paraguas de colores en el aire

La IA en los seguros: OCR AI en la gestión de insumos | Actualización 2024

Florian Zyprian

La digitalización de los procesos mediante sistemas de gestión de entradas no es nada nuevo en las compañías de seguros. Estos sistemas procesan el correo entrante hasta su archivo. El objetivo principal es preparar los datos de forma estructurada, que luego se transmiten a sistemas posteriores, como un sistema ERP. Sin embargo, estas herramientas suelen ser anticuadas y muy caras.

Gestión de entradas basada en IA mediante OCR y PNL

Ampliación de la gestión de entradas mediante la combinación de varias soluciones de inteligencia artificial (IA), como el reconocimiento automático de texto (OCR) y tratamiento de textos (PNL) ya se utiliza hoy en día para más del 62 % de las interacciones con los clientes en las compañías de seguros [1]. El sitio OCR inteligente utiliza la codificación y extracción de campos de texto o secciones enteras de texto en documentos o correos electrónicos y aumenta la precisión de los enfoques basados en reglas entre 6 % y 93 %. Las aseguradoras también ahorran tiempo utilizando soluciones de automatización inteligente como la hiperautomatización.

¿Cómo funciona el reconocimiento óptico de caracteres?

Tratamiento automatizado de documentos con tecnologías OCR

OCR AI

Figura 1. Tratamiento automatizado de documentos con tecnologías OCR

La secuencia de un tratamiento automatizado de documentos con OCR se muestra en la Figura 1. En general, todas siguen la misma estructura:

  1. Entrada

    La entrada de datos (el documento) se toma de una base de datos, de uno de los sistemas front-end como un Robotic Process Automated Bot, un correo electrónico u otros. Más información en Proveedores de bajo código y sin código que encontrará en nuestro siguiente artículo.

  2. Preprocesamiento

    Los archivos están preprocesados para ser procesados independientemente del tipo de archivo, la calidad del escaneado y el número de páginas.

  3. detección inteligente

    La tecnología de clasificación automática de documentos basada en neuronas permite clasificar documentos por tipo (por ejemplo, permiso de conducir, extracto bancario, formulario fiscal, contrato, factura) y subcategorías definidas por el usuario (por ejemplo, facturas del proveedor A, facturas del proveedor B) mediante la identificación de patrones de contenido textual e imagen.

  4. Asignación y categorización

    La máquina neuronal de clasificación define un tipo de documento y selecciona una definición de documento correcta para seguir procesando el contenido.

  5. Extracción de datos del sujeto

    Tras reconocer determinados campos, el texto estructurado o semiestructurado se extrae del documento y se exporta al sistema de destino.

Si se desea o es necesario, el OCR AI permite la revisión humana, que se realiza estableciendo un umbral para el nivel de confianza. Este feedback humano ayuda a la IA a aprender continuamente. La retroalimentación humana, también llamada human-in-the-loop, puede proporcionarse de forma flexible e individual a través del Interfaz de validación de documentos en cada proceso. Si no se alcanza un umbral establecido, se realiza una comprobación manual antes de exportar los datos al sistema de destino. El resultado final de este proceso puede ser un archivo XML, JSON, CSV, XLSX/XLS, TXT o HOCR.

Alcance de las funciones de Gestión de Entradas

1. correo postal

El correo entrante es recibido por los correspondientes proveedores de logística postal.

2. clasificación de letras

Las cartas recibidas se clasifican según los criterios "abrir" o "no abrir".

3. apertura de la carta

Las cartas clasificadas como "abiertas" se abren. Para ello suelen utilizarse tecnologías de apertura de cartas.

4. clasificación fina

Todas las actividades de clasificación y preparación para la posterior digitalización del correo se engloban en el área de clasificación fina. Esto incluye la clasificación según, por ejemplo, formatos especiales, clientes, tipos de proceso y subtipos de proceso, pero también la preparación del escaneado: desapilado, preparación de páginas individuales, alisado, inserción de hojas separadoras o aplicación de códigos de barras para la separación de procesos/documentos.

5. escaneado

El escaneado es el proceso de conversión de documentos analógicos en papel a formatos de archivo digitales mediante equipos multifunción, escáneres de sobremesa o de producción.

