ČSOB potřebovala inovovat svůj proces detekce pojistných podvodů, zvýšit efektivitu, snížit falešně pozitivní narazy a ochránit se před dynamicky se vyvíjejícími podvodnými aktivitami.
Automatizovaná detekce pojistných podvodů pro vyšší efektivitu
Jméno klientaČSOB Pojišťovna
Země klientaČeská republika
- Typ klientaVelký podnik
- OdvětvíFinanční služby, trhy a pojišťovnictví
- Oblast nasazeníData a analytika / Business Intelligence, Právo, compliance a řízení rizik, Strategie, plánování a rozhodování
- AI technologieAI agenti a orchestrace úloh, Predikce a analýza časových řad, Strojové učení
- Přínos pro byznysEfektivita provozu a úspory nákladů, Řízení rizik a compliance
- Typ datČasové řady, Strukturovaná tabulková data
- Model dodání Služba / Předplatné, Produkt / Licencovaný software
- NasazeníCloudové řešení
- Klíčové schopnostiDetekce anomálií, rizik a podvodů, Podpora rozhodování a rozšířená analytika
- Fáze projektuPrvní produkční nasazení
- Formy řešeníAutomatizovaný backend proces, Rozhraní přes API / Mikroslužby, Webový portál / dashboard
Popis řešení
Obchodní problém
Řešení
Implementovali jsme strojové učení pomocí našeho frameworku ADF pro detekci podvodů. Tento proces zahrnoval historical data analýzu s využitím algoritmů pro identifikaci klíčových anomálií a klastrů.
Hlavní uživatelé řešení
Datoví analytici, specialisté na podvody, risk manažeři.
Časový rámec projektu (měsíce)
6
Použité technologie
Framework ADF, machine learning algoritmy
Dodatečné služby
- Anotace / syntetická data / rozšíření datasetu
- Výběr a přizpůsobení AI modelu
- Průběžná údržba a retraining modelu
Použití osobních údajů / regulovaných dat
Ano
Implementace
Vlastník projektu na straně klienta
Vedoucí inovací / digitální transformace
Participace na straně klienta
- Doménoví / procesní odborníci
- Projektové a change řízení
- Koncoví uživatelé
Forma zapojení dodavatele
Společná implementace s klientem
Provoz a údržba
Provozní model
Společné řízení s interním týmem a dodavatelem.
Potřebné kompetence na straně klienta
Specialisté na data a analýzu, fraud detekce odborníci.
Další zdroje nebo infrastruktura
Podpora dodavatele; cloudová infrastruktura.
Dopad a výsledky
Kvalitativní přínosy
Zvýšená schopnost identifikace podvodů, zvýšená efektivita procesu, redukce falešných pozitivních událostí.
Kvantitativní výsledky
60% redukce falešných pozitivních případů, zlepšení účinnosti detekce podvodů).
Zpětná vazba klienta
“Inovace v detekci podvodů nám umožnila efektivněji zvládat podvody a soustředit naše zdroje na relevantní případy.”
Poučení a doporučení
Klíčové faktory úspěchu
Úzká spolupráce s datovými odborníky klienta, adaptační schopnosti AI framework.
Největší výzvy
Snížení falešných pozitiv bez ohrožení detekce skutečných podvodů.
Doporučení pro ostatní
Integrujte historická data a pokročilé algoritmy pro posílení detekce podvodů ve svém portfolio.
Propagace
Demo / veřejné výstupy
- SpolečnostBlindspot Solutions
- KontaktMichaela Peterková
- Emailmichaela.peterkova@adastragrp.com
- Webhttps://blindspot.ai
- AdresaKarolinská 706/3, 186 00 Praha