Klasyfikacja korespondencji szkodowej w firmie ubezpieczeniowej
Ubezpieczenia, branża regulowana
Branża i typ organizacji
Średniej wielkości ubezpieczyciel działający w silnie regulowanym środowisku. Ochrona danych i bezpieczeństwo przetwarzania są tam warunkiem wejścia na rynek. Współpraca trwa.
Problem biznesowy
Dział obsługi klienta i zespół przetwarzający dokumenty pracowały na granicy przepustowości. Każde pismo trafiało do kolejki w tej samej postaci, bez znaczenia, czy dotyczyło sprawy pilnej, czy nie wnosiło nic nowego.
Rosnące czasy obsługi zaczęły zagrażać terminom, a przy szkodach opóźnienie oznacza ryzyko przedawnienia roszczenia i spadek zadowolenia klienta. Zaległości narastały, bo kolejka rosła szybciej, niż dawało się ją zamykać.
Podejście i zakres prac
Zaprojektowaliśmy i wdrożyliśmy model NLP (natural language processing), który czyta przychodzącą korespondencję i ocenia ją pod dwoma kątami: czy jest istotna dla sprawy klienta i jakie ryzyko ze sobą niesie. Pisma nieistotne dla sprawy są odkładane poza główną kolejkę, żeby nie spowalniały spraw wymagających reakcji, i nic przy tym nie jest usuwane. Pozostałe są klasyfikowane i przekazywane dalej z gotową kategorią, więc kolejne kroki procesu mogą działać automatycznie. Pod spodem działa klasyfikacja tekstu (text classification) metodą uczenia nadzorowanego: model uczy się na oznaczonych przykładach pism, a każdą decyzję opatruje poziomem pewności, więc przypadki niepewne trafiają do człowieka.
Efekt biznesowy
około 25%
mniej dokumentów w obsłudze
system odkłada korespondencję nieistotną dla sprawy
90%
trafności rozpoznania
poprawnie rozpoznana kategoria ryzyka
30%
mniej zaległości
redukcja starych zaległości w korespondencji
Około 25% dokumentów przestało obciążać główną kolejkę, bo system odkłada korespondencję nieistotną dla sprawy. Kategoria ryzyka jest rozpoznawana poprawnie w 90% przypadków, co pozwala kierować pewne przypadki automatycznie i zostawić wątpliwe do sprawdzenia człowiekowi. Zaległości w korespondencji spadły o 30%.
Skala wdrożenia
Rozwiązanie pracuje na setkach tysięcy dokumentów rocznie. Utrzymujemy je i rozwijamy dalej, więc model jest douczany w miarę, jak zmienia się charakter przychodzącej korespondencji.
Bezpieczeństwo i poufność
Projekt prowadziliśmy w reżimie zgodnym z RODO. Dane, na których model pracował i się uczył, były zanonimizowane, więc na żadnym etapie nie wiązały się z konkretną osobą.
Całość działa w wydzielonym, zabezpieczonym środowisku zbudowanym pod ten projekt. Architekturę podyktowały wymogi regulacyjne: dane nie opuszczają uzgodnionego środowiska, a każdy krok przetwarzania da się wykazać przed audytem. W branży regulowanej jest to warunek dopuszczenia rozwiązania do pracy.
Ręczne przeglądanie dokumentów pochłania czas, którego nikt nie planuje w budżecie. Jeśli u Ciebie wygląda to podobnie, napisz nam kilka zdań o swoim procesie. Odpowiemy, czy widzimy tu miejsce na odciążenie zespołu, także wtedy, gdy naszym zdaniem go nie ma.
Powiązane artykuły w Bazie wiedzy cm-opti
Obszar usługi: Automatyzacja procesów i przetwarzanie dokumentów.