Автоматизация андеррайтинга в страховании с использованием оптического распознавания символов на основе Python

Экспертиза предоставлена

Бэкэнд, наука о данных и контроль качества

Промышленность

Страхование

Наш клиент,

Один из крупнейших страховых брокеров в Соединенных Штатах, имеет более 25 лет опыта. Они предлагают услуги в более чем 40+ местах, включая страхование автомобилей, мотоциклов, лодок, жизни, здоровья, домашних животных и другие услуги.

Будучи страховым брокером, наш клиент также оказывает услуги андеррайтинга многочисленным страховым компаниям по всей территории США.

Объем проекта

Страховщики используют андеррайтинг для проверки подлинности страховых документов клиентов, содержащих персональную и финансовую информацию. Этот процесс обычно выполняется вручную, но может быть автоматизирован с использованием технологий на основе ИИ, таких как машинное обучение, обработка естественного языка и когнитивные вычисления.

В связи с большим притоком клиентов внедрение автоматизации для повышения вовлеченности клиентов и снижения объема ручной работы стало первостепенной задачей.

Объем проекта нашего клиента вращался вокруг автоматизации задач андеррайтинга. Он включает проверку информации о клиентах, предоставленной при регистрации претензий, и ее оцифровку.

В число этих документов вошли:

• Записи о транспортном средстве (MVR), включающие имя заявителя, номер водительского удостоверения, дату рождения, пол, номер полиса и многое другое.
• Подпись заявителя (электронная или фотографическая).
• Сведения о транспортном средстве: год выпуска, марка, модель и идентификационный номер транспортного средства (VIN).
• Перекрестная проверка банковских реквизитов заявителя.

Испытание

Андеррайтинг может быть утомительным процессом, который традиционно включает ручную проверку различных документов и доказательств. При оценке андеррайтер должен быть очень внимательным, поскольку в первую очередь он должен защитить риски компании.

Процесс ручной проверки для такого длительного цикла продаж требует много времени, энергии и рабочей силы, но при этом оставляет место для ошибок, что приводит к потере клиентов.

Предварительным условием нашего клиента для андеррайтинга было решение этой проблемы с помощью модели оптического распознавания символов, которая могла бы быстро сканировать документы заявителя. Они включают в себя документы первого уведомления об убытках, банковские выписки, кредитные рейтинги и другие печатные или рукописные документы по обработке претензий. Модель транскрибировала бы то же самое и создавала бы оцифрованную копию.

Наш клиент искал партнера по решениям в области искусственного интеллекта , обладающего знаниями и опытом в разработке индивидуальных решений для страховой отрасли.

Их требования включали:

• Оцифровывайте такие документы, как FNOL, банковские выписки, кредитные рейтинги и т. д.
• Проверяйте ручные или печатные документы, такие как водительские удостоверения, свидетельства о регистрации транспортного средства, тип и данные полиса и т. д., с помощью перекрестных ссылок с исходными документами клиента, не пропуская никаких данных.
• Обрабатывайте несколько заявок параллельно, круглосуточно, без вмешательства человека.
• Систематически храните обработанные данные без дублирования.
• Сообщите статус проверки агентам или клиентам в предполагаемые сроки.

Почему Maruti Techlabs?

Ранее Maruti Techlabs работала над проектами ИИ в страховой отрасли. Мы связались с командой клиента, чтобы обсудить наш опыт в улучшении их процессов андеррайтинга. Наши эксперты хотели получить более глубокое представление об их андеррайтинге и связанных с ним операционных процессах, которые можно было бы решить с помощью решений ИИ.

Изучив свои проблемы и оценив наши возможности, обе стороны согласились провести ограниченное по времени испытание концепции (PoC) в качестве пробного запуска.

После успешного выполнения PoC они продолжили работу над своим предприятием по автоматизации. Впоследствии мы узнали масштаб проекта и разработали всеобъемлющую временную шкалу.

