State Auto verbessert Prozesse während des gesamten Lebenszyklus mithilfe von AWS Machine Learning, Computer Vision und Serverless-Architektur

Die State Automobile Mutual Insurance Company (State Auto) wollte die Anforderungen ihrer Kunden besser verstehen und antizipieren, um ihnen die benötigten Informationen bereitzustellen, bevor sie überhaupt danach fragen mussten. Als das Unternehmen seine SA360-Lösung in Amazon Web Services (AWS) entwickelte, begann es mit dem Einsatz von Technologie, um seine Kundendienstmitarbeiter dabei zu unterstützen, Qualitäts- und Kundenzufriedenheitsziele zu erreichen. Durch die Nutzung datengestützter Erkenntnisse und die Bereitstellung dieser Erkenntnisse für Kunden und Kundendienstmitarbeiter konnte State Auto ein besseres Service-Erlebnis schaffen und typische Kundenanrufe auf Self-Service-Kanäle umleiten, sodass sich die Kundendienstmitarbeiter auf die Kunden mit komplexeren Bedürfnissen konzentrieren konnten. Nach dem Erfolg dieses Projekts begann State Auto, weitere AWS-Services zu verwenden, darunter Machine Learning (ML), Computer Vision und Serverless-Services. Damit sollten Ziele in anderen Bereichen wie der Automatisierung der Underwriting-Prozesse und der Früherkennung von betrügerischen Ansprüchen erreicht werden, um die Fallüberprüfung zu beschleunigen.

Durch den Einsatz verwalteter Services für Computer Vision von AWS konnte State Auto Prozesse automatisieren, die zuvor manuell ausgeführt wurden. Um den Prozess der Immobilieninspektion zu vereinfachen, nutzt das Unternehmen Amazon Rekognition, das die Image- und Videoanalyse mit ML automatisiert und vortrainierte und anpassbare Computer-Vision-Funktionen zur Gewinnung von Informationen und Erkenntnissen bietet. State Auto kann mithilfe von Amazon Rekognition nicht-branchenspezifische Risikofaktoren in Fotos und Videos von Immobilieninspektionen markieren. Auf diese Weise haben Risikoingenieure mehr Zeit, sich auf die Identifizierung branchenspezifischer Aspekte in ihren Risikobewertungen zu konzentrieren. Zum Trainieren der ML-Modelle von State Auto nutzte das Unternehmen weitgehend Amazon SageMaker Ground Truth, einen Daten-Labeling-Service. Nachdem das Modell in Betrieb genommen wurde, verwendete das Unternehmen auch Amazon Augmented AI (Amazon A2I) – einen ML-Service, der es einfach macht, die für die menschliche Überprüfung erforderlichen Workflows zu entwickeln – für die aktive Benutzervalidierung.

Status Auto verwendet außerdem Amazon Textract, das automatisch gedruckten Text, Handschrift und Daten aus gescannten Dokumenten extrahiert, um Dokumente für eine Vielzahl von Anwendungsfällen zur Geschäftsoptimierung zu indizieren. „Unser Einsatz von Amazon Textract betrifft fast jeden Schritt im Versicherungslebenszyklus“, sagt Ramanujam.

Neben den verwalteten Services verwendet State Auto auch eine Serverless-Architektur für seine Lösung zur Betrugsbekämpfung, die das Fachwissen der Geschäftsanwender des Unternehmens mit datengesteuerten Erkenntnissen verbindet. Die Lösung wurde in AWS Lambda entwickelt – einem Serverless- und ereignisgesteuerten Computing-Service, mit dem Unternehmen Code für eine Anwendung oder einen Backend-Service ausführen können, ohne Server bereitzustellen oder zu verwalten – und nutzt AWS Step Functions. Die gesamte Lösung wurde mithilfe von AWS Glue nahtlos zusammengeführt, einem Serverless-Datenintegrations-Service, der die Erkennung, Aufbereitung und Kombination von Daten für Analysen, ML und Anwendungsentwicklung vereinfacht. Nach der problemlosen Bereitstellung des Betrugserkennungs-Service kann State Auto nun 83 Prozent mehr Schadensfälle auf potenziellen Betrug prüfen als zuvor, verdächtige Schadensfälle 3 Tage früher im Schadensprozess erkennen und die 20 Prozent der Schadensfälle abfangen, die zuvor nicht gemeldet worden wären.