6. escaneado móvil

Con las aplicaciones móviles, el cliente o socio puede escanear los documentos en papel directamente en Input Management.

7. importación de faxes

Al importar faxes, éstos se toman directamente del servidor de fax. Además, se lleva a cabo una mejora de la imagen, por ejemplo, en el ámbito de la compresión y el escalado.

8. importación de correo electrónico

A través de la importación de correo electrónico, se pueden importar archivos electrónicos desde sistemas de correo electrónico (Exchange, Lotus Notes) a Gestión de entradas.

9. preparación del correo electrónico

Los mensajes de correo electrónico se convierten de forma que el cuerpo del mensaje y los archivos adjuntos puedan analizarse por separado en los siguientes pasos del proceso. A menudo, esto también requiere convertir los archivos adjuntos a un formato legible por máquina.

10. OCR, OMR, OBR

El reconocimiento óptico de caracteres (ROC) es un método para convertir textos que no están en forma de caracteres legibles por máquina, sino en formato de imagen, en una cadena codificada de caracteres que puede ser procesada por el ordenador (información codificada). Además, el reconocimiento óptico de marcas (OMR) puede utilizarse para reconocer marcas (por ejemplo, casillas de verificación) y el reconocimiento óptico de códigos de barras (OBR) para reconocer códigos de barras y códigos de matriz de datos.

11. web/portal/importación de archivos

A través de la importación web/portal, los archivos electrónicos pueden importarse desde sitios web o portales de Internet a Input Management. Mediante la importación de archivos, los archivos electrónicos pueden importarse desde el sistema de archivos a Input Management.

12. mensajes de voz

Los mensajes de voz, por ejemplo, se importan de un sistema telefónico a Gestión de Entradas.

13 Voz a texto

Voice to Text convierte las palabras habladas en cadenas procesables.

14 Clasificación

Asignación automática de un tipo o clase documental a un documento escaneado.

15. extracción

Lectura automática de campos de documentos a partir de documentos escaneados.

16. control de plausibilidad

Comprobación tolerante a errores de los campos de documentos capturados mediante extracción con las bases de datos de referencia.

17. enriquecimiento de datos

Enriquecimiento de los campos de documentos extraídos mediante bases de datos de referencia.

18 Corrección manual

Los tipos de documentos o campos de documentos no reconocidos en la clasificación y extracción se vuelven a procesar manualmente y se completan los datos.

19. tratamiento especial y 1er nivel

Los datos que faltan y que son necesarios para el tratamiento posterior se obtienen manualmente mediante consultas. El tratamiento de primer nivel, tratamiento amplio o tratamiento simple es cuando se procesan operaciones comerciales sencillas caso por caso. Por ejemplo, el tratamiento de una declaración, incluida la necesaria determinación de la dirección, entra dentro de este ámbito.

20. entrega del buzón electrónico

Los metadatos y el documento se envían al buzón electrónico para su tratamiento posterior.

21. entrega del archivo electrónico

Los metadatos y el documento se transfieren al archivo electrónico para su archivado a prueba de auditorías.

22. gestión de las respuestas por correo electrónico

Los metadatos, el documento y el correo electrónico en su formato original se transfieren a un sistema para su respuesta automática. Gracias a la gestión de la respuesta por correo electrónico, los mensajes entrantes pueden procesarse y responderse con mayor eficacia, optimizando la comunicación con clientes y socios.

Automatización de procesos con hiperautomatización en seguros

En vista de la pandemia y de la crisis económica resultante, cada vez es más importante optimizar y estabilizar los procesos en las compañías de seguros. El desarrollo de tecnologías de automatización como OCR, RPA (Automatización robótica de procesos) y la IA dan lugar a soluciones económica y tecnológicamente avanzadas para la automatización de procesos: la hiperautomatización. El objetivo de muchas empresas es mejorar la calidad del servicio o aumentar las ventas y hacer que los procesos existentes sean aún más sólidos para el futuro digital de la empresa. El uso de la hiperautomatización permite automatizar los procesos más allá de las aplicaciones estándar basadas en reglas.

