Automatisation de la souscription en assurance grâce à la reconnaissance optique de caractères basée sur Python

Expertise délivrée

Backend, science des données et assurance qualité

Industrie

Assurance

Notre client,

L'un des plus grands courtiers d'assurance aux États-Unis, avec plus de 25 ans d'expérience. Ils offrent des services dans plus de 40 sites, notamment en matière d'assurance automobile, moto, bateau, vie, santé, animaux de compagnie et autres.

En tant que courtier d’assurance, notre client fournit également des services de souscription pour de nombreux fournisseurs d’assurance à travers les États-Unis.

Portée du projet

Les assureurs utilisent la souscription pour vérifier l'authenticité des documents d'assurance des clients contenant des informations personnelles et financières. Ce processus est généralement effectué manuellement, mais peut être automatisé à l'aide de technologies basées sur l'IA telles que l'apprentissage automatique, le traitement du langage naturel et l'informatique cognitive.

Avec un afflux élevé de clients, l’introduction de l’automatisation pour augmenter l’engagement client et réduire la charge de travail manuelle est devenue primordiale.

Le projet de notre client consistait à automatiser les tâches de souscription. Il s'agissait notamment de vérifier les informations client fournies lors de l'enregistrement des sinistres et de les numériser.

Ces documents comprenaient :

• Dossiers de véhicules à moteur (MVR) comprenant le nom du demandeur, son numéro de permis, sa date de naissance, son sexe, son numéro de police, etc.
• Signature du demandeur (électronique ou photographique).
• Détails du véhicule : année de fabrication, marque, modèle et numéro d'identification du véhicule (VIN).
• Vérification croisée des informations bancaires d’un demandeur.

Défi

La souscription peut être un processus fastidieux qui implique traditionnellement la vérification manuelle de divers documents et preuves. Lors de l'évaluation, un souscripteur doit être très attentif car il doit avant tout protéger les risques de l'entreprise.

Le processus de vérification manuelle d’un cycle de vente aussi long exige beaucoup de temps, d’énergie et de main-d’œuvre, mais laisse une place à l’erreur, ce qui entraîne la perte de clients.

La condition préalable de notre client pour la souscription était de relever ce défi avec un modèle de reconnaissance optique de caractères capable de numériser rapidement les documents du demandeur. Il s'agit notamment des documents de premier avis de sinistre, des relevés bancaires, des cotes de crédit et d'autres documents de traitement de sinistre imprimés ou manuscrits. Le modèle transcrirait ces documents et en produirait une copie numérisée.

Notre client cherchait à s’associer à un partenaire en solutions d’IA doté d’une expertise et d’une expérience dans la création de solutions sur mesure pour le secteur des assurances.

Leurs exigences comprenaient :

• Numérisez des documents tels que les FNOL, les relevés bancaires, les cotes de crédit, etc.
• Vérifiez les documents manuels ou imprimés, tels que les permis de conduire, les certificats d'immatriculation des véhicules, le type et les détails de la police d'assurance, etc., en effectuant des références croisées avec les documents clients d'origine sans omettre aucune donnée.
• Traitez plusieurs applications en parallèle, 24h/24 et 7j/7, sans aucune intervention humaine.
• Stockez les données traitées de manière systématique sans duplication.
• Partagez le statut de vérification avec les agents ou les clients dans un délai estimé.

Pourquoi Maruti Techlabs ?

Maruti Techlabs avait déjà travaillé sur des projets d'IA dans le secteur des assurances. Nous avons pris contact avec l'équipe du client pour discuter de notre expertise dans l'amélioration de leurs processus de souscription. Nos experts souhaitaient obtenir des informations plus approfondies sur leurs processus de souscription et les processus opérationnels associés qui pourraient être traités à l'aide de solutions d'IA.

Après avoir pris connaissance de leurs défis et évalué nos capacités, les deux parties ont convenu de procéder à une preuve de concept (PoC) dans un délai limité à titre d'essai.

Après une exécution réussie du PoC, ils ont poursuivi leur projet d'automatisation. Par la suite, nous avons étudié la portée du projet et élaboré un calendrier complet.

