Çekici Çağrılmadan Önce Bir Araba Sigortası Tazminatı Tahmini

Tipik bir günde, yaklaşık 80.000 trafik sigortası Amerikalı sürücü, sigortacılarını aramayı gerektirecek kadar ciddi kazalar yaşıyor. İlk şokun ardından tahmin edilebilir bir endişe dizisi gelir: Yaralanan var mı? Hatalı mıyım? Sürücünün ilk araması genellikle sigorta şirketine yapılır ve bu da sonraki sorulara yol açar: Bir tahminde bulunmak, arabamı dükkana götürmek ve sonra tekrar yola çıkarmak ne kadar sürer?

Çekici Çağrılmadan Önce Bir Araba Sigortası Tazminatı Tahmini
Çekici Çağrılmadan Önce Bir Araba Sigortası Tazminatı Tahmini

Otomobil sigortası tazminat taleplerini karşılamak için geçen süre kısaltılıyor ve ilk tahminlerin doğruluğu artıyor çünkü ABD sigortacıları artık onarım tahminleri oluşturmak için yapay zeka kullanıyor.

AI tarafından desteklenen en son teknoloji

Son çamurluk bükücünüzden sonra başvurmuş olabileceğiniz “sanal hak talebinden” çok farklıdır. Yaklaşık beş yıl önce, fotoğrafa dayalı tahminler giderek daha yaygın hale geldi. Sigorta şirketleri bazen müşterilere tutarlı fotoğraflar sağlamalarına yardımcı olan bir uygulama indirdi, ancak bazı sigortacılar müşterilere bir e-postaya fotoğraf eklemelerini söyledi.

Sigorta şirketleri fotoğrafa dayalı tahminleri severdi çünkü günde yalnızca dört kişi başına tahminin ortalamasını alabilen değerleme uzmanları ofiste kalarak ve bir bilgisayar monitöründe müşteri tarafından sağlanan fotoğraflar arasında gezinerek 15 sanal olanı tamamlayabilirlerdi. Bununla birlikte, hasarlı arabalar kaporta atölyelerine girdiğinde, bu tahminler şahsen yapılanlardan çok daha az doğru çıktı. Sigorta şirketleri, bazen yüzde 50’ye varan oranlarda daha fazla çalışan – talep ekleri adı verilen – tahminleri aşan maliyetlerle altüst oldu. Müşteriler, beklenmedik gecikmeler yüzünden hayal kırıklığına uğradılar. Ve kaporta atölyeleri ortada kalmaktan nefret ediyordu.

Bu daha sonra. Artık müşteriler, yapay zeka tarafından değerlendirilebilecek fotoğrafları çekme ve yükleme sürecinde onlara rehberlik etmek için sigortacıları aracılığıyla telefon uygulamalarını indirebilir ve neredeyse anlık bir hasar tahmini oluşturabilir. Uygulamalar henüz Amerika Birleşik Devletleri’nde yaygın kullanımda değil, ancak zamanları geliyor.

Algoritmalar, görüntü sınıflandırma konusunda eğitilmiştir ve hasarları tespit edip talepleri San Diego’da bulunan Mitchell International gibi parçaları fiyatlandıran ve işçilik maliyetlerini hesaplayan şirketlere devrederler. En iyi algoritmalar, birkaç saniye içinde, deneyimli insan tahmincileri tarafından üretilenler kadar doğru tahminler sağlıyor. Salgın, yapay zeka destekli tahmin yapmayı daha da çekici hale getirdi çünkü teknoloji, sürücüler ve sigorta ayarlayıcıları arasındaki yüz yüze etkileşim ihtiyacını azaltır veya hatta ortadan kaldırır.

Değerleme uzmanlarıyla randevu alma veya ilk tahmin için kaporta atölyesine ayrı bir yolculuk yapma ihtiyacını ortadan kaldıran bu uygulamalar, “döngü süresinden” günler kısaltır – müşterilerin arabalarına geri dönmesi ne kadar sürer.

Algoritmalar ayrıca insan uzmanlarından daha hızlı öğrenir ve adapte olur. Basit bir tampon değişimi artık basit değildir, çünkü yeni tamponlar, paralel park ederken başka bir araca çok yakın giderken sürücüleri uyaran gibi pahalı entegre sensörlere sahiptir. Sonuç olarak, bu iddia takviyeleri artıyor.

Editors’ Picks

It’s Not That Hard to Buy Nothing‘As the Train Pulled Out of the Station, the Older Man Stood Up’The Lasting Lessons of John Conway’s Game of LifeContinue reading the main story

Bu “insuretech” piyasada liderlerden biri olan Uysal , girişimci Adrien Cohen ve iki bilgisayarla görme uzmanları, Alex Dalyac ve Razvan Ranca tarafından 2014 yılında kuruldu Londra’da bulunan bir şirket. O zamandan beri Tractable, 50 milyon dolardan fazla risk sermayesi fonu aldı ve Londra, New York ve Tokyo’da 100’ün üzerinde çalışana ulaştı. Avrupa ve Asya’daki büyük sigortacılar, Tractable’ın yapay zekasını 1 milyar dolardan fazla tazminat talebinde bulunmak için kullandı.

Bay Dalyac, Tractable’a Imperial College London’dan katıldı ve burada bilgisayar departmanının ilk endüstriyel “derin öğrenme” uygulamasını yönetti. Şirketin otomatik hasarı yorumlamak için bir algoritma eğitmek için kullandığı yaklaşım buydu – daha önce sadece yetenekli insanlar tarafından gerçekleştirilen bir görev.

TIKLA ARA