Korea Deep Learning进军保险市场，DEEP Agent助力保险理赔自动化

| 内外经济TV = 郑东镇

Korea Deep Learning进军保险市场，将改变保险理赔的游戏规则。

据Korea Deep Learning 11日透露，该公司将向国内大型保险公司提供文档自动化解决方案DEEP Agent。

该保险公司决定引入DEEP Agent，旨在超越简单的文档识别，实现针对每笔理赔案件的单据构成、信息提取、结果验证以及异常文档筛选的全面自动化。

以往的处理方式是先通过OCR对保险理赔申请书、医疗费用明细表、收据、身份证、银行卡复印件等各种证明文件进行初步识别，随后由外部审核人员将结果不确定或项目缺失的文档与原件进行再次比对。

当理赔量增加时，必须投入数十名规模的外部审核人员，每张文档会产生约2,500至3,000韩元的费用。即使在引入AI之后，由于复杂的表格、低画质图像以及不同的格式仍需进行重新审核，导致随着文档量的增加，人力和运营成本也随之上升。

DEEP Agent将包含在单笔保险理赔案件中的多份文件组合为一个业务单元。它会将接收到的文档按理赔案件进行归类，确认是否提交了必备文件；对于文件和信息均已确认的正常案件，则直接传递至后续审核阶段。

由于文件缺失、信息不一致或需要核对原件的低置信度结果会被分离为单独的异常对象，因此负责人可以集中精力处理需要补件请求或需要额外判断的理赔案件。

在开展此次业务的过程中，Korea Deep Learning升级了DEEP Agent的核心处理引擎，将处理范围从以印刷体为主的正规文档，扩大到了手写体、复杂表格、低画质图像以及跨越多页的医疗费用明细等高难度文档。

首先，在OCR方面，增强了性能，使其即使在照片倾斜或画质较低的收据、医疗单据中，也能稳定识别数字和金额等关键信息。此外，Parser能够准确还原复杂表格、合并单元格以及跨页医疗费用明细的结构和阅读顺序，减少了项目与金额错误连接的误差。

提取出的信息随后会通过VLM和验证引擎进行进一步精炼。文档特化VLM能够结合整体布局和上下文进行分析，即使格式不同，也能根据业务标准将具有相同含义的项目进行结构化处理。

同时，验证引擎会对比理赔人、被保险人信息、账户信息、诊疗期间、理赔金额等记录在多份文件中的数值，自动检查是否存在必备文件缺失或信息不一致的情况。

引擎还反映了反复出现的错误类型和重新审核模式。其重点不仅在于提高平均字符识别率，更在于提高处理异常文档的稳定性，例如低质量图像、复杂结构以及文档间数值冲突等实际导致自动化中断的情况。

利用保险理赔文档进行的引入前预验证结果显示，需要重新审核的文档较以往减少了87%，而无需人工干预即可完成分类、提取、结构化和验证的全自动处理率从28%上升至91%。

Korea Deep Learning计划今后以金融、保险、公共、制造等需要处理大量非结构化文档的行业为中心，扩大高阶DEEP Agent引擎的应用范围。

Korea Deep Learning代表Gim Ji-hyeon表示：“企业文档自动化的成败不在于能多好地读取普通文档，而在于能在多大程度上减少因部分棘手文档而导致人工重新介入整个业务的问题。为了实现企业能够切实感受到的文档自动化，我们将持续强化DEEP Agent的核心处理引擎。”