Sigortada yerelleştirilmiş yapay zekâ için ölçüme dayalı gerekçe
Sahtecilik ve hasar kaçağı her ülkede görülen sorunlardır, ancak bunları yakalamayı sağlayan kurallar ülkeden ülkeye değişir. Bu nedenle ödeme tarafındaki yapay zekânın farklı biçimde kurulması gerekir.
Dünyadaki her sigortacı aşağı yukarı aynı sorunlarla uğraşır: sahte ya da şişirilmiş başvurular, hatalar nedeniyle kaybedilen para ve başvurunun gelişiyle kararın verilmesi arasında uzayan yavaş, elle yürüyen inceleme. Bu sorunları yalnızca bir dil problemi olarak görmek ve güçlü bir genel modelin başvuruları okumasını beklemek kolaydır. Genel model okuma aşamasında yardımcı olur. Ancak sonucu asıl belirleyen kısımda, yani bir başvurunun en baştan geçerli olup olmadığını gösteren yerel kural kitabında yetersiz kalır.
Geri ödemede sonucu çoğu zaman ayrıntılar belirler. Hangi işlemin hangi koşulda, hangi kodla ve hangi bekleme süresinden sonra karşılanacağı, ülkeye özgü ve zamanla değişen bir çerçevede tanımlanır. Bu çerçeveyi hiç görmemiş bir model, başvuruyu düzgün biçimde özetleyip yine de yanlış sonuca varabilir; çünkü sonuç, görmediği bir maddeye bağlıdır.
Ölçümlerimizde de tutarlı bir tablo ortaya çıktı. İç değerlendirmemizde yerel model, sahtecilik tespitinde ve poliçe kapsamı kararlarında bir hasar ekibinin iş akışını üzerine kurabileceği bir düzeye ulaştı; riskli dosyaları, incelemeciyi yanlış alarmlara boğmadan öne çıkardı. En belirgin fark ise güvenilirlikte görüldü. Geri ödeme, doğru maddeye atıf yapmaya dayanır; karşılaştırdığımız genel amaçlı modeller mevzuat maddelerini yerel modelden çok daha sık uydurdu. Ödeme tarafında kendinden emin biçimde uydurulmuş bir kural, doğrudan maliyete yol açabilecek bir risktir. MINA v3.7'nin görev bazlı değerlendirme sonuçlarını MINA v3.7 sayfasında bulabilirsiniz.
Bu nedenle ödeme tarafındaki yapay zekânın yalnızca çevrilmiş değil, yerelleştirilmiş olması gerekir. Kapsam mantığı, kodlama standartları ve provizyon kuralları her pazara özgüdür ve sürekli değişir. Bir pazarın gerçek kuralları üzerine eğitilmiş ve atıf verebilen bir sistem, denetimde savunulabilecek bir otomasyon sağlar; böyle bir sistem olmadığında otomasyonun çıktıları elle yeniden kontrol edilmek zorunda kalır. Türkiye’nin SGK/SUT sistemi bunun yalnızca ilk ve en zor örneğiydi; aynı yöntem her ödeyiciye uygulanabilir.
Doğru kullanıldığında bu sistem, kararı kendisi veren otomatik bir hakem işlevi görmez ve amacı da bu değildir. Sistem insan incelemeciye destek olur; yakından bakmaya değer dosyaları öne çıkarır, ilgili kuralı gösterir ve kararı incelemeciye bırakır. Bu sonuçlar sentetik veriyle ve anonim karşılaştırma modelleriyle yapılmış bir iç değerlendirmeden geliyor. Asıl sınavı şu anda süren saha pilotları oluşturuyor.