Наш подход к пониманию их бизнес-целей, проверка предлагаемого решения с помощью ограниченного по времени Proof of Concept и рекомендации коллег из отрасли стали решающими факторами для процесса принятия решения нашим клиентом. Эти факторы придали нашему клиенту уверенность в том, что он сможет продолжить работу с Maruti Techlabs.

Решение

Мы создали модель OCR на основе Python, которая будет искать несоответствия, недостающую информацию или ошибки, и эти заявки будут помечены для ручного просмотра. Неотмеченные документы будут отправлены андеррайтерам для обработки.

Нашей основной целью было извлечь основные данные из рукописного или печатного документа FNOL и исправить их, сопоставив с зарегистрированными учетными данными клиента.

Одной из основных проблем, с которой столкнулась наша команда разработчиков, была необходимость ввода количественных и качественных данных в модель для ее эффективного обучения.

Вот пошаговый процесс внедрения обработки документов с использованием оптического распознавания символов:

1. Предварительная обработка входного изображения: Это важнейший шаг, который необходимо выполнить для любой задачи с компонентом распознавания изображений. Здесь мы использовали Tesseract для упрощения изображений, обнаружения соответствующих краев и интерпретации контуров символов.

2. Обнаружение текста: На этом этапе мы отметили рамку вокруг символов на изображении. То же самое было сделано с использованием обнаружения объектов в реальном времени с помощью YOLOv5.

3. Распознавание символов: Последний шаг включает в себя распознавание символов, выделенных на предыдущем шаге. Для реализации этого использовался PyTorch.

   
   

Мы протестировали нашу модель, используя тестовые данные, предоставленные клиентом. После того, как модель была опробована и протестирована в многочисленных вариантах использования, она была развернута на их онлайн-платформах.

Коммуникация и сотрудничество

В Maruti Techlabs мы стремимся обеспечить прозрачность общения при работе над любым проектом.

Мы использовали JIRA для управления спринтами, создания задач, отслеживания дорожной карты и управления бэклогом для этого проекта.

Помимо этого, мы запланировали еженедельные звонки на Google Meet, чтобы делиться ходом разработки и подробностями проекта. Обе стороны использовали Slack для ежедневного общения.

Для этапа разработки проекта мы задействовали следующую команду:

• Менеджер проекта — планирование сроков всего проекта, делегирование обязанностей членам команды и контроль своевременной поставки результатов проекта.
• Технический руководитель — руководство командой разработчиков для достижения поставленных результатов. Включает в себя контроль за членами команды, делегирование задач, предоставление обратной связи, расчет рисков и урегулирование конфликтов.
• Разработчики программного обеспечения — написание кода для модели, а также создание, поддержка, исправление и обновление программного обеспечения для повышения эффективности.
• QA — обеспечение качества программного обеспечения посредством тщательного тестирования, отслеживания дефектов и снижения рисков.

Технологический стек

Результаты

• Наша модель OCR обеспечила следующие улучшения в процессе андеррайтинга нашего клиента:

  • Это повысило точность данных и снизило риск дублирования данных за счет классификации документов.

  • Автоматизированные задачи андеррайтинга, сокращающие затрачиваемое время на 40% и позволяющие больше времени сосредоточиться на приоритетных задачах.

  • Усиление безопасности с использованием оценки рисков и анализа случаев мошенничества.

  • Это позволило улучшить общее качество обслуживания клиентов благодаря специализированному сквозному процессу обработки претензий.

    
    

Наш клиент воспользовался помощью Maruti Techlabs в оптимизации процесса андеррайтинга и создании клиентской ценности за счет автоматизации на основе искусственного интеллекта.

Наш процесс разработки

Мы следуем лучшим практикам Agile, Lean и DevOps, чтобы создать превосходный прототип, который воплощает идеи ваших пользователей посредством сотрудничества и быстрого выполнения. Наш главный приоритет — быстрое время реакции и доступность.

Мы действительно хотим стать вашей расширенной командой, поэтому, помимо регулярных встреч, вы можете быть уверены, что каждый из членов нашей команды находится на расстоянии одного телефонного звонка, электронного письма или сообщения.