كيف يكشف الذكاء الاصطناعي عن حوادث السيارات المفتعلة باستخدام التعرف على الأنماط
حوادث السيارات المفتعلة ليست احتيالاً بسيطاً. إنها عمليات منظمة تديرها شبكات احتيال تقدم مئات المطالبات عبر شركات تأمين متعددة، مستخدمةً مشاركين مجندين ومقدمي خدمات طبية متواطئين وأحياناً محامين فاسدين. يقدر المكتب الوطني لجرائم التأمين أن الحوادث المفتعلة تكلف صناعة التأمين مليارات الدولارات سنوياً، وهذه التكلفة تُحمَّل مباشرة على حاملي الوثائق الشرفاء من خلال أقساط أعلى.
يعتمد كشف الاحتيال التقليدي في مطالبات السيارات بشكل كبير على المؤشرات التحذيرية التي يُدرَّب مسؤولو التسوية على البحث عنها. تم تقديم المطالبة بسرعة مريبة بعد شراء الوثيقة. وقع الحادث في موقع معروف بالتدبير المسبق. هناك عدد غير عادي من المطالبين في المركبة. العلاج الطبي يتبع نمطاً مرتبطاً بالمطالبات الاحتيالية. هذه المؤشرات التحذيرية فعالة، لكنها محدودة بما يمكن لمسؤول تسوية واحد رؤيته في مطالبة واحدة.
المشكلة في الحوادث المفتعلة أنها مصممة لتبدو مشروعة على مستوى المطالبة الفردية. قد تحتوي كل مطالبة على مؤشر تحذيري واحد أو اثنين فقط يمكن لمسؤول التسوية تجاهلهما بسهولة. النمط الحقيقي لا يصبح مرئياً إلا عند النظر عبر عشرات أو مئات المطالبات المترابطة، وهذا بالضبط ما صُمم التعرف على الأنماط بالذكاء الاصطناعي للقيام به.
كيف يعمل التعرف على الأنماط
يعمل كشف الاحتيال بالذكاء الاصطناعي للحوادث المفتعلة من خلال بناء رسم بياني شبكي للعلاقات عبر المطالبات. كل مطالبة تتضمن كيانات متعددة: حامل الوثيقة، والمطالبون، والمركبات، ومقدمو الخدمات الطبية، والمحامون، وورش إصلاح الهياكل، والمواقع الجغرافية. يقوم النظام بتخطيط هذه الكيانات وعلاقاتها عبر محفظة المطالبات بأكملها.
عندما تصل مطالبة جديدة، يتحقق النظام مما إذا كان أي من الكيانات المعنية قد ظهر في مطالبات سابقة وما إذا كانت العلاقات بين الكيانات تتطابق مع أنماط احتيال معروفة. مطالب شارك في ثلاث حوادث اصطدام خلفي في العامين الماضيين يثير الشكوك بمفرده. نفس المطالب، الذي عالجه نفس أخصائي تقويم العمود الفقري، ومثّله نفس المحامي، في ثلاث مطالبات مختلفة عبر ثلاث شركات تأمين مختلفة، هو شبكة احتيال تنتظر التحقيق.
تبحث النماذج أيضاً عن أنماط في بيانات المطالبات نفسها. تتبع حوادث الاصطدام الخلفي المفتعلة بسرعات منخفضة نمطاً يمكن التنبؤ به: ركاب متعددون، جميعهم يدّعون إصابات في الأنسجة الرخوة، وجميعهم يطلبون علاجاً لتقويم العمود الفقري أو إدارة الألم، مع استمرار العلاج لمدة تعظّم قيمة المطالبة بالضبط في تلك الولاية القضائية. تعلم نموذج الذكاء الاصطناعي هذا النمط من حالات الاحتيال المؤكدة تاريخياً ويمكنه تحديده في المطالبات الجديدة.
الأنماط الجغرافية والزمنية
تعمل شبكات الاحتيال في مناطق جغرافية محددة. إنها تعرف أي التقاطعات مناسبة كمواقع تدبير، وأيها نقاط عمياء لكاميرات المرور، وأي الولايات القضائية لديها بيئات قانونية تفضل المطالبين. تقوم أنظمة الذكاء الاصطناعي بتخطيط مواقع المطالبات وتحديد التجمعات الجغرافية التي تتجاوز ترددات المطالبات المتوقعة.
الأنماط الزمنية مهمة أيضاً. الارتفاع المفاجئ في المطالبات التي تتضمن ظروفاً مماثلة في مواقع مماثلة خلال نافذة زمنية قصيرة هو مؤشر قوي على نشاط احتيال منظم. يمكن للنظام اكتشاف هذه الارتفاعات في الوقت الفعلي، بدلاً من انتظار تحليل ربع سنوي للكشف عن الاتجاه.
بعض شبكات الاحتيال تنقل عملياتها عبر مناطق جغرافية لتجنب الكشف. ستقوم بتدبير حوادث في مقاطعة واحدة لبضعة أشهر، ثم تنتقل إلى مقاطعة أخرى، ثم تعود. يمكن لأنظمة الذكاء الاصطناعي تتبع أنماط الهجرة هذه لأنها تحتفظ بذاكرة طويلة للعلاقات والمواقع عبر تاريخ المطالبات بأكمله.
