Las aseguradoras y la mejora de la detección del fraude

0

Las aseguradoras afrontan desde hace tiempo una continua batalla contra diferentes tipos de fraude. Fraude en los siniestros, fraude en la suscripción de póliza, ciberataques, fraude interno, etc.

En Estados Unidos, un estudio de la Coalition Against Insurance Fraud lo estima en un total de 80.000 millones de dólares. El FBI lo estima, excluyendo seguros de salud, en unos 40.000 millones de dólares. Otras estimaciones sitúan el fraude en torno al 4,5% de las primas facturadas por las aseguradoras europeas.

En España, el reciente VIII Mapa AXA del Fraude muestra que en 2020 se registró la tasa de fraude más alta de la última década. La tasa de fraude al seguro detectado creció hasta el 2,21%. Esto significa 3 décimas más que en 2019 y superar por primera vez el 2%. Esta tasa de fraude se calcula como el cociente de los siniestros fraudulentos entre los siniestros declarados.

Estas tasas no han de dejado de crecer en los últimos años. En 2020, los datos del estudio muestran:

  • El seguro de autos sigue concentrando la mayor cantidad de fraude, a pesar de la reducción de la movilidad por la pandemia.
  • Las tasas de fraude en seguros de multiriesgos son las de mayor crecimiento. En particular, es relevante el crecimiento en en los seguros de hogar.

Un enfoque holístico antifraude a las aseguradoras

La mayoría de las aseguradoras utilizan, desde hace años, sistemas de control para la detección y prevención de fraude. En el fraude siniestral, son habituales los controles automáticos en la notificación y durante la gestión del siniestro. El incremento en el volumen de casos hace cada vez más necesarias las soluciones automatizadas, que complementen a los expertos tramitadores de fraude de las compañías.

Los sistemas de aprendizaje de máquina (machine learning) e inteligencia artificial se convierten en la nueva arma de las aseguradoras en esta lucha continua contra el fraude. No obstante, no está exento de riesgos. Las tecnologías permiten mejorar la aplicación de un enfoque antifraude, pero no son el enfoque en sí mismo.

Existen unas tipologías principales de fraude al seguro, que no son excluyentes entre ellas:

  • Oportunista: fraude ocasional. Por ejemplo, se prueba incrementando los daños de un siniestro real, o se defrauda para “compensar” experiencias previas negativas. Se caracteriza por un alto volumen y una pérdida media baja.
  • Deliberado: los fraudes se planifican, bien sea exagerándolos o fabricando siniestros falsos.
  • Organizado: fraude cometido por bandas organizadas. Pueden tener o no apoyo interno en la aseguradora o en sus proveedores. Denota un alto conocimiento de los términos, condiciones y procesos asociados Se caracteriza por un menor volumen y una pérdida media alta.

Un sistema alineado con el enfoque

En nuestra experiencia, los mejores resultados en sistemas de detección y prevención se han obtenido al utilizar de forma integrada diferentes controles y técnicas de análisis de datos:

  • Reglas y controles expertos ya conocidos. Los tramitadores las entienden e interpretan fácilmente. Además, los departamentos de negocio han de poder ajustar estos controles de forma ágil y autónoma, en horas o minutos si fuera preciso. Este nivel nos dota de un nivel de protección contra el fraude conocido. Además, estructuran la información de los siniestros, pólizas, etc. y de las decisiones de fraude; de forma que permita incluir el resto de las capacidades que mencionamos a continuación.
  • Controles de detección de anomalías. En los siniestros, pólizas, tomadores, proveedores, etc. Añade una capa de protección contra fraude desconocido. Los fraudes oportunistas y deliberados son en muchos casos detectados en estos niveles de protección.
  • Controles de relaciones y patrones asociativos. Relaciones entre los asegurados, terceros, pólizas, siniestros, proveedores. Añade una capa adicional de gran importancia contra el fraude organizado.
  • Controles de aprendizaje automático (machine learning). Aprovechan la estructura y sistematización creada por los niveles anteriores, y añaden un control adicional de patrones de fraude complejo.
  • Interpretabilidad y eficiencia en la presentación y operación de las alertas. Los indicios que se presentan a los tramitadores de fraude han de ser entendibles, y han de facilitar la decisión a tomar. Por ejemplo, aceptar o parar el pago de un siniestro ha de ser ágil. La decisión ha de quedar documentada e integrada en el proceso de gestión siniestral, y en el propio aprendizaje del sistema de detección de fraude.

Resultados medibles

Un ejemplo reciente en España de este enfoque, presentado por la aseguradora Catalana Occidente, está disponible para su consulta, Entre otros resultados relevantes, cabe destacar un incremento de ahorros por fraude de un 20% y una reducción de 18 puntos porcentuales de falsos positivos.

Descubra más información en este e-book sobre formas nuevas y más eficientes de administrar el proceso de investigación de fraude de seguros.

Share

About Author

Manuel Rodriguez

Manuel Rodríguez is currently heading the practice of Fraud, Anti-Money Laundering & Security Intelligence at SAS South West Europe customer advisory department, including Iberia, France and Benelux. Manuel collaborates with national and international SAS teams as well as SAS customers and partners in the definition, scope and usage of first-class analytical solutions to solve challenges related to fraud, waste, abuse and compliance in our customers. Manuel has been working for +25 years in SAS collaborating and leading different practices and analytical solutions in a wide range of industries, including banking, insurance, government, communications, retail, services and more. Manuel has a degree in Mathematics from the University of Barcelona and holds a Certified Anti-Money Laundering Specialist (CAMS) certificate.

Leave A Reply

Back to Top