Notre approche visant à comprendre leurs objectifs commerciaux, à valider la solution proposée par le biais d'une preuve de concept limitée dans le temps et à obtenir les recommandations de nos pairs du secteur ont été des facteurs cruciaux pour le processus de prise de décision de notre client. Ces facteurs ont donné à notre client la confiance nécessaire pour poursuivre son travail avec Maruti Techlabs.

Solution

Nous avons créé un modèle OCR basé sur Python qui rechercherait les incohérences, les informations manquantes ou les erreurs, et ces demandes seraient signalées pour un examen manuel. Les documents non signalés seraient envoyés aux souscripteurs pour traitement.

Notre objectif principal était d'extraire les données essentielles d'un document FNOL manuscrit ou imprimé et de les rectifier en les recoupant avec les informations d'identification enregistrées du client.

L’un des principaux défis auxquels notre équipe de développement a été confrontée était d’alimenter le modèle en données quantitatives et qualitatives pour le former efficacement.

Voici le processus étape par étape de mise en œuvre du traitement de documents à l'aide de la reconnaissance optique de caractères :

1. Prétraitement de l'image d'entrée : il s'agit de l'étape la plus importante à effectuer pour toute tâche comportant un composant de reconnaissance d'image. Ici, nous avons utilisé Tesseract pour simplifier les images, détecter les contours pertinents et interpréter le contour des caractères.

2. Détection de texte : Dans cette étape, nous avons marqué un cadre autour des caractères de l'image. La même chose a été faite en utilisant la détection d'objets en temps réel avec YOLOv5.

3. Reconnaissance des caractères : L'étape finale consiste à reconnaître les caractères encadrés à l'étape précédente. PyTorch a été utilisé pour mettre en œuvre cette opération.

   
   

Nous avons testé notre modèle à l'aide des données de test fournies par le client. Une fois le modèle testé et éprouvé dans de nombreux cas d'utilisation, il a été déployé sur leurs plateformes en ligne.

Communication et collaboration

Chez Maruti Techlabs, nous aimons garantir la transparence dans la communication lorsque nous travaillons sur n'importe quel projet.

Nous avons utilisé JIRA pour la gestion des sprints, la création de tâches, le suivi de la feuille de route et la gestion du backlog pour ce projet.

En dehors de cela, nous avons programmé des appels hebdomadaires sur Google Meet pour partager l'avancement du développement et les détails du projet. Les deux parties ont utilisé Slack pour assurer la communication au quotidien.

Nous avons déployé l'équipe suivante pour la phase de développement du projet :

• Chef de projet - planification de l'ensemble du calendrier du projet, délégation des responsabilités aux membres de l'équipe et suivi de la livraison en temps voulu des livrables du projet.
• Responsable technique : il dirige l'équipe de développement pour atteindre les objectifs fixés. Il doit superviser les membres de l'équipe, déléguer des tâches, fournir des commentaires, calculer les risques et régler les conflits.
• Développeurs de logiciels - écrivant du code pour le modèle tout en créant, en maintenant, en rectifiant et en mettant à niveau les logiciels pour plus d'efficacité.
• QA - garantir la qualité du logiciel grâce à des tests méticuleux, au suivi des défauts et à l'atténuation des risques.

Pile technologique

Résultats

• Notre modèle OCR a apporté les améliorations suivantes au processus de souscription de notre client :

  • Il a augmenté la précision des données tout en réduisant le risque de duplication des données grâce à la classification des documents.

  • Tâches de souscription automatisées, réduisant le temps passé de 40 % et permettant de consacrer plus de temps aux tâches prioritaires.

  • Sécurité renforcée grâce à l'évaluation des risques et aux informations sur la fraude.

  • Il a amélioré l’expérience globale du client grâce à un processus de bout en bout dédié au traitement des réclamations.

    
    

Notre client a bénéficié de l'assistance de Maruti Techlabs pour optimiser son processus de souscription et créer de la valeur client grâce à l'automatisation basée sur l'IA.

Notre processus de développement

Nous suivons les meilleures pratiques Agile, Lean et DevOps pour créer un prototype de qualité supérieure qui concrétise les idées de vos utilisateurs grâce à la collaboration et à une exécution rapide. Notre priorité absolue est la rapidité de réaction et l'accessibilité.

Nous souhaitons vraiment être votre équipe élargie, donc en plus des réunions régulières, vous pouvez être sûr que chacun des membres de notre équipe est à un appel téléphonique, un e-mail ou un message.