[1]كلاهبرداري در صنعت بيمه
14/08/1385
مبارزه با كلاهبرداري جنگي است كه مدام در صنعت بيمه در جريان است. اما با وجود نوآوريها و تكنولوژيهاي جديدي كه براي مبارزه با اين پديده به وجود آمدهاند، به نظر ميرسد شركتهاي بيمه به جايي رسيده باشند. «جميز كوييگل» مدير بخش ارتباطات «اتحاديه مبارزه با كلاهبرداري در صنعت بيمه» مي گويد كه با وجود 80 ميليارد دلاري كه هر ساله شركتهاي بيمه بخاطر اين كلاهبرداريها از دست ميدهند، بيمهگران به دنبال ابداع راههايي چون تحليل دادهها و خلق الگوهايي براي پيش بيني اين موارد هستند. او اضافه ميكند: «تكنولوژيهاي جديد تحقيقاتي كه براي كشف اين كلاهبرداريها انجام ميشود را به جايي رسانده كه به وسيله آن بتوانند حقههاي پنهان را شناسايي و كشف كنند. همچنين اين تكنولوژي ها روند تحقيقات را كوتاهتر و سريعتر ميكند و درخواست هاي مسالهساز را زودتر شناسايي ميكند. شناسايي اوليه و زودهنگام درخواستهايي كه بوي كلاهبرداري ميدهند بسيار مهم است. چراكه وقتي پول بيمه پرداخت شد ديگر رديابي آنها تقريبا غيرممكن است. چالشي كه اين شركتها با آن روبرو هستند اين است كه تكنولوژيهاي موجود را آنقدر قدرتمند و پيشرفته سازند كه بتوانند اين كلاهبرداريهاي ماهرانه را در همان ابتداي كار شناسايي كنند. شركتهايي كه اين تكنولوژيها را ابداع كردهاند عبارتند از: Fair Isaac در زمينه پوليس، ISO در نيوجرسي، Computer Sciences، CSC در كاليفرنيا، Choice Point و Pegasystems در ماساچوست. رئيس شركت بيمهگذار «پيل گريم» مي گويد: «اين روزها شركتها در كشف كلاهبرداريها پيشرفت كرده اند. اما آنها در ارتقاي اين فناوريها به قدر كافي سرمايهگذاري نميكنند.» يكي از اين تكنولوژيها فناوري تشخيص كلاهبرداريها به وسيله تحليل بيولوژيك صداي مراجعين است تا به اين وسيله قبل از اينكه به اين درخواستها پاسخ داه شود، كلاهبرداري و حقهها كشف شوند. اما با اين وجود، اكثر بيمهگذاران هنوز هم از اين فناوري ها و نوآوري ها بهره نميگيرند و اغلب اوقات با استفاده از روشهاي سنتي بين كشف كلاهبرداريها و متهم كردن مشتريان سرگردانند. استفاده از اين تكنولوژيها حساسيت اين شركتها را برانگيخته است. چرا كه يك اتهام نادرست بزرگترين نگراني اين بيمهگذاران است. يكي از چالشهاي پيش رو اين است كه هميشه چند گام از كلاهبرداران جلو باشند اما بايد بسيار دقت كنند چرا كه نميتوانند بيدليل كسي را متهم كنند. كلاهبرداريها تمام بخشهاي صنعت بيمه را تحت تاثير قرار ميدهند چرا كه هر ساله 9/ 13 ميليارد دلار به بيمه اتومبيل خسارت وارد ميكنند؛ 1/ 2 ميليارد دلار به بيمه منازل صدمه ميزنند و 8/ 9 ميليارد دلار نيز به بيمههاي تجاري و مالي ضرر ميزنند. اينها آماري است كه اتحاديه مبارزه با كلاهبرداري در صنعت بيمه منتشر كرده است و قابل توجه است كه بخش بيمه عمر و سلامتي بيشترين ضرر را ديده است. مدير اين اتحاديه ميگويد: «بيمه سلامتي چون بيشترين مشتري را دارد، بيشترين ضرر را متحمل ميشود.» به