Detección de anomalías en facturas

Objetivo

Mejorar la detección de anomalías en las facturas de los reparadores de una aseguradora.

Las aseguradoras trabajan con empresas reparadoras y/o autónomos, que realizan los trabajos asociados a los siniestros y los facturan a las mismas. Un proceso que necesita en muchos casos de una supervisión eficaz para evitar fallos o posibles sobrecostes.

Mejorar la revisión de facturas en el ramo de hogar –aunque extrapolable a otros ámbitos– era el objetivo de una compañía de seguros que ya tenía un equipo humano dedicado a ello y unas reglas lógicas que operan de manera automática para detectar posibles anomalías en las facturas. Un reto y a la vez una oportunidad para aprovechar las posibilidades que ofrece el machine learning.

Solución

El machine learning permite muchas veces llegar adonde el ojo humano no puede. Por ello, desde el Instituto de Ingeniería del Conocimiento (IIC), se trabajó en modelos de este tipo que determinaran si una factura podía tener algún tipo de anomalía.

Desde el principio, se entrenó al algoritmo con el histórico de facturas de la aseguradora y se apostó por un aprendizaje no supervisado (facturas sin etiquetar). De esta forma, es la compañía de seguros la que tiene que comprobar que los resultados son correctos y validar el modelo.

El IIC trabajó en continuo feedback con la aseguradora –incluyendo cada vez más datos y variables– hasta conseguir el método que mejor funcionara. La ventaja de los modelos de machine learning es que son capaces de detectar patrones (conjunto de variables y conceptos de la factura) anómalos en base a ese histórico de datos. Más allá de que un precio elevado pueda llamar la atención, el algoritmo tiene en cuenta un mayor número de factores y su interacción.

Como output del análisis, se entregaron las facturas ordenadas de más anómalas a menos anómalas. En ambas fases, el resultado fue positivo y actualmente se trabaja al día con la aseguradora, que envía la facturación cada mes para analizarla y mejorar el algoritmo. Esta experiencia piloto se ha convertido en un servicio en el que se va redefiniendo el modelo y dándole utilidad.

Beneficio

La aseguradora está utilizando esta solución en la auditoría externa que realizan sobre los trabajos facturados.

En concreto, los expertos acuden a los hogares que el algoritmo determina como más anómalos para cotejar las facturas con lo que realmente se ha reparado, así como comprobar si se trata de una reparación atípica por incluir conceptos innecesarios o desproporcionados. Una fase de supervisión que antes se basaba exclusivamente en un principio aleatorio.

Este nuevo procedimiento da lugar a dos posibles desarrollos en el futuro:

  • Un enfoque supervisado. Con los reportes de los auditores, pueden etiquetarse las facturas como anómalas o no anómalas y entrenar al modelo para que mejore la clasificación de las nuevas en base a esta información.
  • Un servicio online. Dados unos adecuados índices de precisión del modelo, la evolución natural del servicio es integrarlo en los sistemas de producción del cliente, aplicándolo automáticamente a las facturas dadas de alta en el sistema.

De esta forma, se mejora la detección de las anomalías en facturas y toda la operativa, integrando en sus sistemas una capa analítica más a la inteligencia que la aseguradora ya manejaba.

Proyectos relacionados

Resumen de privacidad
Instituto de Ingeniería del Conocimiento

En Asociación para el Desarrollo de la Ingeniería del Conocimiento usamos cookies propias y de terceros necesarias para que nuestro sitio web funcione adecuadamente y para fines analíticos. política de cookies

Al pulsar “Guardar cambios”, se guardará la selección de cookies que hayas realizado. Si no has seleccionado ninguna opción, pulsar este botón equivaldrá a rechazar todas las cookies.

Cookies necesarias

Son aquellas que ayudan a hacer una página web utilizable activando funciones básicas como la navegación en la página y el acceso a áreas seguras de la página web. La página web no podrá funcionar adecuadamente sin estas cookies. Le informamos de que puede configurar su navegador para bloquear o alertar sobre estas cookies, sin embargo, es posible que determinadas áreas de la página web no funcionen. Estas cookies no almacenan ninguna información de identificación personal. El reproductor de Youtube usa cookies publicitarias, el cual usamos para poder ver vídeos insertados.

Cookies de analítica

Son aquellas que permiten al Editor de las mismas, el seguimiento y análisis del comportamiento de los usuarios de los sitios web a los que están vinculadas. La información recogida mediante este tipo de cookies se utiliza en la medición de la actividad de los sitios web, aplicación o plataforma, con el fin de introducir mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio. Las cookies analíticas utilizadas son:

Cookies que se utilizan:
_ga (Google Analytics) | _gid (Google Analytics) |