{"id":28921,"date":"2024-01-16T09:19:15","date_gmt":"2024-01-16T08:19:15","guid":{"rendered":"https:\/\/codeoscopic.com\/?p=28921"},"modified":"2024-02-16T10:05:35","modified_gmt":"2024-02-16T09:05:35","slug":"codeoscopic-presenta-algoritmos-predictivos-de-fuga-y-fraude-en-el-proyecto-abms-3-0","status":"publish","type":"post","link":"https:\/\/codeoscopic.com\/en\/codeoscopic-presenta-algoritmos-predictivos-de-fuga-y-fraude-en-el-proyecto-abms-3-0\/","title":{"rendered":"Codeoscopic presenta algoritmos predictivos de fuga y fraude en el proyecto ABMS 3.0"},"content":{"rendered":"<span style=\"font-weight: 400;\">Codeoscopic, en su evoluci\u00f3n de innovaci\u00f3n tecnol\u00f3gica, ha presentado en un informe reci\u00e9n publicado los modelos de Inteligencia Artifical del proyecto ABMS 3.0, destinado a transformar el mundo de los seguros mediante la aplicaci\u00f3n de la inteligencia artificial (IA). Este proyecto, respaldado por fondos europeos &#8216;Next Generation EU&#8217;, promete introducir elementos predictivos en sus soluciones para agilizar las operaciones y servicios para mediadores de seguros.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">El objetivo principal de ABMS 3.0 es desarrollar modelos de IA que permitan la predicci\u00f3n y clasificaci\u00f3n efectiva de clientes, siniestros y fraudes en el sector asegurador. El an\u00e1lisis exhaustivo se basa en una base de datos masiva con m\u00e1s de 34 millones de registros entre clientes, p\u00f3lizas, recibos y siniestros.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">El proyecto cuenta con la colaboraci\u00f3n del Instituto Universitario de Investigaci\u00f3n de Biocomputaci\u00f3n y F\u00edsica de Sistemas Complejos (BIFI) de la Universidad de Zaragoza, reforzando as\u00ed su compromiso con la excelencia y la innovaci\u00f3n en el campo de la inteligencia artificial.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">Entre los aspectos clave del proyecto se encuentran:<\/span>\r\n\r\n<b>Clasificaci\u00f3n de Clientes para una mejor experiencia<\/b>\r\n\r\n<span style=\"font-weight: 400;\">Mediante el uso de modelos de IA, Codeoscopic ha desarrollado m\u00e9todos avanzados de clusterizaci\u00f3n para identificar grupos de clientes con alta precisi\u00f3n predictiva gracias al algoritmo K-Prototypes. Los cuatro grupos hallados son:<\/span>\r\n<ul>\r\n \t<li style=\"font-weight: 400;\" aria-level=\"1\"><b>18% de Oportunistas<\/b><span style=\"font-weight: 400;\">: Representa clientes con una densidad media de seguros con un comportamiento vers\u00e1til en la gesti\u00f3n de p\u00f3lizas.<\/span><\/li>\r\n \t<li style=\"font-weight: 400;\" aria-level=\"1\"><b>8% de Mercenarios:<\/b><span style=\"font-weight: 400;\"> Similar a los oportunistas, pero con una densidad de seguros m\u00e1s alta y un nivel significativamente mayor de cambios de compa\u00f1\u00eda.<\/span><\/li>\r\n \t<li style=\"font-weight: 400;\" aria-level=\"1\"><b>14% de Fieles de bajo consumo:<\/b><span style=\"font-weight: 400;\"> Clientes con una larga relaci\u00f3n con la corredur\u00eda, pero con una densidad muy de p\u00f3lizas baja y un nivel m\u00ednimo de cambios de compa\u00f1\u00eda.<\/span><\/li>\r\n \t<li style=\"font-weight: 400;\" aria-level=\"1\"><b>60% de Alto potencial:<\/b><span style=\"font-weight: 400;\"> Clientes con una baja densidad de p\u00f3lizas y con poco tiempo en la corredur\u00eda, siendo el grupo m\u00e1s extenso.\u00a0<\/span><\/li>\r\n<\/ul>\r\n<span style=\"font-weight: 400;\">La identificaci\u00f3n de grupos permitir\u00e1 personalizar productos, optimizar ventas cruzadas, gestionar riesgos y mejorar la retenci\u00f3n del cliente, ofreciendo una experiencia m\u00e1s satisfactoria y personalizada dentro de TESIS BROKER MANAGER el ERP del Workspace de Codeoscopic.<\/span>\r\n\r\n<img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-28930\" src=\"https:\/\/codeoscopic.com\/wp-content\/uploads\/2024\/01\/IA-cubos-blog.png\" alt=\"\" width=\"567\" height=\"569\" srcset=\"https:\/\/codeoscopic.com\/wp-content\/uploads\/2024\/01\/IA-cubos-blog.png 567w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2024\/01\/IA-cubos-blog-300x300.png 300w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2024\/01\/IA-cubos-blog-150x150.png 150w\" sizes=\"auto, (max-width: 567px) 100vw, 567px\" \/>\r\n\r\n<b>Predicci\u00f3n de Anulaciones y Fraudes<\/b>\r\n\r\n<span style=\"font-weight: 400;\">Los modelos de propensi\u00f3n a la baja y al fraude implementados por Codeoscopic se basan en algoritmos de aprendizaje autom\u00e1tico que analizan variables clave. Estos modelos pueden predecir anulaciones de p\u00f3lizas y detectar posibles casos de fraude, lo que permite a los corredores tomar medidas proactivas para retener clientes y protegerse contra p\u00e9rdidas.