Korea Deep Learning automatiza reclamaciones de seguros con DEEP Agent

| NBNTV = Jeong Dong-jin

Korea Deep Learning entra en el mercado de seguros para cambiar las reglas del juego en las reclamaciones de siniestros.

Según informó Korea Deep Learning el día 11, la empresa suministrará su solución de automatización de documentos, DEEP Agent, a una gran compañía de seguros nacional.

Dicha aseguradora decidió implementar DEEP Agent para automatizar no solo el reconocimiento de documentos, sino también la composición de documentos por cada reclamación, la extracción de información, la verificación de resultados y la selección de documentos excepcionales.

Anteriormente, diversos documentos probatorios como formularios de reclamación de seguros, detalles de gastos médicos, recibos, identificaciones y copias de libretas bancarias eran reconocidos inicialmente mediante OCR. Posteriormente, si los resultados eran inciertos o faltaban elementos, el personal de inspección externo debía cotejar los documentos nuevamente con el original.

Cuando el volumen de reclamaciones aumentaba, era necesario contratar a decenas de inspectores externos adicionales, lo que generaba un coste de entre 2,500 y 3,000 wones por cada documento. Incluso tras la introducción de la IA, la estructura de costes e inversión en personal seguía aumentando debido a la necesidad de re-inspección de tablas complejas, imágenes de baja calidad y formatos distintos.

DEEP Agent organiza los múltiples documentos incluidos en una sola reclamación de seguro como una única unidad de trabajo. Agrupa los documentos recibidos por cada caso de reclamación para verificar si se han presentado los documentos obligatorios, y si tanto los documentos como la información se confirman como correctos, los envía a la siguiente etapa de evaluación.

Dado que los documentos faltantes, las inconsistencias de información o los resultados de baja confianza que requieren verificación del original se separan como casos excepcionales, los responsables pueden concentrarse únicamente en las reclamaciones que requieren solicitudes de complementación o decisiones adicionales.

Al llevar a cabo este proyecto, Korea Deep Learning ha avanzado en su motor de procesamiento principal de DEEP Agent, ampliando su alcance de procesamiento de documentos estructurados basados en texto impreso a documentos de alta dificultad, como escritura manual, tablas complejas, imágenes de baja calidad y detalles de gastos médicos que abarcan varias páginas.

En primer lugar, se ha reforzado el rendimiento del OCR para que reconozca de manera estable información clave como números y montos, incluso en recibos o documentos médicos con fotos torcidas o de baja calidad. Además, el Parser restaura con precisión la estructura y el orden de lectura de tablas complejas, celdas combinadas y detalles de gastos médicos que continúan a través de varias páginas, reduciendo los errores en los que los elementos y los montos se conectan incorrectamente.

La información extraída se refina posteriormente a través de un VLM y un motor de verificación. El VLM especializado en documentos analiza el diseño completo y el contexto para estructurar los elementos de acuerdo con los estándares operativos, incluso si los formatos varían.

Asimismo, el motor de verificación coteja los valores registrados en múltiples documentos, como la información del reclamante y del asegurado, la información de la cuenta, el período de tratamiento y el monto reclamado, para realizar comprobaciones automáticas de la falta de documentos obligatorios o inconsistencias de información.

Los tipos de errores recurrentes y los patrones de re-inspección también se han reflejado en la mejora del motor. El enfoque no se limitó a aumentar la tasa promedio de reconocimiento de caracteres, sino que se centró en mejorar la estabilidad del procesamiento de documentos excepcionales que detienen la automatización, como imágenes de baja calidad, estructuras complejas y conflictos de valores entre documentos.

Según los resultados de la verificación previa a la implementación utilizando documentos de reclamación de seguros, los documentos sujetos a re-inspección disminuyeron en un 87% en comparación con el método anterior, y la tasa de procesamiento completamente automático —que completa la clasificación, extracción, estructuración y verificación sin intervención humana— aumentó del 28% al 91%.

Korea Deep Learning planea expandir el alcance de aplicación de su avanzado motor DEEP Agent centrándose en industrias que procesan grandes cantidades de documentos no estructurados, como las finanzas, los seguros, el sector público y la manufactura.

Gim Ji-hyeon, representante de Korea Deep Learning, afirmó: "El éxito o fracaso de la automatización de documentos empresariales no depende de qué tan bien se lean los documentos generales, sino de cuánto se pueda reducir el problema de que las personas tengan que intervenir nuevamente en todo el trabajo debido a documentos complicados". Además, añadió: "Para lograr una automatización de documentos que las empresas puedan sentir como real, seguiremos fortaleciendo el motor de procesamiento principal de DEEP Agent".