Una aseguradora ahorra más de 16 millones de reales en un año con el análisis predictivo

Hacer frente a los siniestros (reclamaciones de seguros) e identificar el fraude son retos constantes para las aseguradoras que buscan proteger su salud financiera. En este mercado, donde cada siniestro genera impacto financiero y aumenta el riesgo, la capacidad de predecir y prevenir el fraude es indispensable. Con el avance de nuevas tecnologías como la Inteligencia Artificial y el Machine Learning, surgen nuevas posibilidades para afrontar este reto.

Fue con el objetivo de incorporar tecnologías avanzadas en sus procesos que una de las aseguradoras más importantes de Brasil contrató a act digital. El proyecto consistió en implementar un modelo predictivo basado en IA y Machine Learning, capaz de identificar patrones sospechosos y siniestros indebidos, evitando pérdidas millonarias.

La solución garantizó a la empresa una visión completa y detallada de las operaciones, permitiendo acciones preventivas más eficaces. Sólo en el primer año tras la implantación, la aseguradora ahorró más de 16 millones de reales, lo que demuestra el impacto positivo y la importancia del análisis predictivo en la gestión de siniestros y fraudes.

Además, la tasa media de efectividad de las desautorizaciones -una métrica que indica la proporción de desautorizaciones (rechazos de pago por servicios prestados) que se llevaron a cabo- pasó de alrededor del 50% al 70%. Estos resultados han llevado a la empresa a proyectar un ahorro de 490 millones de reales en cinco años. Conozca todos los detalles del proyecto.

Cliente: centenario en el mercado asegurador

Fundada en 1895, la empresa es una de las mayores aseguradoras de Brasil. En 2007 salió a bolsa, fortaleciendo su relación con los inversores y el mercado. El grupo atiende actualmente a más de 7 millones de clientes, que contratan seguros en diferentes áreas, como salud, dental, vida y planes de pensiones, además de inversiones.

A través de estos productos, la empresa cumple su misión de garantizar a las personas una vida mejor proporcionándoles apoyo, seguridad y autonomía en todo momento. Sus soluciones se centran en garantizar la salud física, emocional y financiera.

Con más de 4.000 empleados, la aseguradora cuenta con una amplia red de especialistas, incluidos corredores, médicos, consultores y otros profesionales que trabajan en los sectores de seguros e inversiones.

Reto: aumentar la precisión en el análisis de reclamaciones, desautorizaciones y fraudes

La empresa se enfrentaba a pérdidas financieras como consecuencia de fraudes, reclamaciones indebidamente pagadas y desautorizaciones. Por ejemplo, las desautorizaciones, que son rechazos de pagos por servicios prestados, al no ser identificadas generaban un coste que podría haberse evitado. El problema era que el sistema de análisis de la empresa no proporcionaba análisis con el nivel de precisión necesario para reducir estas pérdidas y optimizar sus procesos.

La aseguradora ya disponía de un sistema, pero estaba anticuado y no respondía a las necesidades de la operación. Por ejemplo, las desviaciones calculadas por la herramienta eran solo dos y no se incluían algunos análisis importantes (como los relativos a materiales y medicamentos que podían ser desautorizados).

Objetivos previstos

• Reducir las pérdidas financieras.
• Anticipar los riesgos de fraude, malversación y abuso.
• Aumentar las variables y situaciones analizadas por el sistema.
• Mejorar la capacidad analítica y predictiva de la empresa.

Solución: sistema mejorado mediante IA y aprendizaje automático

Para hacer frente a los retos planteados, se desarrolló un modelo predictivo para identificar y prevenir las devoluciones de cargo, estructurando una base de datos robusta e integrando otros procedentes de múltiples fuentes transaccionales. La solución incluía la visualización de datos y la supervisión continua del rendimiento del modelo predictivo, lo que permitía adoptar medidas preventivas más eficaces.

