Pojistné podvody podle dostupných statistik způsobují ročně jen v USA ztráty více než 80 miliard dolarů. Vlna pojistných podvodů se ale netýká jen Spojených států. Podvodníci na celém světě používají phishingové programy, malware a nástrahy na sociálních sítích k odcizení citlivých osobních údajů od nic netušících spotřebitelů. Osobní data se následně prodávají na dark netu pro nezákonné účely. Podvodníci mohou odcizenou osobní identitu využít k podávání falešných žádostí o náhradu škody nebo inkasování provizí od pojistitelů za prodej falešných pojistek.
Studie State of Insurance Fraud Technology, na které se podílel i globální lídr v oblasti analýzy dat a umělé inteligence společnost SAS, odhaluje, že 80 % pojistitelů používá k odhalování podvodů prediktivní modelování, oproti 55 % v roce 2018. Analýza identity se rychle stává nezbytnou technologií pro pojišťovny v době alarmujícího nárůstu škodlivých phishingových podvodů, které od vypuknutí pandemie covid-19 vzrostly o 600 %.
„Změny, které jsme zaznamenali od studie z roku 2018, odhalují stále sofistikovanější technologie potřebné k odhalení kriminálních aktivit pojišťovacích podvodníků. Zachycení těchto trendů v průběhu času nám umožňuje pochopit, jak a do jaké míry pojišťovny používají technologii proti podvodům. Tento výzkum také poskytuje důležité poznatky o nově vznikajících případech a pomáhá celému odvětví definovat technologie, které se ukázaly jako nejúčinnější proti těmto bezprecedentním podvodným útokům, tedy analýzu dat a zavádění umělé inteligence,“ uvedl Petr Šlajchrt, Country Director společnosti SAS Institute pro Českou republiku.
Dále doplnil: „Víme, že zločinci ve velkém využívají pokročilé technologie ke krádeži osobních informací a uloupení miliard dolarů od pojišťovacích společností. Širší zavádění nových technologií a větší investice do lidských zdrojů, ale hlavně technologických možností boje proti podvodům, pomohou zvrátit vlnu podvodů, které zaplavují domácí i mezinárodní pojišťovací trhy.“
Kvalitní umělá inteligence dokáže rozpoznat rizikové vzorce chování v datech, díky čemuž lze reagovat dříve, než dojde ke škodám.
