保険請求データを競争優位性へと変える

保険契約者の氏名、保険証券番号、SSN（社会保障番号）、運転免許証番号、住所、支払い情報、受取人情報などが含まれます。健康保険の請求には、診断内容、治療履歴、処方情報などの医療データが含まれます。自動車保険の請求には、事故の詳細や警察の報告書が含まれます。住宅・財産保険の請求には、住宅所有者の情報や請負業者に関する情報が含まれます。さらに、標準的な識別情報に加えて、請求データには文脈的な情報も含まれています。例えば、勤務先情報、家族関係、具体的な事故・発生場所などは、明示的なアカウント番号がなくても個人を特定できる可能性があります。加えて、写真やスキャン文書には、ナンバープレート、人物の顔、GPSメタデータなどが含まれている場合もあります。

はい。詐欺検出は個人の身元ではなく、複数の請求データにまたがるパターンに基づいて行われます。疑わしいパターンには、複数の請求で類似した損害内容が記載されているケース、共謀を示唆するサービス提供者間の関係、または演出された事故を示唆する請求のタイミングなどが含まれます。

仮名化（ペンネーム化）により、実際の個人情報を保持することなく、これらの関係性を維持することができます。これにより、同じサービス提供者からの複数の請求を追跡したり、関連する請求のクラスターを特定したり、不正請求のネットワークを検出したりすることが可能になります。同時に、正当な契約者のプライバシーも保護されます。

保険分野のAIは、数百万件の過去の請求データから学習することで、詐欺パターンの検出や正確な損害評価、ルーティングの自動化を可能にします。匿名化（非識別化）された請求データは、保険契約者の個人情報を漏らすことなく、AIが必要とするパターンや関連性、文脈を保持します。そのため、請求の時系列や損害パターンを活用した詐欺検出モデルのトレーニングや、過去の修理コストに基づく損害評価モデルの構築などに利用できます。これにより、これまで安全性の懸念から活用が難しかった規制対象の請求アーカイブも、安心してAIトレーニング用データとして活用することが可能になります。

保険会社には、何十年分ものスキャン済み紙フォーム、レガシーシステムのエクスポート、マイクロフィルムの変換、古いデータベースのバックアップが蓄積されています。Liminaはこれらの形式を大規模に処理できます。スキャンや画像ベースの文書からはOCRでテキストを抽出し、その後、抽出されたすべてのデータに対してエンティティ検出が行われます。ある大手保険会社では、侵害が発生する前に、Liminaを用いて1,200万～1,400万件のレガシー文書におけるPCIリスクのマッピングを事前に実施しました。

いいえ。Liminaは、お客様のオンプレミス環境またはVPCにコンテナとして展開されます。すべての処理は既存のセキュリティ境界内で行われ、サードパーティのクラウド処理や外部へのデータ送信は一切ありません。

これは保険業界において特に重要です。請求書類、医療記録、契約者データは、保護される前に外部サービスに送られることはありません。

はい。Liminaは52言語に対応しており、北米、ヨーロッパ、アジア、ラテンアメリカの地域特有の保険識別子も検出可能です。 米国のSocial Security番号、カナダの健康保険カード番号、日本のマイナンバー、英国のNational Insurance番号など、数十種類の地域特有フォーマットを、標準的なPHIやPCIとともに、単一のデプロイメントで検出できます。