从汽车责任到工人赔偿，在整个商业保险中，涉及人身伤害的索赔从提出索赔之日起到解决之日，往往遵循共同的生命周期。随着索赔在此过程中的各个阶段不断发展，从账单，票据，图像，付款和其他文件中提取的数据量越来越多，被添加到索赔文件中。对于复杂的索赔，此过程可能会持续数年，涉及调解员，护士案例经理，提供者，律师及其他人员的更新和文件。添加AI后，此过程中的数据将变得可见，形成更可预测的轨迹，使理算人员和主管可以有效地管理索赔，降低成本并为所有相关人员带来更好的结果。

传统上，很多数据没有得到充分利用，要么存储在索赔团队无法访问的范围内，要么被繁忙的理算人员忽略，只是试图保持他们的案件量。但是现在，图像和语言处理可以聚合和组织数据，并且可以应用机器学习来生成有关未来事件可能性的见解和预测。所有这些都为理算人提供了强大的新工具，可帮助索赔人更快地恢复健康，并减少所有参与方的成本。

为了查看其潜力，让我们看一下今天商业保险中特定索赔(工人补偿金)如何演变。一个人在工作中受到伤害，其雇主提出索赔。索赔理算人从工人和雇主那里收集便笺，并在索赔人去看医生时跟踪进度。随着时间的流逝，工人得到了额外的治疗，也有记录在案，如果一切顺利，则恢复工作。如果没有，他们可能会请律师，这会延长生命周期数月或更长时间。收集到的许多数据从未被分析过，通常只审查一小部分。即使他们有时间，调解人也很难在所有这些之间建立不同的联系。

这是几十年来一直有效的方式，但实际上并没有奏效，至少没有发挥其潜力。由于使用被动式而非主动式的管理和工具，索赔成本有所上升，从而使28%的索赔能够推动80%的索赔成本。

为了使与索赔相关的信息更有用，正在将人工智能(AI)慢慢引入索赔的旅程中，从最关键的预测开始，例如索赔成本或律师介入。但是AI仍然是保险领域的新兴事物，如今的索赔团队只是在摸索如何将其应用于改善所有组成部分方面。

人工智能在行动

让我们看一下AI如何重塑索赔过程。在这种新视野中，索赔生命周期中的关键点保持不变，但是由于融合了数据科学，旅程变得更加智能和高效。简化的流程可以如下运行：

摄入量和第一阶段的预测

这是数据科学几个重要应用出现的领域。第一阶段还为每个后续阶段设置了阶段。

提出索赔，并将有关工人伤害的所有初始详细信息放置在基于云的系统中。因此，相关案例的详细信息可供分析;没有人需要手动浏览案例文件或等待硬拷贝图像到达。随着AI的进步，诸如笔记和图像之类的异步数据源被并入，以便系统可以理解和使用它们来建立趋势并建立联系。

通过使用数据科学，预测算法不仅可以评估索赔人收集的数据，而且还可以将其与系统中其他索赔中可用的所有数据进行比较-转化为数百万个数据点的存储库。这使系统能够做一些事情，例如将索赔人分配给被认为是最有能力治疗他们的可用提供者并举报案件，这可能需要格外小心。