State Auto améliore les processus tout au long du cycle de vie grâce au machine learning, à la vision par ordinateur et à l'architecture sans serveur d'AWS

State Automobile Mutual Insurance Company (State Auto) souhaitait mieux comprendre et anticiper les exigences de ses clients afin de leur fournir les informations dont ils avaient besoin avant même qu'ils ne pensent à les demander. L'entreprise a commencé à utiliser la technologie pour aider ses représentants du service client (RSC) à atteindre ses objectifs en matière de qualité et de satisfaction client lorsqu'elle a conçu sa solution SA360 sur Amazon Web Services (AWS). En utilisant des informations alimentées par les données et en les mettant à la disposition des clients et des RSC, State Auto a pu créer une meilleure expérience de service, en redirigeant les appels classiques des clients vers les canaux de libre-service afin que les RSC puissent se concentrer sur les clients ayant des besoins plus complexes. Suite au succès de ce projet, State Auto a commencé à utiliser davantage de services AWS, notamment le machine learning (ML), la vision par ordinateur et les services sans serveur, pour atteindre ses objectifs dans d'autres domaines tels que l'automatisation des processus de souscription et la détection précoce des demandes frauduleuses afin d'accélérer l'examen des dossiers.

En utilisant les services gérés d'AWS pour la vision par ordinateur, State Auto a pu automatiser des processus qu'elle exécutait auparavant manuellement. Pour simplifier le processus d'inspection des propriétés, l'entreprise utilise Amazon Rekognition, qui automatise l'analyse des images et des vidéos avec le ML et propose des fonctionnalités de vision par ordinateur préentraînées et personnalisables pour extraire des informations. State Auto est en mesure de se servir d'Amazon Rekognition pour baliser les facteurs de risque non spécifiques au secteur sur les photos et vidéos des inspections immobilières, ce qui donne aux ingénieurs des risques plus de temps pour se concentrer sur l'identification des aspects spécifiques au secteur dans leurs évaluations des risques. Pour entraîner ses modèles de ML, State Auto a largement utilisé Amazon SageMaker Ground Truth, un service d'étiquetage des données. Après la mise en œuvre du modèle, l'entreprise s'est également servie de l'IA augmentée d'Amazon (Amazon A2I), un service de ML qui facilite la création des flux de travail nécessaires à l'évaluation humaine, pour une validation active des utilisateurs.

State Auto utilise aussi Amazon Textract, qui permet d'extraire automatiquement le texte imprimé, l'écriture manuscrite et les données des documents numérisés, pour indexer les documents à l'aide d'un large éventail de cas d'utilisation liés à l'optimisation commerciale. « Notre utilisation d'Amazon Textract a un impact sur toutes les étapes du cycle de vie de l'assurance », explique Mme Ramanujam.

Au-delà des services gérés, State Auto utilise également une architecture sans serveur pour alimenter sa solution antifraude, qui associe l'expertise des utilisateurs professionnels de l'entreprise à des informations basées sur les données. La solution a été conçue sur AWS Lambda, un service de calcul d'événement sans serveur qui permet aux entreprises d'exécuter du code pour une application ou un service backend sans allouer ni gérer de serveurs, et utilise AWS Step Functions. L'ensemble de la solution a été parfaitement intégré à l'aide d'AWS Glue, un service d'intégration de données sans serveur qui facilite la découverte, la préparation et la combinaison de données pour l'analyse, le ML et le développement d'applications. Grâce au déploiement aisé du service de détection des fraudes, State Auto peut désormais évaluer 83 % de demandes de fraude potentielle en plus qu'auparavant, identifier les demandes suspectes trois jours plus tôt dans le processus de demande et détecter les 20 % de demandes qui n'auraient pas été signalées auparavant.