De uitdaging
Een efficiënte en snelle afhandeling van claims is niet alleen essentieel, maar wordt ook verwacht door polishouders. Het is een van de grootste uitdagingen voor schadeprofessionals in de verzekeringssector. Het aanpakken van dit pijnpunt leidt tot een hogere klanttevredenheid en ontlast de medewerkers. De afgelopen twee jaar worstelde onze klant, een van de grootste verzekeringsmaatschappijen in Europa, onder de druk van een groeiende claimachterstand en een gebrek aan gegevenstransparantie.
Het OCM-team (Operational Claims Management) van de klant stond onder grote druk als gevolg van de achterstand bij de afhandeling van claims en probeerde tegelijkertijd een interne systeemmigratie onder de knie te krijgen. Dit betekende dat het team een tijdlang met twee verschillende systemen werkte voor het afhandelen van claims. Alles bij elkaar duurde de verwerking van claims te lang, wat leidde tot ontevredenheid bij de klant en verhoogde frustratie bij het claimteam.
Aan het begin van de samenwerking van Eraneos met de klant was er een geschatte achterstand van ongeveer 100.000 claims en was er geen transparantie over de oorzaak daarvan. Was dit het type claim, de systeemmigratie of iets anders? Zelfs toen de klant enige vooruitgang begon te zien in het terugdringen van de achterstand, bleek bij nadere bestudering van de claimgegevens dat dit simpelweg kwam doordat er minder claims werden ingediend. De klant had weinig andere keuze dan een slag om de arm te houden wat betreft het schadebeheer.
“Van begin tot eind nam het hele project ongeveer vier maanden in beslag. We konden problemen met standaardisatie aan het licht brengen en de afhandeling van claims sterk stroomlijnen, waardoor we tijd bespaarden en de klanttevredenheid toenam.”
De aanpak
Onze aanpak voor deze klant was tweeledig. De eerste stap was het uitvoeren van een oorzakenanalyse om pijnpunten te identificeren. De tweede stap was het maken van een prognosemodel dat beoordeelde hoe lang de verwerking van bepaalde claims duurde, hoeveel processtappen erbij betrokken waren en of er iets bijzonders was in termen van complexiteit met betrekking tot de zaken die zich in de achterstallige claims bevonden.
Na onze analyse ontwikkelden we een AI-model voor het beoordelen van de complexiteit van verzekeringsclaims. Het nieuwe AI-model analyseerde proceslogboeken om typische verwerkingspatronen te identificeren en claims dienovereenkomstig te classificeren. Het doel was om de werklast en de specifieke behoeften van medewerkers in verschillende vaardigheidscategorieën te voorspellen. Deze tool identificeerde ook gevallen die geschikt waren voor snelle verwerking, waardoor de efficiëntie van het schadebeheer werd verbeterd.
Op basis van bekende kenmerken bij het indienen van een claim, voorspelt het AI-model verwachte verwerkingspatronen en identificeert het gevallen die snel kunnen worden afgehandeld. Voor lopende claims houdt het model rekening met de voortgang om nauwkeurige voorspellingen te doen. Het AI-model leert voortdurend en combineert de prognoses van individuele claims om een algemene werklastprognose te genereren die zich in de loop van de tijd verfijnt.
De klant is een grote Europese verzekeringsmaatschappij die wereldwijd verzekeringen, beleggingsbeheer en financiële diensten aanbiedt.
Het resultaat
Het eerste grote voordeel van het project was een grotere transparantie van de manier waarop claims werden beheerd. Uit onze analyse bleek dat de manier waarop claims werden verwerkt totaal niet uniform was en dat een betere toegang tot claimgegevens het voor de klant mogelijk zou maken om de verdeling van claims op maandbasis te voorspellen. Ze zouden dan nauwkeuriger beslissingen kunnen nemen over de aankomende werklast en het vereiste vaardigheidsniveau van een OCM-teamlid dat aan een bepaalde claim wordt toegewezen.
Ons AI-model leidde tot een succesvolle voorspelling van verwerkingspatronen voor claims op basis van de informatie die beschikbaar was op het moment dat de case werd aangemaakt. Door processen te analyseren en cases te clusteren op basis van type en vereiste werklast, konden we een case management model creëren dat drie tot vier keer nauwkeuriger was dan geschikte dummy classifiers.
Van begin tot eind nam Eraneos ongeveer vier maanden de tijd om het hele project af te ronden. We brachten het gebrek aan standaardisatie binnen het schadebeheerproces van de klant aan het licht, ontdekten problemen met de kwaliteit van het proces en stroomlijnden de afhandeling van claims aanzienlijk, waardoor de klant- en medewerkerstevredenheid toenam.
Samen werken aan een duurzame verandering?