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">El modelo de baja presenta una alta correlaci\u00f3n entre ciertos factores como el aumento significativo de primas, el estado civil y el g\u00e9nero del cliente con las cancelaciones de p\u00f3lizas. Los modelos de aprendizaje autom\u00e1tico utilizados (k-Nearest Neighbors y Random Forest), lograron <\/span><b>una precisi\u00f3n del 75% aproximadamente<\/b><span style=\"font-weight: 400;\"> al predecir las cancelaciones, demostrando su eficacia para identificar clientes propensos a darse de baja en el servicio de seguros.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">El porcentaje de <\/span><b>clientes propensos a la baja se sit\u00faa en el 20,5%,<\/b><span style=\"font-weight: 400;\"> lo que destaca la utilidad de estas herramientas para anticipar cambios y tomar medidas preventivas.<\/span>\r\n\r\n<span style=\"font-weight: 400;\">Por su parte, en el modelo de fraude se pueden <\/span><b>identificar posibles anomal\u00edas<\/b><span style=\"font-weight: 400;\"> en las interacciones de los clientes con sus p\u00f3lizas y siniestros. Los modelos detectan patrones inusuales que podr\u00edan indicar comportamientos fraudulentos, permitiendo a las aseguradoras enfocar sus esfuerzos de investigaci\u00f3n en clientes o situaciones espec\u00edficas para una posible indagaci\u00f3n m\u00e1s detallada. El proyecto ha desarrollado 5 modelos de fraude y ha concluido que el <\/span><b>2,82% de los siniestros presentan indicadores de fraude.<\/b>\r\n\r\n<b>Futuro de la Industria de Seguros<\/b>\r\n\r\n<span style=\"font-weight: 400;\">La implementaci\u00f3n de IA en el sector asegurador promete optimizar la eficiencia operativa, personalizar servicios y mejorar la satisfacci\u00f3n del cliente. Codeoscopic contin\u00faa su compromiso con la innovaci\u00f3n, desarrollando soluciones que buscan cambiar la forma en que se gestionan los seguros.<\/span>\r\n\r\nInforme completo en: <a href=\"https:\/\/codeoscopic.com\/es\/inteligencia-artificial\/\" target=\"_blank\" rel=\"noopener\">https:\/\/codeoscopic.com\/es\/inteligencia-artificial\/<\/a>\r\n\r\n<img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-large wp-image-25491\" src=\"https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-1024x84.png\" alt=\"\" width=\"1024\" height=\"84\" srcset=\"https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-1024x84.png 1024w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-300x25.png 300w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-768x63.png 768w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-1536x126.png 1536w, https:\/\/codeoscopic.com\/wp-content\/uploads\/2023\/05\/Logo-fondos-UE-2048x168.png 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/>","protected":false},"excerpt":{"rendered":"Codeoscopic, en su evoluci\u00f3n de innovaci\u00f3n tecnol\u00f3gica, ha presentado en un informe reci\u00e9n publicado los modelos de Inteligencia Artifical del proyecto ABMS 3.0, destinado a transformar el mundo de los seguros mediante la aplicaci\u00f3n de la inteligencia artificial (IA). Este proyecto, respaldado por fondos europeos &#8216;Next Generation EU&#8217;, promete introducir elementos predictivos en sus soluciones [&hellip;]","protected":false},"author":13,"featured_media":29061,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[4],"tags":[328,78,163],"class_list":["post-28921","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","tag-inteligencia-artificial","tag-seguros","tag-versus-analytics"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/posts\/28921","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/comments?post=28921"}],"version-history":[{"count":0,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/posts\/28921\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/media\/29061"}],"wp:attachment":[{"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/media?parent=28921"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/categories?post=28921"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/codeoscopic.com\/en\/wp-json\/wp\/v2\/tags?post=28921"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}