State Auto が AWS の機械学習、コンピュータビジョン、サーバーレスアーキテクチャを利用してライフサイクル全体のプロセスを改善

State Automobile Mutual Insurance Company (State Auto) は、顧客の要求事項をより深く理解および予測して、ある情報が必要であると顧客が自ら気付く前に、その情報を提供したいと考えていました。同社は、Amazon Web Services (AWS) 上に SA360 ソリューションを構築した際、カスタマーサービス担当者 (CSR) が品質と顧客満足度のスコア目標を達成するのを支援するテクノロジーの利用を開始しました。データを活用したインサイトを利用し、顧客と CSR がこれらのインサイトを得られるようにすることで、State Auto はより優れたサービス体験を構築できました。これにより、典型的な顧客からの問い合わせがセルフサービスチャネルにリダイレクトされるようになり、CSR はより複雑なニーズを抱える顧客に集中できるようになりました。このプロジェクトの成功を受けて、State Auto は、ケースの審査の迅速化を目的として、引受プロセスのオートメーションや不正請求の早期検出など、他の領域における目標をさらに推進するために、機械学習 (ML)、コンピュータビジョン、サーバーレスサービスなど、さらに多くの AWS サービスを利用するようになりました。

State Auto は、AWS が提供するコンピュータビジョン用のマネージドサービスを利用することで、以前は手動で実行していたプロセスの自動化を実現しました。物件の検査プロセスを簡素化するために、同社は Amazon Rekognition を利用しています。Amazon Rekognition は、ML を利用して画像と動画の分析を自動化し、事前トレーニング済みのカスタマイズ可能なコンピュータビジョン機能で情報とインサイトを抽出します。State Auto は、Amazon Rekognition を利用して、物件の検査における写真や動画に存在する業界固有ではないリスク要因をタグ付けできるため、リスクエンジニアはリスク評価において、業界固有の側面の特定に注力する時間をより長く割くことができます。ML モデルをトレーニングするために、同社はデータラベリングサービスである Amazon SageMaker Ground Truth を広範に利用しました。モデルの本番稼働を開始した後、人間による審査に必要なワークフローの構築を簡素化する ML サービスである Amazon Augmented AI (Amazon A2I) も利用し、アクティブユーザーの検証を行いました。

State Auto はまた、スキャンされた文書から印刷テキスト、手書き文字、データを自動的に抽出する Amazon Textract を活用し、さまざまなビジネス最適化のユースケースを使ったドキュメントのインデックスを作成しています。「当社における Amazon Textract の利用は、保険ライフサイクルのほぼすべての段階に影響をもたらしています」と Ramanujam 氏は述べています。

State Auto は、マネージドサービス以外にも、サーバーレスアーキテクチャを利用して自社の不正行為対策ソリューションを強化しています。このソリューションでは、同社のビジネスユーザーの専門知識とデータ駆動型のインサイトを組み合わせています。このソリューションでは AWS Lambda 上に構築されており、AWS Step Functions を利用します。AWS Lambda は、企業がサーバーのプロビジョニングや管理を行うことなく、アプリケーションまたはバックエンドサービスのコードを実行できるようにする、サーバーレスのイベント駆動型コンピューティングサービスです。ソリューション全体は、AWS Glue を利用してシームレスに統合しました。AWS Glue は、分析、ML、アプリケーション開発のためのデータの検出、準備、結合を容易にするサーバーレスデータ統合サービスです。不正検出サービスを手間なくデプロイした後は、潜在的な不正請求の合計数ベースで以前よりも 83% 多い評価、請求プロセスにおいて以前よりも 3 日早い疑わしい請求の特定、さらに、以前であればフラグが付けられなかったであろう請求の 20% の取得を実現しました。