Sigorta dolandırıcılığı tespiti: kural, skor ve makine öğrenmesi

Sigorta dolandırıcılığı tespiti, bir sigorta şirketine yapılan başvuru ya da hasar ihbarlarının içinden sahte, kurgulanmış veya abartılmış olanları veri ve analitik yöntemlerle ayırt edip inceleme için önceliklendirme sürecidir. Sektörde "suistimal" terimiyle de anılan bu alan, doğrudan hasar maliyetini etkilediği için sigorta teknolojisinin en somut getiri üreten uygulamalarından biridir.

Etkili bir tespit sistemi tek bir teknolojiye dayanmaz. Bilinen örüntüleri yakalayan kurallar, bu kuralları ağırlıklandıran skor kartları, veriden yeni örüntü öğrenen makine öğrenmesi modelleri ve kişiler arasındaki bağlantıları ortaya çıkaran ağ analizi birlikte çalışır. Bu rehber, her yöntemin güçlü ve zayıf yönlerini, bunları birleştiren mimariyi ve dikkat edilmesi gereken hukuki sınırları anlatıyor.

Sigorta dolandırıcılığı hangi biçimlerde görülür?

Sigorta dolandırıcılığı; tek seferlik fırsatçı abartmalardan organize halkalara, poliçe başvurusunda bilgi gizlemeden sahte belge kullanımına kadar geniş bir yelpazede görülür. Tespit yöntemi, dolandırıcılığın türüne göre seçilmelidir.

• Fırsatçı abartma: Gerçek bir hasarın tutarının şişirilmesi ya da olayla ilgisiz eski hasarların dosyaya eklenmesi.
• Kurgulanmış olay: Hiç yaşanmamış ya da kasıtlı olarak oluşturulmuş kaza, hırsızlık veya yangın ihbarları.
• Organize suistimal: Aynı kişi, araç, servis, tanık veya aracı etrafında tekrar eden, birden fazla dosyaya yayılmış girişimler.
• Başvuru aşaması suistimali: Poliçe alırken risk bilgisini gizleme, önceden var olan hasarı olan aracı sigortalatma ya da yanlış beyan.
• Belge sahteciliği: Sahte fatura, rapor veya düzenlenmiş fotoğraf kullanımı.
• İç suistimal: Çalışan, acente veya tedarikçi kaynaklı usulsüzlükler.

Kasko ve trafik branşlarında kurgulanmış kazalar ve hasar abartma, sağlık branşında ise gerçekleşmemiş veya gereksiz işlemlerin faturalanması sık karşılaşılan örüntülerdir.

Kural tabanlı dolandırıcılık tespiti nasıl çalışır?

Kural tabanlı tespit, deneyimli hasar ve suistimal uzmanlarının bildiği şüphe işaretlerini (kırmızı bayraklar) yazılı kurallara dönüştürür ve her dosyayı bu kurallara göre kontrol eder. Şeffaf ve hızlı devreye alınabilir olması en büyük avantajıdır.

Tipik kurallara örnekler:

• Hasarın poliçe başlangıcına ya da teminat artırımına çok yakın tarihte gerçekleşmesi.
• Aynı kişinin, aracın ya da adresin kısa süre içinde birden fazla dosyada yer alması.
• İhbarın olay tarihinden belirgin biçimde geç yapılması.
• Beyan edilen olay yeri ile araç veya kişinin bilinen konumu arasında tutarsızlık.
• TRAMER (Trafik Sigortası Bilgi Merkezi) kayıtlarında aynı parçaya yakın tarihli başka hasar bulunması.

Kuralların zayıf yanı statik olmalarıdır. Dolandırıcılar bilinen kurallara uyum sağlar, her yeni kural ise yanlış alarm sayısını artırma eğilimindedir. Zamanla yüzlerce kuraldan oluşan, kimsenin tam olarak bakımını yapamadığı bir yapı ortaya çıkabilir. Merkezi veri kaynaklarının kullanımı için SBM ve TRAMER entegrasyonu rehberine bakabilirsiniz.

Skor kartı yaklaşımı kurallardan nasıl farklıdır?

Skor kartı, her şüphe işaretine bir ağırlık vererek dosya için tek bir risk puanı hesaplar; dosya, ancak toplam puan belirli bir eşiği aştığında incelemeye gider. Böylece tek bir zayıf işaret yerine işaretlerin birleşimi değerlendirilir.

Bu yaklaşım, tek tek tetiklenen kuralların yarattığı yanlış alarm yükünü azaltır ve inceleme biriminin kapasitesine göre eşik ayarlamayı mümkün kılar. Ağırlıklar başlangıçta uzman görüşüyle belirlenebilir, zamanla inceleme sonuçlarına göre istatistiksel olarak kalibre edilir. Skor kartı, kural tabanlı sistemden makine öğrenmesine geçişte doğal bir ara basamaktır.

Makine öğrenmesi dolandırıcılık tespitinde nasıl kullanılır?

Makine öğrenmesi, geçmiş dosyalardan ve inceleme sonuçlarından öğrenerek insanların fark edemeyeceği değişken kombinasyonlarını yakalar ve her dosya için bir suistimal olasılığı üretir. Kullanılan başlıca yaklaşımlar denetimli öğrenme, denetimsiz öğrenme ve ağ analizidir.