Metodologías

Para sustentar el proceso de diseño se adoptaron metodologías como Design Thinking, Human-Centred Design y DesignOps. Además, se utilizó la herramienta Double Diamond para llevar a cabo la investigación UX y desarrollar prototipos.

Tecnologías utilizadas

• Google Cloud Platform (GCP): utilizada para la estructuración y gobernanza de datos.
• Python: implementado para desarrollar el aprendizaje automático del modelo predictivo.
• Tableau: utilizado para la visualización de datos.
• Miro: una herramienta para realizar y documentar toda la investigación UX.
• Adobe XD: utilizado para crear prototipos de la solución.

Cambios aplicados en el sistema

• Desviaciones: la herramienta, que antes sólo evaluaba dos tipos de desviación, ahora tiene en cuenta ocho variables.
• Materiales y medicamentos: el sistema comenzó a analizar situaciones relacionadas con el uso de materiales y medicamentos (que también podrían dar lugar a desautorizaciones).
• Análisis predictivo ampliado: el programa informático ha extendido el análisis predictivo a todo tipo de cuentas, abarcando tanto el ámbito administrativo como el técnico, que antes se limitaba a este último.
• Rechazo masivo: funcionalidad que aún no ofrece el sistema.
• Cuadros de mando: paneles de datos con información que puede ser supervisada por los equipos.

Resultados: ahorro millonario en siniestros y malversación

La implantación de la solución aportó mejoras significativas a la empresa, optimizando los procesos y reduciendo las pérdidas. Se automatizó el análisis técnico y administrativo de las desautorizaciones, lo que permitió una mayor rapidez en el reconocimiento del fraude. Como resultado, aumentó la eficiencia operativa, lo que se tradujo en una reducción significativa del fraude y las desautorizaciones, generando ahorros para la aseguradora.

Principales resultados

• Automatización de los procesos: mejora del análisis técnico y administrativo de las denegaciones.
• Reconocimiento rápido del fraude: mayor agilidad en la identificación del fraude.
• Optimización operativa: reducción de los pasos manuales en el análisis de las desautorizaciones.
• Ahorro financiero: reducción significativa del fraude y las desautorizaciones, generando ahorros para la empresa. En el primer año, la empresa dejó de gastar 16,6 millones de reales. La proyección para cinco años es que la cantidad ahorrada alcance los 490 millones de reales.
• Mayor eficacia: la tasa media de eficacia en el análisis de las denegaciones pasó de alrededor del 50% al 70%.

Cómo podemos ayudar a su empresa

Los servicios de act digital garantizan seguridad y precisión, ofreciendo soluciones innovadoras que utilizan tecnologías avanzadas. Una gestión eficaz de los datos y unos procesos operativos eficientes ayudan a las aseguradoras a adaptarse al nuevo mercado digital.

Aportamos innovación a través de un ecosistema empresarial moderno y digital, supervisando y analizando los datos en tiempo real. Creamos modelos predictivos que anticipan fraudes y reclamaciones indebidas, además de ofrecer soluciones personalizadas que responden a las necesidades específicas de cada cliente. ¡Echa un vistazo a algunos de nuestros principales enfoques en este sector!

• IoT y machine learning: integramos dispositivos conectados y algoritmos avanzados para recopilar y analizar datos en tiempo real, identificar patrones y prevenir riesgos.
• Computación en la nube: utilizamos plataformas en la nube para almacenar y procesar grandes volúmenes de datos de forma segura y eficiente.
• Inteligencia Artificial: desarrollamos modelos de IA para predecir y mitigar el fraude, mejorando la toma de decisiones y la gestión del riesgo.
• Gestión estratégica de datos: aplicamos prácticas avanzadas de gestión de datos, garantizando la integridad, seguridad y utilidad de la información para la toma de decisiones estratégicas.

¿Necesita su empresa una solución avanzada de análisis predictivo? Nosotros podemos ayudarle. Hable con nuestros expertos.