos cuantitativos y cualitativos en el modelo para entrenarlo de manera eficaz.

A continuación se muestra el proceso paso a paso para implementar el procesamiento de documentos mediante reconocimiento óptico de caracteres:

1. Preprocesamiento de la imagen de entrada: este es el paso más importante que se debe realizar para cualquier tarea con un componente de reconocimiento de imágenes. Aquí, usamos Tesseract para simplificar imágenes, detectar bordes relevantes e interpretar el contorno de los caracteres.

2. Detección de texto: en este paso, marcamos un recuadro alrededor de los caracteres de la imagen. Lo mismo se hizo utilizando la detección de objetos en tiempo real con YOLOv5.

3. Reconocimiento de caracteres: El paso final incluye el reconocimiento de los caracteres incluidos en el recuadro del paso anterior. Para implementarlo, se utilizó PyTorch.

   
   

Probamos nuestro modelo utilizando los datos de prueba proporcionados por el cliente. Una vez que el modelo se probó y se puso a prueba con numerosos casos de uso, se implementó en sus plataformas en línea.

Comunicación y colaboración

En Maruti Techlabs, nos gusta garantizar la transparencia en la comunicación mientras trabajamos en cualquier proyecto.

Aprovechamos JIRA para la gestión de sprints, la creación de tareas, el seguimiento de la hoja de ruta y la preparación del trabajo pendiente para este proyecto.

Aparte de esto, programamos llamadas semanales en Google Meet para compartir el progreso del desarrollo y los detalles del proyecto. Ambas partes usaron Slack para llevar a cabo la comunicación diaria.

Para la fase de desarrollo del proyecto desplegamos el siguiente equipo:

• Gerente de proyecto: planificar todo el cronograma del proyecto, delegar responsabilidades a los miembros del equipo y supervisar la entrega oportuna de los resultados del proyecto.
• Líder técnico: lidera al equipo de desarrollo para lograr los resultados acordados. Implica supervisar a los miembros del equipo, delegar tareas, ofrecer retroalimentación, calcular riesgos y resolver conflictos.
• Desarrolladores de software: escriben código para el modelo mientras crean, mantienen, rectifican y actualizan el software para lograr su eficacia.
• Control de calidad: garantizar la calidad del software mediante pruebas meticulosas, seguimiento de defectos y mitigación de riesgos.

Pila de tecnología

Resultados

• Nuestro modelo OCR ofreció las siguientes mejoras en el proceso de suscripción de nuestros clientes:

  • Aumentó la precisión de los datos al tiempo que redujo el riesgo de duplicación de datos mediante la clasificación de documentos.

  • Tareas de suscripción automatizadas, reduciendo el tiempo empleado en un 40% y permitiendo disponer de más tiempo para centrarse en tareas de alta prioridad.

  • Seguridad reforzada mediante el uso de puntuación de riesgo y conocimiento sobre fraude.

  • Mejoró la experiencia general del cliente con un proceso dedicado de principio a fin para el procesamiento de reclamaciones.

    
    

Nuestro cliente se benefició de la asistencia de Maruti Techlabs para optimizar su proceso de suscripción y crear valor para el cliente a través de la automatización impulsada por IA.

Nuestro proceso de desarrollo

Seguimos las mejores prácticas de Agile, Lean y DevOps para crear un prototipo superior que haga realidad las ideas de sus usuarios mediante la colaboración y la ejecución rápida. Nuestra máxima prioridad es la rapidez de reacción y la accesibilidad.

Realmente queremos ser su equipo extendido, así que además de las reuniones regulares, puede estar seguro de que cada uno de los miembros de nuestro equipo está a una llamada telefónica, correo electrónico o mensaje de distancia.