Wie ein Fortune-500-Versicherungsunternehmen durch die Automatisierung seines Angebotsprozesses 30 % manuelle Arbeit einsparte

Die Herausforderungen

• Jedes Unternehmen verwendet seinen eigenen Jargon und sein eigenes Format
• Viele Bestimmungen müssen interpretiert werden, nicht nur extrahiert
• Es kann mehrere Klassen der Deckung für Arbeitnehmer geben
• Pläne haben häufig komplexe Tabellen mit mehreren Einträgen pro Zeile
• Mehrere Produkte können innerhalb eines Plans gemischt werden

Aufgrund dieses schwierigen Kontextes konnten herkömmliche Tools keine genauen Informationen aus den Versicherungsplänen extrahieren, so dass das Unternehmen gezwungen war, auf teure manuelle Arbeit zurückzugreifen.

Die Cortical.io Lösung

Dank seiner hochentwickelten natural language processing, SemanticPro war in der Lage, die oben genannten Herausforderungen zu bewältigen und gleichzeitig hochpräzise Ergebnisse zu erzielen. Die Lösung wurde für fünf verschiedene Produkte trainiert: Langzeitinvalidität (LTD), Kurzzeitinvalidität (STD), Vision, Dental und Lebensversicherung.

Die Lösung gab den Geschäftsanwendern die volle Kontrolle über den gesamten Extraktionsprozess und die Möglichkeit, das System ohne Zutun eines KI-Experten fein abzustimmen.

Durch die Verwendung von SemanticProwar das Unternehmen in der Lage, automatisch zu arbeiten:

• Extrahieren von Schlüsselinformationen aus fünf Arten von Versicherungsplänen anderer Anbieter

• Interpretation dieser Informationen in die Sprache des Unternehmens

• Genaue Extraktion von Schlüsselinformationen aus komplexen Tabellen mit mehreren Einträgen pro Zeile

• Erkennen von Mitarbeiterklassen und Zuordnen von Extraktionen zur Klassenbeschreibung

• Klauseln klassifizieren, auch wenn der Wortlaut abweicht

• Erkennen und OCR von gescannten Dokumenten ohne manuellen Eingriff

• Exportieren Sie die Dokumentenextraktionen in ein Excel-Format

Der Cortical.io Impact

• Die Lösung extrahiert Informationen und interpretiert Bestimmungen mit einem sehr hohen Maß an Genauigkeit
• Die Extraktionsmodelle werden auf der Grundlage von Anmerkungen der Fachexperten des Unternehmens zu nicht mehr als 100 Beispielplänen schnell trainiert.
• Die Fachleute haben die volle Kontrolle über die Verbesserung des Prozesses, indem sie die Extraktionsziele überprüfen, korrigieren und hinzufügen.
• Kein Bedarf an KI-Experten oder Data Scientists