Según datos de Reino Unido, por ejemplo, las compañías privadas de seguros de salud pierden entre 320 y 480 millones de euros al año por fraude; mientras que la sanidad pública británica pierde alrededor de 190 millones por el mismo hecho. Sin duda, por tanto, las compañías de seguros deberían liderar la batalla contra cualquier tipo de fraude y evitar así estas pérdidas millonarias que afectan seriamente a sus cuentas de resultados.

El problema reside, al menos en España, en que las compañías aseguradoras están todavía lejos de atajar el fraude debido a que no cuentan con las soluciones con que cuentan otros sectores financieros, como el de las tarjetas de crédito, donde en 10 años, se ha reducido la comisión de delitos en más de dos tercios. Muchas compañías de seguros aceptan el fraude como un coste operativo; sin embargo, a medida que la complejidad y el alcance del fraude crece, los sistemas utilizados para detectarlo y prevenirlo necesitan estar al nivel y evolucionar con la misma rapidez que  los patrones de abuso que están tratando de identificar.

Las reglas de negocio no son suficientes

Cuando se trata de  tecnología, lo  más extendido en la detección del fraude son las reglas de negocio, que, basadas en históricos de detección, son una herramienta eficaz para detectar  actividades fraudulentas conocidas. Pero las reglas, de naturaleza estática, sólo se pueden utilizar para descubrir el fraude basándonos en la información conocida. Esto deja la puerta abierta a nuevas amenazas y a aquel fraude que nunca se ha identificado como tal y que los sistemas de reglas no detectan porque no saben lo que se está buscando.

Muchas compañías de seguros, por ejemplo, confían en una regla según la cual un siniestro presentado dentro de los siguientes 30 días después de firmar la póliza debe ser puesto en cuarentena. Parece sensato pero, en realidad, éste es precisamente el típico fraude que los defraudadores conocen y evitan. Este fenómeno es bien conocido en la industria del crédito, y una regla mal configurada en este sentido puede penalizar más a los buenos clientes, con siniestros reales, que a los estafadores.

El poder de la predicción

El análisis predictivo utiliza algoritmos para buscar patrones ocultos en los datos. Esto permite que los siniestros sospechosos sean captados y se puedan revisar antes de que se generalice el abuso.

Utilizando un análisis complejo y multidimensional, los modelos predictivos puntuan cada siniestro. Las puntuaciones que indican un alto riesgo de fraude serán revisadas por  los analistas apropiados para que investiguen si se trata de un posible fraude.

En el  prepago, por ejemplo, un modelo predictivo puede identificar, además, otros problemas como errores de adjudicación, problemas de escaneo, inflación y debilidades en el pago de las pólizas, lo que disminuirá el volumen de los pagos cuando se denuncien siniestros abusivos o erróneos. La mayor parte de los partes pueden analizarse en menos de tres minutos, asegurando, por tanto, que no existan retrasos que conlleven problemas con la legislación de pronto pago.

En el caso del postpago, un sistema predictivo podrá analizar conjuntos de datos de manera compleja y no lineal para identificar patrones fraudulentos y vinculación entre siniestros que pasarían desapercibidos en sistemas de detección más lineales. Esto aumenta la precisión en la detección, al tiempo que mejora la productividad de investigación y el éxito de la recuperación.

Modelos predictivos y reglas, combinación ganadora

Como vemos, los modelos predictivos y las reglas deben tener, sin duda,  una relación sinérgica. A medida que el algoritmo analítico identifica los posibles casos de fraude, los analistas pueden crear nuevas reglas que ayuden a las aseguradoras a reducir los delitos. La información resultante de la aplicación de las reglas se incorpora a la analítica predictiva como patrones, lo que permite construir modelos adaptados cada vez más complejos y precisos.

El enfoque basado en este tipo de análisis ofrece rendimientos espectaculares. Muchas compañías de seguros han conseguido reducir sus pérdidas por fraude un 20% y sus gastos en ajustes por pérdidas también un 20%.

En definitiva, la industria del seguro en España debe andar su propio camino hacia una toma de decisiones basada en modelos analíticos. La correcta combinación de analítica predictiva y reglas permite a los tomadores del seguro aprovechar ahorros por pago anticipado, evitando pagos innecesarios; ahorros sistemáticos mediante la corrección de deficiencias en cierto tipo de pólizas; y ahorros en el pago a posteriori mediante la identificación de operaciones fraudulentas a lo largo de la cadena de valor. Este enfoque basado en tres vertientes ofrece a las aseguradoras la mejor arma en la lucha contra el fraude y el abuso.

Antonio García Rouco es director general para Europa Occidental de FICO Europa, puesto desde el cual gestiona el negocio de la compañía en España, Portugal, Italia, Francia, Bélgica, Holanda y Luxemburgo. Ingeniero por la Universidad Politécnica de Madrid y MBA por el Instituto de Empresa, antes de incorporarse a FICO, García-Rouco ocupó puestos ejecutivos de responsabilidad en compañías como Equifax y Steria. Desde su puesto, gestiona el negocio corporativo y comercial de FICO en países de Europa Occidental en áreas clave: Business Intelligence, Análisis, Riesgos de Créditos y Fraude. Además, coordina el negocio para clientes como BBVA y Banco Santander.