زاوية مقدمي الخدمات الطبية
مقدمو الخدمات الطبية هم عقدة حاسمة في مخططات الحوادث المفتعلة لأنهم ينتجون الوثائق التي تدعم المطالبة. مقدم الخدمة الطبية المتواطئ سيوثق إصابات قد لا تكون موجودة، ويصف علاجاً غير ضروري، ويضخم الفواتير لتعظيم قيمة المطالبة.
تحدد أنظمة الذكاء الاصطناعي مقدمي الخدمات الطبية المشبوهين من خلال تحليل أنماط علاجهم عبر جميع المطالبات، وليس فقط المطالبات الفردية. أخصائي تقويم العمود الفقري الذي يعالج كل مريض حوادث سيارات بنفس البروتوكول بغض النظر عن الإصابة المُبلغ عنها، والذي يصل مرضاه دائماً إلى أقصى تحسن طبي في نفس العدد بالضبط من الزيارات، والذي يولّد فواتير تكون باستمرار في أعلى نطاق جدول الرسوم، يبرز في البيانات حتى لو بدت كل مطالبة فردية عادية.
يحدد النظام أيضاً شبكات الإحالة. إذا كان محامٍ معين يحيل عملاءه باستمرار إلى نفس مجموعة مقدمي الخدمات الطبية، وأظهر هؤلاء المقدمون أنماط فوترة غير عادية، تصبح الشبكة بأكملها هدفاً للتحقيق.
ما يحدث بعد الكشف
اكتشاف شبكة احتيال محتملة هو الخطوة الأولى فقط. يولّد النظام تنبيهات لوحدة التحقيقات الخاصة (SIU) التابعة لشركة التأمين مع عرض الأدلة الداعمة بوضوح. يشمل ذلك الرسم البياني الشبكي الذي يوضح العلاقات بين الكيانات، والمطالبات المحددة المعنية، والأنماط المحددة، والبيانات التاريخية التي تدعم فرضية الاحتيال.
تقلل حزمة الأدلة المنظمة هذه بشكل كبير من الوقت الذي يقضيه محققو وحدة التحقيقات الخاصة في بناء القضية. بدلاً من البدء من مطالبة مشبوهة واحدة والاضطرار إلى تتبع جميع الروابط يدوياً، يتلقون رؤية شاملة للشبكة المشتبه بها مع جميع نقاط البيانات المتصلة بالفعل.
بدأت بعض شركات التأمين أيضاً في مشاركة معلومات الاحتيال عبر الشركات من خلال قواعد بيانات الصناعة. عندما تحدد شركة تأمين واحدة شبكة احتيال، يمكن مشاركة المعلومات حتى تتمكن شركات التأمين الأخرى من تمييز المطالبات ذات الصلة في محافظها الخاصة. يمكن لأنظمة الذكاء الاصطناعي المتصلة بقواعد البيانات المشتركة هذه مقارنة المطالبات مع كيانات الاحتيال المعروفة عبر الصناعة بأكملها.
مشكلة الإنذارات الكاذبة
يجب على أي نظام لكشف الاحتيال أن يوازن بين الحساسية والدقة. النظام الذي يُعلّم عدداً كبيراً جداً من المطالبات المشروعة على أنها احتيالية محتملة يخلق عبء عمل هائلاً لوحدة التحقيقات الخاصة ويؤخر المدفوعات لحاملي الوثائق الشرفاء. والنظام المحافظ جداً يفوّت الاحتيال الحقيقي.
تتعامل نماذج الذكاء الاصطناعي مع هذا من خلال تعيين درجات احتمالية بدلاً من تصنيفات ثنائية احتيال أو عدم احتيال. المطالبة ذات احتمال احتيال 95 بالمئة تحصل على إحالة فورية لوحدة التحقيقات الخاصة. المطالبة ذات احتمال 60 بالمئة تحصل على مراجعة معززة من مسؤول التسوية مع مجالات محددة للتحقيق. المطالبة ذات احتمال 20 بالمئة تسير بشكل طبيعي لكنها تبقى في ذاكرة النظام لتحليل الأنماط المستقبلي.
تتعلم النماذج أيضاً من نتائج وحدة التحقيقات الخاصة. عندما يؤكد التحقيق وجود احتيال، يعزز النموذج الأنماط التي أدت إلى الكشف. وعندما يبرئ التحقيق مطالبة، يتكيف النموذج لتقليل الإنذارات الكاذبة المماثلة في المستقبل. تعمل حلقة التعلم المستمر هذه على تحسين الدقة بمرور الوقت.
تفيد شركات التأمين التي نشرت كشف الاحتيال بالذكاء الاصطناعي بتحديد نشاط احتيال منظم أكثر بمرتين إلى ثلاث مرات مما اكتشفته أساليبها السابقة. كما يتحسن معدل الاسترداد على المطالبات المحققة لأن القضايا تصل إلى وحدة التحقيقات الخاصة بحزم أدلة أقوى.
تعرف على كيفية تعزيز الذكاء الاصطناعي لكشف الاحتيال لشركات التأمين على صفحة FirmAdapt لصناعة التأمين.