AI vs AI: ถอดบทเรียน Aviva กับการรับมือกลโกงในยุค AI
เมื่อก่อนการเคลมประกันตั้งอยู่บนพื้นฐานว่า หลักฐานคือสิ่งที่บอกความจริง ไม่ว่าจะเป็นภาพถ่ายความเสียหาย ใบเสนอราคาค่าซ่อม หรือเอกสารประกอบต่าง ๆ แต่ทุกวันนี้ แนวคิดนี้เริ่มสั่นคลอน เมื่อ Generative AI สามารถสร้างหลักฐานเหล่านี้ขึ้นมาใหม่ได้ในเวลาไม่กี่นาที และมีความสมจริงมากจนผ่านการตรวจสอบเบื้องต้นได้สบาย
เพราะภาพรถชนที่ไม่เคยเกิดขึ้นจริง ใบเสนอราคาจากอู่ซ่อมที่ไม่มีอยู่จริง หรือเอกสารประกอบการเคลมที่ดูเหมือนออกจากหน่วยงานจริง ๆ ล้วนสร้างได้ด้วยเครื่องมือ AI ที่ใคร ๆ ก็เข้าถึงได้ สิ่งที่น่ากังวลจึงไม่ใช่แค่จำนวนเคสฉ้อโกงที่เพิ่มขึ้น แต่คือรูปแบบการโกงที่ซับซ้อนและตรวจจับยากขึ้นกว่าเดิมมาก เพราะมิจฉาชีพเองก็ใช้เทคโนโลยีตัวเดียวกับที่องค์กรใช้อยู่
หนึ่งใน Case Study ที่น่าสนใจคือ Aviva บริษัทประกันภัยรายใหญ่ของสหราชอาณาจักร ที่เปิดเผยว่าสามารถตรวจจับและป้องกันการฉ้อโกงได้มูลค่ากว่า 230 ล้านปอนด์ จากเคสต้องสงสัยกว่า 18,400 เคส เบื้องหลังความสำเร็จนี้คือการเปลี่ยนวิธีการรับมือ โดยดึง AI เข้ามาช่วยวิเคราะห์ข้อมูลมหาศาล หาสัญญาณผิดปกติ และช่วยให้ทีมตรวจสอบเคสที่มีความเสี่ยงสูงได้แม่นยำขึ้น
เมื่อ AI ทำให้การฉ้อโกงง่ายกว่าเดิม
แต่ก่อนการปลอมหลักฐานเพื่อเคลมประกันไม่ใช่เรื่องง่าย เพราะการปลอมภาพต้องใช้โปรแกรมเฉพาะทาง การปลอมเอกสารก็ต้องมีทักษะด้านกราฟิกหรือจัดรูปแบบเอกสารที่ดี และหลายครั้งยังต้องพึ่งเครือข่ายเพื่อแต่งเรื่องให้น่าเชื่อถือ
แต่ Generative AI ทำให้ข้อจำกัดเหล่านี้แทบจะหายไป หลายขั้นตอนที่เคยใช้เวลาหลายชั่วโมงหรือหลายวัน สามารถทำได้ภายในเวลาไม่กี่นาที เพียงแค่พิมพ์คำสั่งไม่กี่บรรทัด ผลลัพธ์ที่ได้ก็มีความสมจริงจนแยกไม่ออกด้วยตาเปล่า
สร้างภาพอุบัติเหตุที่ไม่เคยเกิดขึ้นจริง : AI สามารถสร้างภาพรถชนหรือรถเสียหายที่มีรายละเอียดสมจริงทั้งรอยบุบ รอยแตก แสง เงา จนแค่มองด้วยตาอาจแยกไม่ออกว่าเป็นภาพจริงหรือปลอม
สร้างหรือแก้ไขเอกสารประกอบการเคลม : ไม่ว่าจะเป็นใบเสนอราคาค่าซ่อม ใบแจ้งหนี้ หรือรายงานทางการแพทย์ ล้วนสามารถถูกสร้างหรือแก้ไขด้วย AI ให้ดูน่าเชื่อถือได้โดยไม่จำเป็นต้องมีเอกสารต้นฉบับจริง ทำให้การตรวจสอบความถูกต้องของเอกสารมีความซับซ้อนมากขึ้น
เพิ่มมูลค่าความเสียหาย (Claims Inflation) : นอกจากปลอมหลักฐานแล้ว ยังมีการใช้ AI ช่วยปรับตัวเลขหรือดันค่าใช้จ่ายให้สูงเกินจริง ไม่ว่าค่าซ่อม ค่าอะไหล่ หรือค่าใช้จ่ายอื่น ๆ เพื่อเรียกค่าสินไหมให้ได้มากขึ้น
Aviva รับมืออย่างไร
Aviva เลือกใช้ AI มาวิเคราะห์ข้อมูลจำนวนมหาศาล เพื่อค้นหารูปแบบและพฤติกรรมที่อาจบ่งชี้ถึงการให้ข้อมูลเท็จ
AI ของ Aviva ไม่ได้ถูกออกแบบมาเพื่ออนุมัติหรือปฏิเสธการเคลมโดยอัตโนมัติ แต่ทำหน้าที่เป็นด่านแรกในการคัดกรองเคสที่มีความเสี่ยง ก่อนส่งต่อให้เจ้าหน้าที่ตรวจสอบอีกที โดยระบบนี้ทำงานผ่านแนวคิดสำคัญ 3 ด้าน