گفته او درخواستهاي مشتريان توسط كامپيوتر به دقت بررسي مي شوند و اگر شما سيستم هاي كامپيوتري را با انبوهي از درخواستهاي جعلي و كدهاي گم راه كننده پر كنيد ، گرفتار خواهيد شد درخواست هاي جعلي و فريبكارانه دو صورت دارند: نرم و سخت. با وجودي كه هر دو نوع اينها عمدي هستند اما نوع سخت بسيار بدخواهانه است. اين نوع كلاهبرداري توسط افرادي انجام ميشود كه قصدي مجرمانه دارند و گاهي اوقات توسط شبكههاي سازمانيافتهيي هدايت ميشوند كه نقشههاي مجرمانه متعددي را راهبري ميكنند. مثالهايي از اين كلاهبرداري مجرمانه در بيمه خودرو اتفاق ميافتد مثلا شخصي حقه باز عمدا تصادفي ايجاد مي كند و با خودروي ديگري تصادف مي كند و يك جراحت جعلي ايجاد ميكند و به اين وسيله از شركت بيمه خسارت ميگيرد. شبكههاي سازمان يافته با شيوهيي ماهرانه شركتهاي بيمه را هدف قرار مي دهند. مثلا در زماني كوتاه حجم زيادي از اين درخواستهاي جعلي را پديد ميآورند يا سعي ميكنند در برابر شركت هايي كه در برابر اين تقاضاها درمانده شده اند قد علم كنند. نوع اول كلاهبرداري توسط افرادي غيرحرفهيي انجام مي گيرد و سازمان يافته نيست و اكثر اين درخواستها هزينههاي هنگفتي در بر نميگيرد. اين دسته فكر ميكنند پس از چند سال پرداخت حق بيمه مستحق دريافت چيزي از بيمهگزارشان هستند. مثلا وقوع طوفان كاترينا اين فرصت را براي بسياري پديد آورد كه به خاطر مبلمان صدمه ديدهشان درخواست خسارت كنند. اين افراد يا اصلا اين اثاثيه را نداشتند يا قبل از وقوع طوفان به آنها خسارت وارده شده بود. نوعي ديگري از اين حقهبازي كه بسيار شايع است اين است كه افراد كارگر ادعاي از كار افتادگي مي كنند تا زودتر بازنشسته شوند. كساني كه اين درخواستها را بررسي ميكنند، اولين كساني هستند كه ميتوانند درخواستهاي جعلي را از تقاضاهاي غيرواقعي تشخيص دهند. آنها اين درخواستهاي مشكوك را به واحد ويژه بررسي (SIU) ارجاع ميدهند. با استفاده از فناوريهاي ويژه، بارزسان اوليه و متصديان واحد SIU ميتوانند حجم اين دادهها را بررسي كرده و از اين راه جريان كار را مديريت كنند و درخواستهاي جعلي را از تقاضاي واقعي تميز دهند. براي كمك به SIUها و بازرسان تقاضاها، شركت Hartford ( با درآمد 1/ 27 ميليارد دلار در سال 2005)، سيستم SIU Workload mnager (مديريت باركاري SIU ها) را ابداع كرد تا از اين طريق به SIU و بررسي كنندگان درخواست ها كمك كند تا بهتر بتوانند در خواستهاي مشكوك را ارجاع داده، بررسي كنند و هزينههاي برآمده از اين ادعاها را مطالعه كنند. مدير تجارت الكترونيك و فناوري اين شركت مي گويد: «اين سيستم منبع دريافت تمام ارجاعهايي است كه سيستمهاي مديريت در خواستها به SIUها ميفرستند. عملكرد اين سيستم موارد زير را در بر ميگيرد: كارهاي محوله به SIU، باركاري، برنامههاي روزانه، واسطههاي دادههاي صنعت بيمه مانند واحد ملي جرمهاي صنعت بيمه (NICB) و ISO . اين نرمافزار در سال 2003 به كار گرفته شد و با سيستم سياستگذاري شركتها و سيستم