Experiência Entregue Backend, Ciência de Dados e QA Indústria Seguro Nosso cliente, Uma das maiores corretoras de seguros dos Estados Unidos, tem mais de 25 anos de experiência. Eles oferecem serviços em mais de 40 locais que incluem automóveis, motocicletas, barcos, vida, saúde, animais de estimação e outros serviços de seguros. Como corretora de seguros, nosso cliente também realiza serviços de subscrição para diversas seguradoras nos EUA. Escopo do projeto As seguradoras usam a subscrição para verificar a autenticidade dos documentos de seguro dos clientes que contêm informações pessoais e financeiras. Esse processo é normalmente feito manualmente, mas pode ser automatizado usando tecnologias baseadas em IA, como aprendizado de máquina, processamento de linguagem natural e computação cognitiva. Com um alto fluxo de clientes, introduzir a automação para aumentar o envolvimento do cliente e diminuir a carga de trabalho manual se tornou essencial. O escopo do projeto do nosso cliente girava em torno da automação das tarefas de subscrição. Inclui a verificação das informações do cliente oferecidas durante o registro de reivindicações e a digitalização das mesmas. Esses documentos incluíam: Registros de veículos motorizados (MVR), incluindo o nome do reclamante, número da licença, data de nascimento, sexo, número da apólice e muito mais. Assinatura do requerente (eletrônica ou fotográfica). Detalhes do veículo: ano de fabricação, marca, modelo e número de identificação do veículo (VIN). Verificação cruzada das credenciais bancárias de um requerente. Desafio A subscrição pode ser um processo tedioso que tradicionalmente envolve a verificação manual de vários documentos e provas. Ao avaliar, um subscritor deve ser altamente atento, pois ele tem que proteger principalmente os riscos da empresa. O processo de verificação manual para um ciclo de vendas tão longo exige muito tempo, energia e força de trabalho e ainda deixa espaço para erros, resultando na perda de clientes. O pré-requisito do nosso cliente para subscrição era enfrentar esse desafio com um modelo de Reconhecimento Óptico de Caracteres que pudesse escanear rapidamente os documentos do reclamante. Eles incluem documentos de primeiro aviso de perda, extratos bancários, pontuações de crédito e outros documentos de processamento de reivindicação impressos ou manuscritos. O modelo transcreveria os mesmos e renderizaria uma cópia digitalizada. Nosso cliente buscava uma parceria com um com experiência e conhecimento na criação de soluções personalizadas para o setor de seguros. parceiro de soluções de IA Seus requisitos incluíam: Digitalize documentos como FNOLs, extratos bancários, pontuações de crédito, etc. Verifique documentos manuais ou impressos, como carteiras de motorista, certificados de registro de veículos, tipo e detalhes da apólice e muito mais, fazendo referência cruzada com os documentos originais do cliente, sem pular nenhum dado. Processe vários aplicativos paralelamente, 24 horas por dia, 7 dias por semana, sem qualquer intervenção humana. Armazene dados processados sistematicamente sem duplicação. Compartilhe o status da verificação com agentes ou clientes em um prazo estimado. Por que Maruti Techlabs? A Maruti Techlabs já havia trabalhado em projetos de IA no setor de seguros. Nós nos conectamos com a equipe do cliente para discutir nossa expertise em aprimorar seus processos de subscrição. Nossos especialistas queriam obter insights mais profundos sobre sua subscrição e processos operacionais relacionados que poderiam ser abordados usando soluções de IA. Depois de conhecer os desafios e avaliar nossas capacidades, ambas as partes concordaram em prosseguir com uma Prova de Conceito (PoC) com tempo limitado como um teste. Após uma execução bem-sucedida do PoC, eles prosseguiram com seu empreendimento de automação. Posteriormente, aprendemos o escopo do projeto e desenvolvemos um cronograma abrangente. Nossa abordagem para entender seus objetivos de negócios, validar a solução proposta por meio de uma Prova de Conceito com tempo limitado e recomendações de