Mapfre entrena una IA con datos artificiales para detectar fraude en siniestros de Hogar

MADRID 22 Abr. (EUROPA PRESS) -

Mapfre está trabajando en un proyecto experimental con el que está entrenado a una Inteligencia Artificial con datos artificiales, también generados mediante IA, con el objetivo de detectar fraudes en siniestros de Hogar.

Según explica la aseguradora, ha creado un sistema de IA que aplica 'machine learning' y análisis de grafos examinando múltiples puntos de datos históricos para detectar patrones de fraude. De esta forma, cuando se registra una reclamación, el sistema aplica le aplica una nota. Si esa nota indica posibilidad de fraude, se deriva al equipo de reclamaciones, que junto con el equipo de investigación, lleva a cabo las pesquisas necesarias para decidir si hay fraude o no.

Mapfre indica que este proceso ha ayudado a su equipo de reclamaciones a mejorar la eficiencia y precisión en la detección del fraude y ha supuesto ahorros de costes. Esta IA se aplicó primero al negocio de Autos, y posteriormente dados los resultados positivos se extendió al negocio de Hogar.

El escollo que se encontró Mapfre es que los modelos de detección de IA usan datos históricos, pero en Hogar había un desequilibrio mayor entre reclamaciones fraudulentas y no fraudulentas. Para solucionar esto y entrenar mejor a la IA, la aseguradora ha decidido generar "datos sintéticos" (artificiales, no reales), para alimentar al algoritmo.

Así, Mapfre ha decidido implementar un modelo de IA generativa denominado CTGAN (Conditional Tabular Generative Adversarial Networks). Este modelo genera datos tabulares sintéticos y preserva la privacidad.

"Esta estrategia permite superar el desequilibrio y la escasez de siniestros fraudulentos históricos, mejorando la capacidad del algoritmo para identificar patrones de fraude de una manera más precisa. Generando un conjunto de datos más equilibrado, la compañía logra que sus modelos de detección de fraude en seguros de Hogar sean mucho más precisos", argumenta la aseguradora.