Καντώρος: Η εξέλιξη της τεχνολογίας, στη καταπολέμηση της ασφαλιστικής απάτης

Για την ασφαλιστική απάτη στον τομέα της Υγείας, αναφέρθηκε ο διευθύνοντος συμβούλου της Interamerican και πρόεδρος της Επιτροπής Ασφαλίσεων Υγείας της Ένωσης Ασφαλιστικών Εταιρειών Ελλάδος, Γιάννης Καντώρος, κατά την τοποθέτησή του στην επιστημονική ημερίδα που οργανώθηκε στο Πανεπιστήμιο Πειραιώς.

«Στην προσπάθεια για την αντιμετώπιση του προβλήματος, η εξέλιξη της τεχνολογίας προσφέρει σημαντικά εφόδια τα οποία -εφ’ όσον χρησιμοποιηθούν σωστά- μπορούν να οδηγήσουν σε λύσεις και να βοηθήσουν τους δημόσιους και ιδιωτικούς οργανισμούς να ελαχιστοποιήσουν τις απώλειές τους», είπε ο κ. Καντώρος.

Ο ίδιος, ανέδειξε τη σοβαρότητα του θέματος για την ασφαλιστική βιομηχανία, σε όλον τον κόσμο και στην Ελλάδα κατά την ομιλία του στην ημερίδα του τμήματος Διοίκησης Επιχειρήσεων και Στατιστικής Ασφαλιστικής Επιστήμης, του Πανεπιστημίου Πειραιώς.

Συνεχίζοντας, ο πρόεδρος της Επιτροπής Ασφαλίσεων Υγείας της ΕΑΕΕ, εστίασε στη σωστή πρόσβαση και χρήση δεδομένων, καθώς και στη σχεδίαση και υλοποίηση εξελιγμένων αλγορίθμων μηχανικής μάθησης.

Αυτά παρέχουν τη δυνατότητα στις επιχειρήσεις να εκτιμήσουν -φυσικά, μέσα σε ένα όριο στατιστικής σημαντικότητας- πιθανά προφίλ που θα μπορούσαν να προκαλέσουν απάτη.

Όπως επεσήμανε ο κ. Καντώρος, η αυτοματοποίηση, η ακρίβεια της πρόβλεψής τους και η επεκτασιμότητά τους, είναι κάποια από τα πιο ουσιαστικά πλεονεκτήματα που προσφέρουν οι αλγόριθμοι αυτοί για την αντιμετώπιση της ασφαλιστικής απάτης.

Ο συνδυασμός των εν λόγω εξελιγμένων στατιστικών τεχνικών με τις πιο παραδοσιακές ασφαλιστικές τεχνικές αντιμετώπισης, όπως είναι η ανάληψη κινδύνων και η διαχείριση ζημιών, δημιουργεί ένα σημαντικό πλέγμα προστασίας και προσφέρει στους ασφαλισμένους καλύτερες και πιο ασφαλείς λύσεις.

Ως απάτη ορίζεται η ενσυνείδητη υποβολή μιας πλασματικής αξίωσης, η διόγκωση μιας αξίωσης ή προσθήκη επιπλέον αντικειμένων σε μια αξίωση, ή ακόμη με οποιονδήποτε τρόπο η πρόθεση να αποκτηθούν περισσότερα από τα νόμιμα δικαιώματα.

Ο ομιλητής παρατήρησε πως στην ασφάλιση υγείας η απάτη πραγματοποιείται, συνήθως, με τη δήλωση ψευδών στοιχείων για οικονομικό όφελος όταν ένας πελάτης ή ένας οργανισμός αιτείται ασφάλιση, κυρίως κατά την υποβολή αιτήματος αποζημίωσης.

Το κόστος διαχείρισης της απάτης μπορεί να επιφέρει σημαντική αύξηση των ασφαλίστρων σε όλο το χαρτοφυλάκιο ασφάλισης, καθώς επίσης να οδηγήσει σε καθυστερημένη εκδίκαση αξιώσεων, γεγονός με αρνητική επίδραση στις τεχνικές προβλέψεις (υποχρεώσεις).

Κατόπιν, ο επικεφαλής της Interamerican, διέκρινε δύο κατηγορίες προέλευσης της απάτης, από τους ασφαλιζόμενους, οι οποίοι ενδέχεται να μη δώσουν πραγματικά στοιχεία για την κατάσταση της υγείας τους.

Κατά την αίτηση. είτε κατά την αποζημίωση, υποβάλλοντας στοιχεία για ιατρικές πράξεις διαφορετικές από αυτές που πραγματοποιήθηκαν και δεν καλύπτονται.

