Ligar as entidades
Lesados, veículos, prestadores, endereços e dados bancários, ligados entre sinistros e ao longo do tempo.
/ Risco e compliance /
A fraude em sinistros não parece errada um sinistro de cada vez.
IA que lê padrões entre sinistros, lesados e redes de reparação — sinistros simulados, redes organizadas e reincidências discretas — e sinaliza-os com o processo ainda aberto, com a prova sobre a qual uma unidade de investigação de fraude consegue agir.
O problema
O sinistro isolado parece limpo. O padrão não.
-
As regras apanham a fraude de ontem
Os limiares estáticos aprendem-se e contornam-se. O comportamento move-se; as regras não.
-
O sinal vive entre sinistros, não dentro de um
A mesma oficina, o mesmo prestador clínico, os mesmos três lesados em combinações diferentes. Nenhum processo isolado o mostra.
-
Os falsos positivos ensinam os gestores a ignorar os alertas
Quando a maioria dos sinais é ruído, o sinal deixa de significar algo — e os verdadeiros vão com ele.
-
Quando se prova, o pagamento já saiu
A investigação que começa depois da regularização recupera uma fração do que a prevenção teria retido.
Como funciona
Padrões em toda a carteira, sinalizados com o processo ainda aberto
Pontuar a rede, não o formulário
O sinistro é pontuado pelo que o rodeia: combinações repetidas, proximidades invulgares, datas que não encaixam.
Entregar ao investigador um processo
Não um alerta: um dossiê com as ligações desenhadas, as anomalias identificadas e a prova montada.
Os investigadores recebem um processo com a rede já desenhada.
A fraude em sinistros não parece errada um sinistro de cada vez.
O que inclui
Como abordamos o trabalho convosco
Uma camada de deteção sobre a carteira de sinistros que encontra comportamento coordenado e entrega à SIU algo com que trabalhar.
Resolução de entidades
Um lesado através de grafias, endereços e apólices — a junção que torna o resto possível.
Análise de redes
Redes organizadas, aglomerados de prestadores recorrentes e estruturas de sinistro simulado, trazidos à superfície em toda a carteira.
Pontuação de anomalias
Desvios face ao padrão esperado para aquele tipo de sinistro, ramo e geografia.
Montagem do processo para a SIU
As ligações, a cronologia e os documentos, embalados para investigação e não para triagem.
Circuito de retorno
Os casos confirmados e os arquivados voltam a treinar o modelo, para que a precisão melhore em vez de se desviar.
Registo de auditoria
Cada sinal explica-se a si mesmo — o que conta quando uma decisão é contestada.
Funciona sobre Synapse
Resultados
O que muda
Os resultados variam com o contexto, a maturidade dos dados e o âmbito. Delimitamos com honestidade antes de prometer.
2×
Mais fraude identificada antes da regularização, face ao rastreio por regras
Orientativo — confirma-se em discovery; depende do ponto de partida.
–50%
Menos falsos positivos a chegar aos gestores de sinistros
Orientativo — confirma-se em discovery; depende do ponto de partida.
Semanas mais cedo
Na deteção de atividade coordenada em toda a carteira
Orientativo — confirma-se em discovery; depende do ponto de partida.
Como trabalhamos
Da primeira conversa a produção
Diagnóstico
Diagnóstico
Semanas 1-2
Revemos o rastreio atual, a fraude histórica confirmada e que dados é possível ligar.
Desenho
Desenho
Semanas 3-5
Definimos a resolução de entidades, o modelo de rede, os limiares de pontuação e a passagem para a SIU.
Construção
Construção
Semanas 6-9
Corremos sobre o histórico de sinistros para calibrar e depois em paralelo com o volume real.
Governar e escalar
Governar e escalar
Semana 10 em diante
Estendemos a mais ramos, fechamos o circuito de retorno e monitorizamos a precisão ao longo do tempo.
Os prazos variam com o âmbito e o contexto.
Ir mais fundo
Risk, governance, and what to explore next
Ideas, trends, and tools to stay ahead
Começar
Vemos o que o padrão mostra?
Uma sessão curta sobre a vossa carteira: o que é rastreado hoje, o que os casos históricos têm em comum e o que uma visão de rede traria à superfície.