Sigorta sektöründe dolandırıcılık yeni bir evreye giriyor. Aviva’nın paylaştığı verilere göre şirket, toplam £230 milyon değerinde sigorta dolandırıcılığı talebini ortaya çıkardı. Bu rakam, şimdiye kadar kaydedilen en yüksek seviyelerden birine işaret ederken, dikkat çeken asıl nokta ise yöntemlerin değişmesi. Şirketin değerlendirmesine göre yapay zeka artık yalnızca dolandırıcılığı tespit etmek için değil, doğrudan dolandırıcılık üretmek için de kullanılıyor.
Sigorta dolandırıcılığı uzun süredir sektörün mücadele ettiği bir alan. Küçük bir araç hasarının olduğundan büyük gösterilmesi, sınırlı bir yaralanmanın ağır sonuçlar doğurmuş gibi sunulması ya da bir onarım faturasına gereksiz kalemler eklenmesi yeni sayılmaz. Ancak son dönemde tabloyu zorlaştıran unsur, bu alandaki sahteciliğin daha inandırıcı, daha sistematik ve insan gözüyle ayırt edilmesi daha güç hale gelmesi. Özellikle generative AI araçlarının yaygınlaşması, daha önce zaman, bağlantı ve uzmanlık gerektiren sahtecilik girişimlerini çok daha erişilebilir kılıyor.
Aviva’nın aktardığına göre dolandırıcılar artık araç kazası sahnelerine ait son derece ikna edici sahte görseller üretebiliyor. Bunlar basit düzenlemeler ya da kolay fark edilen montajlar değil; ayrıntı seviyesi yüksek, olay akışına uygun görünen ve yoğun iş yükü altındaki bir hasar inceleme uzmanını ilk bakışta yanıltabilecek içerikler. Sorun yalnızca görsellerle de sınırlı değil. Aynı araçlar, hiç yapılmamış onarımlara ait faturalar veya gerçekte dayanağı bulunmayan tıbbi raporlar gibi resmi görünümlü sahte belgelerin hazırlanmasında da kullanılıyor.
Bu değişim, dolandırıcılığın ölçeğini ve maliyetini de etkiliyor. Geçmişte yüksek tutarlı bir sahtekarlık girişimini desteklemek için bazı durumlarda tamirhane, aracı kişi veya sahte evrak üretebilecek ek bağlantılar gerekebilirdi. Generative AI ile birlikte küçük bir ekip, hatta tek bir kişi, masa başından ayrılmadan çok sayıda iddiayı destekleyecek materyal üretebiliyor. Böyle bir ortamda temel sorun, sunulan “kanıtın” gerçeklikle ne kadar örtüştüğünü hızlı ve güvenilir biçimde doğrulayabilmek.
Aviva’nın yaklaşımı, tehdide benzer ölçekte ve hızda yanıt verebilen AI tabanlı savunma sistemleri kurmak olmuş durumda. Şirket sistemin teknik yapısına dair ayrıntı paylaşmıyor, ancak çalışma mantığı genel hatlarıyla anlaşılabiliyor. Merkezde, çok büyük veri kümeleri üzerinde örüntü tanıma ve anomali tespiti yer alıyor. Sistem, geçmiş ve güncel hasar dosyalarından gelen milyonlarca veri noktasını inceleyerek meşru bir talebin nasıl göründüğünü ve daha da önemlisi hangi işaretlerin olağandışı sayılması gerektiğini öğreniyor.
Yeni bir talep geldiğinde AI sistemi birden fazla kontrolü aynı anda yapabiliyor. Örneğin fotoğraftaki hasarın anlatılan kazanın fiziksel koşullarıyla uyumlu olup olmadığı değerlendirilebiliyor. Belgelerdeki zaman damgalarının mantıklı bir sıraya sahip olup olmadığı incelenebiliyor. Belirli bir araç plakasının geçmişte başka şüpheli dosyalarda yer alıp almadığı kontrol edilebiliyor. Faturalardaki onarım bedelleri, veri tabanındaki benzer tamirlerle kıyaslanarak normal aralığın dışında kalıp kalmadığı açısından işaretlenebiliyor. Her gün binlerce başvurunun işlendiği bir sistemde bu düzeyde adli incelemeyi dosya bazında manuel olarak yürütmek pratik değil.