Detección automática del fraude mediante IA en las compañías de seguros

El sector de los seguros tiene cada vez más problemas con los casos de fraude, que causan daños por valor de miles de millones de euros cada año. Según la Asociación Alemana de Seguros, 10 % de los siniestros pagados en Alemania van a parar a cuentas de defraudadores [2]. Para detectar mejor los intentos de fraude, se necesitan soluciones técnicas que puedan adaptarse siempre a las nuevas circunstancias y pautas de fraude y vayan más allá de los planteamientos basados en reglas de gestión de entradas. Esto se debe a que la tasa de error es alta y se requiere un esfuerzo manual adicional. Mediante IA y OCR, se pueden comprobar los informes de pérdidas para detectar automáticamente anomalías y patrones de contenido llamativos. Con el uso de la IA, podría lograrse un potencial de ahorro de más de 3,1 millones de euros en una compañía de seguros con un importe medio de siniestros de unos 3.000 euros y la detección de 1.029 casos de fraude. 

La IA en los seguros individualiza el enfoque al cliente

La individualización y la personalización son algunas de las megatendencias de la década de 2020. Las soluciones estándar no inspiran mucho al cliente y las exigencias de un enfoque individualizado del cliente son cada vez mayores. Las aseguradoras pueden aprovechar esta evolución como una gran oportunidad para la venta cruzada y la venta ascendente utilizando como apoyo una solución basada en IA. A partir de la información del cliente, se pueden generar automáticamente correos electrónicos individuales y aumentar de forma sostenible la calidad de la comunicación. En el proceso, los textos generados automáticamente ya no pueden distinguirse de los creados manualmente y la tasa de respuesta puede pasar de aproximadamente 1,5 % a hasta 35 %. La aplicación de IA permite el aprendizaje automático a través de nuevas aportaciones, cierra lagunas de conocimiento y establece nuevas conexiones de forma autónoma. Los modelos lingüísticos preentrenados, como GPT-3, son potentes generadores de texto que escriben textos coherentes de forma independiente y se utilizan para dirigirse con éxito a los clientes [3]. 

A través de La IA en los seguros Comprender mejor los documentos

La transferencia de documentos de seguros entre aseguradoras, corredores y otros interlocutores está en gran medida normalizada por la norma 430 de BiPRO, pero no automatizada [4]. La IA procesa datos en millones de documentos y ayuda a los empleados a encontrar potencial de venta cruzada en las carteras de clientes y a ahorrar dinero en la negociación de contratos y la gestión de entradas. La IA permite recuperar el contenido de los documentos de forma estructurada. Se eliminan casi por completo pasos de trabajo como teclear, renombrar, archivar y validar. Esto permite procesar estos documentos de forma puramente digital, enriquecerlos con datos maestros conocidos y armonizarlos en todos los sistemas. El software de IA aprende a comprender y estructurar la información de los documentos 24 veces más rápido que un humano. Las compañías de seguros se benefician así de una tramitación más rápida y eficaz de sus documentos.

Fuentes

[1] Instituto de Investigación Capgemini (2020). Dinero inteligente.

[2] Friedrich, S. (2018). Du Lügst! en la revista GDV Positions, número 3/2018, páginas 24-26.

[3] Tan, B., Yang, Z., AI-Shedivat, M., Xing, E. P., & Hu, Z. (2020). Generación progresiva de texto largo. 

[4] BiPRO e.V. (2021). Norma 430. 

Foto de Adrianna Calvo

Sobre mí

Más artículos interesantes

LLM multimodal para datos e imágenes

LLM multimodales - Más allá de los límites del lenguaje

Poco tiempo después del triunfo de los grandes modelos lingüísticos, se ha logrado otro avance decisivo en inteligencia artificial:...

Leer el artículo
Análisis del sentimiento Título

Análisis de sentimientos: cómo descifrar emociones a partir de textos

El análisis de sentimientos permite analizar y comprender las opiniones y emociones en los datos de texto. Ya sea en...

Leer el artículo
Futurizado vs. Konfuzio

Futurised vs. Konfuzio - Duelo de dos empresas de IA

La inteligencia artificial (IA) entra en escena en un conocido formato televisivo. En la 14ª temporada del popular programa "Die Höhle der Löwen"...

Leer el artículo
Flecha arriba