Denetimli öğrenme

İnceleme birimi tarafından suistimal olduğu doğrulanmış ve temiz bulunmuş dosyalarla eğitilir. Karar ağaçlarına dayalı topluluk yöntemleri (ör. gradient boosting) yapılandırılmış sigorta verisinde yaygın ve etkili bir seçimdir. En büyük zorluk etikettir: yalnızca incelenen dosyaların etiketi vardır, bu da modelin geçmişteki inceleme alışkanlıklarını tekrar etme riskini doğurur.

Denetimsiz öğrenme ve anomali tespiti

Etiket gerektirmez; benzer dosyalardan belirgin biçimde ayrışan, olağan dışı dosyaları işaretler. Yeni ve henüz bilinmeyen suistimal türlerini keşfetmek için değerlidir, ancak her anomali suistimal değildir ve yanlış alarm oranı dikkatle yönetilmelidir.

Ağ analizi

Kişiler, araçlar, telefon numaraları, adresler, servisler, tanıklar ve banka hesapları arasındaki ilişkileri bir graf olarak modeller. Tek başına masum görünen dosyaların ortak bağlantılar üzerinden bir halka oluşturduğunu ortaya çıkarır. Organize suistimale karşı en etkili yöntemlerden biridir.

Metin ve görüntü analizi

Olay beyanları ve ekspertiz raporlarındaki tutarsızlıklar doğal dil işleme ile, düzenlenmiş veya tekrar kullanılmış fotoğraflar ise görüntü analiziyle tespit edilebilir. Görüntü tarafının ayrıntısı için yapay zekâ ile hasar tespiti makalesine bakabilirsiniz.

Tespit yöntemleri nasıl karşılaştırılır?

Yöntemler birbirinin alternatifi değil, tamamlayıcısıdır; her biri farklı bir suistimal türünde ve farklı bir olgunluk aşamasında daha fazla değer üretir.

Hibrit bir dolandırıcılık tespit mimarisi nasıl kurulur?

Hibrit mimari; ihbar anında çalışan gerçek zamanlı kurallar ve skorlar, periyodik çalışan ağ analizi, bir vaka yönetim ekranı ve inceleme sonuçlarını modele geri besleyen bir döngüden oluşur. Kurulum aşağıdaki sırayla ilerlemelidir.

1. Veriyi birleştirin: Poliçe, hasar, taraf, servis, ödeme ve merkezi veri kaynaklarından gelen kayıtları tek bir analitik modelde toplayın.
2. Varlıkları eşleştirin: Aynı kişinin ya da aracın farklı yazımlarla kayıtlı olduğu durumları çözümleyin; ağ analizinin kalitesi buna bağlıdır.
3. Kuralları ve skor kartını kurun: Mevcut uzman bilgisini ilk katman olarak devreye alın.
4. Modeli ekleyin: Denetimli modeli önce gölge modda çalıştırıp kural sistemiyle karşılaştırın.
5. Ağ analizini çalıştırın: Periyodik olarak yeni bağlantı kümelerini tespit edip inceleme birimine raporlayın.
6. Vaka yönetimini kurun: Şüpheli dosyaların gerekçeleriyle birlikte görüntülendiği, notların ve kararların kayıt altına alındığı bir ekran oluşturun.
7. Geri besleme döngüsünü kapatın: Her inceleme sonucunu etiket olarak saklayın ve modeli düzenli olarak yeniden eğitin.

Bu yapı, hasar sisteminin iş akışına entegre olmalıdır; şüpheli dosya, ödeme adımına geçmeden önce incelemeye yönlendirilmelidir. Entegrasyon noktaları için hasar yönetim sistemi rehberine göz atabilirsiniz.

Hukuki ve etik sınırlar nelerdir?

Dolandırıcılık tespit sistemi bir şüphe üretir, hüküm vermez; hasar reddi ya da ödeme kesintisi gibi sonuçlar, delile dayalı bir insan kararıyla verilmelidir. Aksi halde hem haklı sigortalılar mağdur olur hem de şirket hukuki risk üstlenir.

• Kişisel verilerin suistimal tespiti amacıyla işlenmesinin hukuki dayanağı, aydınlatma metinleri ve saklama süreleri KVKK açısından değerlendirilmelidir.
• Model, hassas özelliklerle ilişkili dolaylı değişkenler nedeniyle belirli grupları orantısız biçimde işaretliyorsa bu durum düzenli olarak test edilmelidir.
• İncelemeye alınan dosyalarda müşteri iletişimi ve süre yönetimi, dürüst sigortalıların deneyimini bozmayacak şekilde tasarlanmalıdır.
• Model ve kural kararlarının gerekçesi, denetim ve olası uyuşmazlıklar için kayıt altında tutulmalıdır.

Dolandırıcılık tespiti için kontrol listesi

• Suistimal türleri ve öncelikli branşlar tanımlandı mı?
• İnceleme biriminin kapasitesine göre skor eşikleri belirlendi mi?
• Kişi, araç ve adres eşleştirmesi için veri kalitesi yeterli mi?
• İnceleme sonuçları yapılandırılmış biçimde etiket olarak kaydediliyor mu?
• Yanlış alarm oranı ve yakalanan dosyaların kalitesi düzenli raporlanıyor mu?
• Model kararları açıklanabilir ve denetlenebilir mi?
• KVKK uyumu ve adillik testleri yapıldı mı?

ProdayTech olarak suistimal projelerinde kural, skor ve model katmanlarını aynı vaka yönetimi akışında birleştiren bir yaklaşım izliyoruz. Mimari ve entegrasyon desteği için hizmetlerimizi inceleyebilirsiniz.