วิเคราะห์ความเชื่อมโยงของข้อมูล: เคสฉ้อโกงหลายเคสถ้าดูแยกกันอาจดูปกติดี แต่พอเชื่อมข้อมูลเข้าด้วยกัน ความผิดปกติจะเริ่มโผล่ออกมา AI ของ Aviva จึงไม่ได้ดูแค่ข้อมูลจากการเคลมครั้งเดียว แต่เชื่อมโยงข้อมูลจากหลายแหล่ง เช่น ผู้เคลม รถยนต์ อู่ซ่อม บัญชีรับเงิน และประวัติการเคลมเก่า เพื่อหารูปแบบที่ชี้ถึงการทำงานเป็นเครือข่ายหรือการโกงซ้ำ ๆ
ตรวจสอบความสมเหตุสมผลของหลักฐาน: AI ไม่ได้ดูแค่ว่าภาพหรือเอกสารดูสมจริงหรือไม่ แต่ตรวจว่าข้อมูลทั้งหมดสอดคล้องกันไหม เช่น ความเสียหายของรถตรงกับลักษณะอุบัติเหตุที่แจ้งหรือเปล่า วันเวลาในเอกสารต่อเนื่องกันไหม
ตรวจจับการโก่งราคาค่าสินไหม: AI เปรียบเทียบค่าซ่อมและราคาอะไหล่กับข้อมูลอ้างอิงในพื้นที่เดียวกัน ถ้าราคาสูงผิดปกติ ระบบจะส่งสัญญาณเตือนให้ทีมตรวจสอบเข้าไปดูเพิ่มก่อนอนุมัติ ช่วยลดความเสียหายจากการเรียกค่าสินไหมเกินจริง
AI ช่วยคัดกรอง แต่คนยังเป็นผู้ตัดสินใจ
แม้ AI จะมีบทบาทสำคัญในการตรวจจับความผิดปกติ แต่ Aviva ไม่ได้ปล่อยให้ AI เป็นผู้ตัดสินผลการเคลมทั้งหมด แนวทางที่บริษัทเลือกใช้คือ Human-in-the-Loop คือให้ AI ทำหน้าที่วิเคราะห์และจัดลำดับความเสี่ยง ส่วนการพิจารณาว่าจะอนุมัติหรือปฏิเสธการเคลมยังอยู่ในความดูแลของพนักงาน
วิธีนี้ทำให้ AI กับคนได้ทำในสิ่งที่ตัวเองถนัดที่สุด AI ช่วยประหยัดเวลาในการหาความผิดปกติจากข้อมูลมหาศาล ส่วนเจ้าหน้าที่ใช้ประสบการณ์และวิจารณญาณตัดสินใจ โดยเฉพาะในเคสที่มีความซับซ้อนหรือจำเป็นต้องพิจารณาปัจจัยอื่นร่วมด้วย
นอกจากช่วยเพิ่มความแม่นยำแล้ว วิธีนี้ยังช่วยลด False Positive หรือการเข้าใจผิดว่าลูกค้าเป็นคนโกง ซึ่งเป็นเรื่องสำคัญมากต่อความเชื่อมั่นของลูกค้า
บทเรียนที่องค์กรอื่นนำไปใช้ได้
แม้กรณีของ Aviva จะเกิดขึ้นในธุรกิจประกันภัย แต่รูปแบบของ AI-Powered Fraud ไม่ได้จำกัดอยู่แค่อุตสาหกรรมนี้อีกต่อไป ทุกองค์กรที่ต้องตรวจสอบเอกสาร ธุรกรรม หรือข้อมูลจำนวนมาก ต่างมีโอกาสเผชิญปัญหาเดียวกัน ไม่ว่าจะเป็นธนาคาร สถาบันการเงิน อีคอมเมิร์ซ โรงพยาบาล หรือหน่วยงานภาครัฐ
บทเรียนสำคัญจาก Aviva
การตรวจทีละรายการอาจไม่เพียงพออีกต่อไป : การฉ้อโกงสมัยนี้มักทิ้งร่องรอยไว้หลายจุด การเชื่อมข้อมูลจากหลายแหล่งเข้าด้วยกันจึงได้ผลกว่าการดูเอกสารหรือธุรกรรมทีละรายการ
AI ควรเป็นผู้ช่วย ไม่ใช่ผู้ตัดสิน: การใช้ AI เพื่อคัดกรองและวิเคราะห์ความเสี่ยง ช่วยให้ผู้เชี่ยวชาญสามารถใช้เวลากับเคสที่มีความซับซ้อนจริง ๆ ขณะที่การตัดสินใจยังคงใช้วิจารณญาณของมนุษย์ในการตัดสินใจขั้นตอนสุดท้ายอยู่
ระบบต้องพัฒนาให้ทันรูปแบบการโกงที่เปลี่ยนไปเรื่อย ๆ: วิธีการของมิจฉาชีพเปลี่ยนแปลงอยู่ตลอด โมเดล AI จึงต้องได้รับการอัปเดตอย่างต่อเนื่อง เพื่อให้สามารถตรวจจับรูปแบบใหม่ ๆ ได้ทันเวลา
ถ้าองค์กรของคุณกำลังมองหา AI Solutions สำหรับ Fraud Detection ที่ Sertis เรามีประสบการณ์ในการออกแบบและพัฒนาโซลูชันที่ตอบโจทย์ธุรกิจ ตั้งแต่การตรวจจับความผิดปกติ (Anomaly Detection) การประเมินความเสี่ยง (Risk Scoring) การวิเคราะห์ความเชื่อมโยงของข้อมูล (Network Analysis) ไปจนถึงการพัฒนาโมเดล AI ที่สามารถเรียนรู้และปรับตัวตามรูปแบบการทุจริตที่เปลี่ยนแปลงอยู่เสมอ