colegas da indústria foram fatores cruciais para o processo de tomada de decisão do nosso cliente. Esses fatores deram ao nosso cliente a confiança para prosseguir com a Maruti Techlabs. Solução Criamos um modelo de OCR baseado em Python que procuraria por inconsistências, informações ausentes ou erros, e esses aplicativos seriam sinalizados para revisão manual. Os documentos não sinalizados seriam enviados aos subscritores para processamento. Nosso objetivo principal era extrair dados essenciais de um documento FNOL manuscrito ou impresso e retificá-los por meio de referência cruzada com as credenciais registradas do cliente. Um grande desafio que nossa equipe de desenvolvimento enfrentou foi inserir dados quantitativos e qualitativos no modelo para treiná-lo de forma eficaz. Veja aqui o processo passo a passo de implementação do processamento de documentos usando o Reconhecimento Óptico de Caracteres: Este é o primeiro passo que deve ser conduzido para qualquer tarefa com um componente de reconhecimento de imagem. Aqui, usamos o Tesseract para simplificar imagens, detectar bordas relevantes e interpretar o contorno dos caracteres. Pré-processamento da imagem de entrada: Nesta etapa, marcamos uma caixa ao redor dos caracteres na imagem. O mesmo foi feito usando detecção de objetos em tempo real com YOLOv5. Detectando texto: A etapa final inclui o reconhecimento dos caracteres encaixotados na etapa anterior. O PyTorch foi alavancado para implementar o mesmo. Reconhecimento de caracteres: Testamos nosso modelo usando os dados de teste fornecidos pelo cliente. Depois que o modelo foi testado e aprovado com vários casos de uso, ele foi implantado em suas plataformas online. Comunicação e colaboração Na Maruti Techlabs, gostamos de garantir transparência na comunicação ao trabalhar em qualquer projeto. Utilizamos o JIRA para gerenciamento de sprints, criação de tarefas, acompanhamento de roteiros e preparação de backlogs para este projeto. Além disso, agendamos chamadas semanais no Google Meet para compartilhar o progresso do desenvolvimento e detalhes sobre o projeto. Ambas as partes usaram o Slack para realizar a comunicação do dia a dia. Implantamos a seguinte equipe para a fase de desenvolvimento do projeto: planejar todo o cronograma do projeto, delegar responsabilidades aos membros da equipe e monitorar a entrega pontual dos resultados do projeto. Gerente de Projeto - liderando a equipe de desenvolvimento para atingir os entregáveis decididos. Envolve supervisionar membros da equipe, delegar tarefas, oferecer feedback, calcular riscos e resolver conflitos. Technical Lead - escrevem código para o modelo enquanto criam, mantêm, retificam e atualizam o software para maior eficácia. Desenvolvedores de software - garantindo a qualidade do software por meio de testes meticulosos, rastreamento de defeitos e mitigação de riscos. QA - Pilha de tecnologia Resultados Nosso modelo OCR ofereceu as seguintes melhorias no processo de subscrição de nossos clientes: Aumentou a precisão dos dados e reduziu o risco de duplicação de dados usando a classificação de documentos. Tarefas de subscrição automatizadas, reduzindo o tempo gasto em e permitindo mais tempo para focar em tarefas de alta prioridade. 40% Segurança reforçada usando pontuação de risco e insights sobre fraudes. Melhorou a experiência geral do cliente com um processo completo e dedicado para processamento de reclamações. Nosso cliente se beneficiou da assistência da Maruti Techlabs na otimização de seu processo de subscrição e na criação de valor para o cliente por meio da automação orientada por IA. Nosso Processo de Desenvolvimento Seguimos as melhores práticas de Agile, Lean e DevOps para criar um protótipo superior que transforma as ideias dos seus usuários em realidade por meio de colaboração e execução rápida. Nossa principal prioridade é tempo de reação rápido e acessibilidade. Queremos muito ser sua equipe ampliada, então, além das reuniões regulares, você pode ter certeza de que cada um dos membros da nossa equipe está a apenas um telefonema, e-mail ou mensagem de distância.