Burada önemli olan nokta, tespit edilen £230 milyonluk tutarın yalnızca organize suç şebekeleriyle bağlantılı karmaşık vakalardan oluşmaması. Sigorta sektörünün “claims inflation” olarak adlandırdığı, daha yaygın ama çoğu zaman daha az görünür bir başka problem de bu toplamın parçası. Bu tür vakalarda poliçe sahibi veya hizmet sağlayıcı, gerçek bir talebin maliyetini olduğundan yüksek gösteriyor. Bir tamirhane gereksiz onarımları teklife ekleyebiliyor ya da bir hırsızlık dosyasında çalınan eşyaların değeri abartılabiliyor.
AI bu daha gündelik görünen şişirme girişimlerinde de etkili bir araç haline geliyor. Büyük ölçekli tamir maliyeti ve piyasa değeri verileri üzerinde çalışan sistemler, fiyat tekliflerinin normal dağılımdan sapıp sapmadığını anında belirleyebiliyor. Aynı marka ve model için belirli bir bölgede yüzlerce farklı servis kaydıyla karşılaştırma yapıldığında, bir parçanın veya işçilik kaleminin olağandışı fiyatlanıp fiyatlanmadığı daha net görülebiliyor. Bu yaklaşım yalnızca sahte belge üretimini değil, gerçeğe dayanan fakat maliyeti yapay biçimde artırılmış talepleri de mercek altına alıyor.
Şirketin kullandığı AI araçlarının amacı talepleri otomatik olarak reddetmek değil. Sistem daha çok insan araştırmacılar için bir ön filtre işlevi görüyor. Çok sayıdaki başvuru arasından dolandırıcılık ihtimali en yüksek dosyaları öne çıkararak inceleme kaynaklarının daha verimli kullanılmasına yardımcı oluyor. Bu insan denetimli yapı, kararların tamamen kapalı bir algoritmaya bırakılmaması açısından önemli. Nihai değerlendirmede insan uzmanların devrede kalması, hem adalet hem de hatalı işaretleme riskinin azaltılması bakımından kritik görülüyor.
Bu tablo, müşteriyle doğrudan çalışan birçok sektör için daha geniş bir mesaj da taşıyor. Generative AI araçları sahte kimliklerden sahte faturalara kadar farklı alanlarda inandırıcı içerik üretimini kolaylaştırdıkça, klasik doğrulama yöntemlerinin tek başına yeterli olması zorlaşıyor. Dolandırıcılık girişimleri daha ucuz, daha hızlı ve daha ölçeklenebilir hale gelirken, savunma tarafının da benzer ölçekte otomasyon ve öğrenme yeteneği kazanması gerekiyor. Aviva’nın yaklaşımı, bu nedenle yalnızca sigorta için değil, belge doğrulama ve taleplerin incelendiği pek çok iş kolu için dikkat çekici bir örnek oluşturuyor.
Sonuç olarak Aviva’nın açıkladığı £230 milyonluk tespit, sorunun büyüklüğünü ortaya koyarken AI yarışının iki yönlü hale geldiğini de net biçimde gösteriyor. Aynı teknoloji bir yandan sahte kaza sahneleri, belgeler ve destekleyici kanıtlar üretmek için kullanılırken, diğer yandan bunları ölçekli biçimde ayıklamak için devreye giriyor. İnsan gözetimiyle desteklenen AI sistemleri, gerçek ile kurgu arasındaki çizginin giderek bulanıklaştığı bu dönemde sigorta şirketleri için daha merkezi bir araç haline geliyor.