Και αφ’ ετέρου, από τους παρόχους υπηρεσιών -νοσοκομεία και ιατρούς- που ενδέχεται να κοστολογήσουν με υπερβολικές τιμές θεραπείας ή φαρμάκου, χρεώνοντας για τις ιατρικές υπηρεσίες που δεν εκτελούνται πραγματικά, ή ως ξεχωριστή θεραπεία κάθε στάδιο μιας ιατρικής διαδικασίας ή πραγματοποιώντας πιο ακριβές ιατρικές υπηρεσίες.

Στη συνέχεια, ο ομιλητής υποστήριξε ότι για την αντιμετώπιση της απάτης, μέσω των data science και data mining τεχνικών που περιλαμβάνουν στατιστικές και μαθηματικές μεθόδους, τεχνητή νοημοσύνη και τεχνικές μηχανικής μάθησης, εξάγονται και εντοπίζονται χρήσιμες πληροφορίες από δεδομένα μεγάλου όγκου απαιτήσεων, χωρίς την παρέμβαση του ανθρώπινου παράγοντα

Μάλιστα, για να γίνει η μετάβαση σε αυτές τις πιο εξελιγμένες τεχνικές η ύπαρξη, χρησιμοποίηση και αξιοποίηση των διαφορετικών πηγών δεδομένων είναι πολύ σημαντική.

Ειδικά στον τομέα της Υγείας, όπου τα δεδομένα είναι αρκετά ευαίσθητα και ποικίλουν με βάση την εκάστοτε νομοθεσία που διέπει κάθε χώρα, θα πρέπει να βρεθούν λύσεις για την πιο σωστή και έγκαιρη χρησιμοποίησή τους.

Άλλωστε, η αξιοπιστία και η προβλεπτική ικανότητα ενός machine learning αλγορίθμου βασίζεται στην ποιότητα και πολυπλοκότητα των δεδομένων που θα χτιστεί.

Ολοκληρώνοντας, ο κ. Καντώρος, έκανε λόγο για το παράδειγμα της εταιρείας, τονίζοντας ότι εδώ και χρόνια έχει κάνει σημαντικά βήματα στον χώρο των advanced analytics, όντας σήμερα ένας από τους leader players στον ιδιωτικό τομέα ασφάλισης στο ζήτημα της διαχείρισης και αξιοποίησης των δεδομένων.

Μέσα από την ομάδα analytics που υπάρχει στην Interamerican και αποτελείται από data scientists και data analysts, γίνονται προσπάθειες για να δημιουργηθούν, κυρίως, supervised machine learning αλγόριθμοι πάνω σε δεδομένα πελατών που έχουν διαπράξει απάτη.

Οι αλγόριθμοι αυτοί θα βοηθήσουν την εταιρεία να έχει μια ένδειξη η οποία να δείχνει πόσο πιθανόν είναι κάθε νέος πελάτης να διαπράξει απάτη

Καταλήγοντας ο διευθύνων σύμβουλος της Interamerican, εκτίμησε ότι η συγκεκριμένη διαδικασία δεν μπορεί να αντικαταστήσει το σημαντικό παραδοσιακό μέρος της ανάληψης κινδύνων.

Μπορεί, όμως, να προσφέρει ένα επιπλέον «όπλο», που θα μειώσει σημαντικά τον χρόνο διεκπεραίωσης των νέων αιτήσεων ασφάλισης, θα αυτοματοποιήσει την διαδικασία πρόβλεψης των πιθανών αιτήσεων με στοιχεία ψευδή, ενώ θα μειώσει το πραγματικό κόστος απαιτήσεων της εταιρείας και σε βάθος χρόνου θα δώσει καλύτερα και πιο δίκαια ασφάλιστρα (fair pricing) στους πελάτες.

Στην ημερίδα που πραγματοποιήθηκε υπό την αιγίδα της Ε.Α.Ε.Ε. και του Συνδέσμου Ελλήνων Μεσιτών Ασφαλίσεων, με θέμα «Data Analytics and Machine Learning for Insurance Fraud Detection», απηύθυνε χαιρετισμό, ο υπουργός Ανάπτυξης και Επενδύσεων, Άδωνις Γεωργιάδης.

Μίλησε επίσης, ο πρύτανης του Πανεπιστημίου Πειραιώς, καθηγητής Άγγελος Κότιος και ο γενικός γραμματέας Έρευνας και Τεχνολογίας του υπουργείου Ανάπτυξης και Επενδύσεων ομότιμος καθηγητής, Αθανάσιος Κυριαζής.

Και η γενική διευθύντρια της Ένωσης Ασφαλιστικών Εταιρειών Ελλάδος, Μαργαρίτα Αντωνάκη, ο πρόεδρος του Συνδέσμου Ελλήνων Μεσιτών Ασφαλίσεων, Μιχαήλ Τζωρτζωρής και ο καθηγητής Πανεπιστημίου Πειραιώς στο Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης, Μιλτιάδης Νεκτάριος.