محاسبه زمان SIU ها ادغام شد. اين تركيب باعث شد كه SIUها بتوانند هزينه مورد نياز هر درخواست را دقيقتر محاسبه كنند. با اين ابزار بررسي كنندگان اين درخواست ها ميتوانند هر درخواست رسيده را با درخواست هاي قبلي مقايسه كنند و اين تقاضاي جديد را با ديگر تقاضاهايي كه در بايگاني واسطهها مثلا ISO مقايسه نمايند. اين نوآوري موثر ميتواند شمارههاي ملي جعلي و آدرسهايي كه اصلا وجود خارجي ندارند را تشخيص دهد. اين رويه اتوماتيك به ارتقاي كيفيت بررسي تقاضا كمك كرده هزينهها را كاهش ميدهد و زمان بررسي اين ادعاها را به حداقل ميرساند. شركت سازنده اين نرمافزار براي ساخت SIU reporting Platform نيز تلاش كرده است. وقتي كه يك درخواست بررسي ميشود، SIU از فايلهاي گذشته، مصاحبههاي، تحقيقات محلي، اسناد قانوني و دادههايي كه از تحت نظر گرفتن شخص مورد نظر به دست آمده، اطلاعاتي را جمع آوري ميكند. با وجود اين ابزار، اين اطلاعات به آساني طبقهبندي شده، محققان ميتوانند دوباره به آنها دسترسي پيدا كنند و اين دادهها را مرور كنند تا بتوانند از اين طريق درخواستهاي مكرر را پيدا كنند و موفق به كشف شبكههاي كلاهبردراي حرفهيي شوند. اين نرمافزار جديد ميتواند اين اخبار و كشفهاي كلاهبرداري را به مقامات قانوني چون دادگاهها و مقامات ايالتي گزارش كنند. با وجودي كه هر دو نوع كلاهبرداري بسيار هزينه بر است اما شركتها بيشتر نگران حقهبازيهاي نوع دوم (سخت) هستند. اين فناوري ها به محققان و SIU ها كمك ميكند كه براي مقابله با كلاهبرداري سخت بهتر بتوانند دادهها را تجزيه و تحليل كنند و در ضمن سرعت كارشان نيز افزايش يابد. SIU ها بويژه به دنبال سرنخها و نشانههايي از كلاهبرداري شبكهيي و سازمان يافته هستند. اين نرمافزارها به دنبال كشف الگوهاي رفتاري مشابهي در تقاضاها هستند. شركت بيمه «پيل گريم» هر سال سه ميليون مورد از اين كلاهبرداريها را كشف ميكند. SIU ها از يك الگوي پيشبيني كننده و يك موتور جستو جو استفاده ميكنند تا تمام ادعاها را ازريابي كنند چرا كه هر يك از آنها ميتوانند يك مورد از كلاهبرداري باشند. شركت بيمه «پيل گريم» از نرمافزار بررسي تقاضاهاي Fiserve استفاده مي كند. Fiserve شركتي است كه در «بروك فيلد» در ايالت «ويسكايسن» واقع شده است. همچنين اين بيمهگذار از الگوي ساخت شركت Choicepoint نيز براي رديابي كلاهبرداريها بهره ميگيرد. اين الگو هر بار كه دادههاي يك درخواست تغيير ميكند، آن را به دقت بررسي ميكند و از اين طريق ميتواند تقاضاهاي جعلي را سريعا شناسايي كند. «پيلگريم» از سال 2003 اين نرمافزارها را به كار گرفته است. مدير اين شركت مي گويد: «ما از يك مدل ارزيابي برگشتپذير استفاده كردهايم و از سابقه خود عليه اين كلاهبرداريها نيز بهره گرفتهايم. دادههايي كه نرمافزار Choicepoint براي ما فراهم ميكند، ميتوانيم موثرتر از گذشته عليه اين حقهبازيها وارد عمل شويم» در كنار موتورهاي جستوجو، كشف الگوهاي مشابه در ميان حجم انبوهي از دادهها نيز به كشف اين كلاهبرداريها بسيار كمك ميكند. «جان سرجنت» مدير واحد تحقيقات ويژه شركت بيمه Metilfe Auto & Home ميگويد: «فناوريهاي نوين ابزارهايي هستند كه به كاركنان ما اجازه ميدهند درخواستهاي مشكوك را به واحد تحقيقات ارجاع دهند.» در سال 2000 اين شركت دريافت كه بايد حجم ارجاعهاي رسيده به SIU را افزايش دهد. به گفته مدير بخش تحقيقات ميزان كلاهبرداري هاي كشف شده در اين ارجاعها 10 درصد بود. اما آنها فكر نميكردند كه اين رقم واقعي باشد از اين رو شركت تصميم گرفت كه شبكهاي امنيتي براي خود تدوين كند و به اين نتيجه رسيد كه بهترين راه براي نيل به اين هدف داشتن يك سيستم طبقهبندي شده، خودكار و فراگير است كه بتواند تقاضاهاي مشكوك را كشف كند. در سال 2001 آنها با شركت CSC وارد همكاري شدند و طي سالهاي 2002 و 2003، اين دو شركتنرم افزار «ارزياب كلاهبرداريها- Fraud Evaluator» را ابداع كردند تا اين حقهها را در همان ابتدا كشف كند. اين محصول تركيبي از سه موتور است. اولي موتوري است كه به اين شركت اجازه مي دهد به طرحهاي كلاهبرداري اطلاعات تازهيي بيفزايد. دومي موتور جستو جوي هويتها است كه مي تواند داده هاي يك تقاضا را با دادههاي برآمده از گستره متنوعي از ادعاهاي ديگر مقايسه كند. موتور سوم يك ابزار پيش بيني كننده است تا يك ادعا را تجزيه و تحليل ميكند تا بتواند شباهتهايي ميان آن و يك ادعايي كه از آن بوي كلاهبرداري ميآيد، پيدا كند. در جولاي 2003، پس از هشت ماه آزمايش آن، اين نرم افزار به بازار آمد به گفته مدير بخش تحقيقات از زمان بكارگيري اين نرم افزار حجم اين كلاهبرداري ها كشف شده دو برابر شد. اين شركت همچنين جزء ديگري به نام Watson توانست دادهها را طبقهبندي كند. اين ابزار جديد را شركت ACL كه در ونكوور قرار دارد، ابداع كرده است. با اين دو ابزار، Met life توانست شبكه كلاهبرداريهاي زنجيرهيي را كشف كند. بسياري از بيمهگذاران به الگوهاي پيشبيني كننده روي آوردهاند تا بتوانند با تكيه بر رفتارهاي كنوني كلاهبرداران به الگوهاي آينده دست پيدا كنند. در سال 2003، شركت بيمه Erie با درآمد 4 ميليارد دلار، الگوي پيشبيني كننده رفتارهاي مدعيان دروغين را به كار گرفت. اين شركت نرمافزار Netmap Viewlink Manager را به كار گرفت. اين نرمافزار شماهاي تصويري از الگوهاي مشترك دادهها را ارايه ميكند كه به محققان اجازه مي دهد تا به صورت بصري اين رفتارها را مشاهده كنند. اين روش كه كشف الگوهاي مشترك ميان رفتارهاست، به اين بررسيها كمك مي كند. در سال 2004، 25 درصد از درخواست ها را سيستم پيشبيني كننده جعلي تشخيص داد. اما در سال 2005، 32 درصد را فناوري كشف كرد و 68 درصد را محققان بدون كمك سيستمهاي كامپيوتري تشخيص دادند. نايب رييس و مدير شركت امنيتي شركت Ene مي گويد: «فناوريهاي موجود هرگز نخواهد توانست تمام ادعاهاي مشكوك را كشف كند چرا كه حجم اين درخواستها بسيار بالاست و فقط هوش و حس انساني ميتواند بفهمد كه يك ادعا جعلي است يا خير. »
مترجم: آذين صحابي