''Türkiye’de sektörün dayanıklılığını artırmak için öncelikle mevcut sektörel altyapıların, kurumların sahip olduğu tecrübenin ve şirketlerin fraud mücadele yetkinliklerinin üzerine inşa edilen ortak bir yaklaşım benimsenmesi gerektiğini düşünüyoruz.''

Üretken yapay zekâ teknolojilerinin yaygınlaşmasıyla birlikte sigorta suistimallerinin yalnızca sahte belge düzenlenmesi veya mevcut bir görselin değiştirilmesiyle sınırlı kalmayacağını, gerçeğe son derece yakın ve kendi içinde tutarlı hasar senaryolarının düşük maliyetle, hızlı ve ölçeklenebilir biçimde üretilebildiği yeni bir risk döneminin ortaya çıkabileceğini öngörüyoruz.

Önümüzdeki süreçte bir hasar dosyasındaki ihbar metni, fotoğraf, video, ses kaydı, fatura ve servis belgesi gibi farklı içeriklerin birbirini doğruluyormuş gibi sentetik olarak oluşturulması mümkün hâle gelebilir. Bu durum, münferit suistimallerin daha organize ve tespit edilmesi daha zor yapılara dönüşmesine neden olabilir. Özellikle trafik ve kasko hasarlarında sentetik kaza ve araç hasarı görüntüleri, aynı hasarın farklı dosyalarda kullanılması veya hasar boyutunun yapay olarak artırılması, sağlık sigortalarında değiştirilmiş rapor ve faturalar, konut ve iş yeri hasarlarında ise gerçekte yaşanmamış olayların görsel ve belgelerle desteklenmesi öne çıkan risk alanları olacaktır. Hasar ihbarı, dijital belge yükleme, uzaktan ekspertiz, hasar değerlendirme ve ödeme onayı gibi hız ve müşteri deneyiminin ön planda olduğu süreçler, bu yeni risklerin en yoğun görülebileceği temas noktalarıdır. Bu süreçlerde temel öncelik, müşteriye sunulan hızı ve kolaylığı korurken kontrol mekanizmalarını aynı ölçüde güçlendirebilmektir.

Suistimallerin artması, dürüst sigortalılar tarafından oluşturulan ortak risk havuzunu ve uzun vadede ürün maliyetlerini de olumsuz etkileyebilir. Bu nedenle geleceğin fraud yönetiminin, yalnızca şüpheli işlemleri sonradan tespit eden bir yaklaşımdan çıkarak görsel ve belge bütünlüğünü kontrol eden, farklı veri kaynakları arasındaki tutarsızlıkları analiz eden, çalışan ve iş ortaklarının farkındalığını artıran ve teknolojiyi insan tecrübesi ve uzman değerlendirmesiyle birleştiren proaktif bir yapıya dönüşmesi gerektiğine inanıyoruz. Bu yaklaşımın, hem suistimal risklerinin daha erken tespit edilmesine hem de güvenilir, adil ve sürdürülebilir bir sigorta sisteminin korunmasına katkı sağlayacağını düşünüyoruz.

Neova Sigorta olarak yapay zekâ kaynaklı fraud risklerine karşı yaklaşımımızı güçlü veri altyapısı ve kurumsal yapay zekâ yönetişimimiz üzerine kuruyoruz. Neova Next yapay zekâ stratejimiz doğrultusunda kurum içi GPU altyapımıza, yapay zekâ modellerine, görsel ve belge analiz teknolojilerine, yapay zekâ destekli iş akışlarına ve farklı veri kaynaklarını birlikte değerlendirebilen çözümlere yatırım yapıyoruz.

Hasar fotoğrafları ve belgelerinin bütünlüğünün incelenmesi, farklı dosyalardaki benzerliklerin belirlenmesi, olağan dışı işlem örüntülerinin tespit edilmesi ve poliçe, hasar, müşteri, servis ve ekspertiz alanlarındaki yapısal ve yapısal olmayan verilerin çapraz analiz edilmesi öncelikli çalışma alanlarımız arasında bulunuyor. Dosyanın metaverisi, oluşturulma zamanı, konum bilgisi, geçmiş hasar ilişkileri ve taraflar arasındaki bağlantılar gibi unsurların birlikte değerlendirilmesiyle yalnızca tek bir belgeye değil, hasar dosyasının bütününe yönelik bir risk görünümü oluşturmayı hedefliyoruz.

Bu teknolojik dönüşümü model geliştirme veya otomasyon çalışmasının yanı sıra uçtan uca yönetilmesi gereken kurumsal bir güven ve yönetişim konusu olarak ele alıyoruz. Yürüttüğümüz ISO/IEC 42001 Yapay Zekâ Yönetim Sistemi süreciyle yapay zekâ çözümlerinin amaç, veri kalitesi, güvenlik, açıklanabilirlik, etik, mevzuata uyum, performans takibi ve insan gözetimi boyutlarını sistematik biçimde yönetmeyi hedefliyoruz. Bu yaklaşımı ISO 27001 Bilgi Güvenliği Yönetim Sistemi, mevcut fraud politikaları, iç kontrol mekanizmaları ve veri güvenliği uygulamalarımızla birlikte değerlendiriyoruz. Mevcut uzman incelemeleri ve kural tabanlı kontroller, sahip olduğumuz önemli bilgi birikimini ve güçlü bir güvenlik yapımızın önemli bir parçası olmaya devam edecektir.

Bununla birlikte sentetik içeriklerin insan gözüyle ayırt edilmesinin giderek zorlaşması nedeniyle bu yöntemlerin yeni nesil analitik ve doğrulama araçlarıyla desteklenmesi gerekecektir. Geleceğin hasar inceleme modelinin, yapay zekânın şüpheli dosyaları ve risk göstergelerini önceliklendirdiği, dosyaları risk seviyelerine göre ayrıştırdığı, nihai değerlendirmenin ise açıklanabilir bulgular üzerinden uzmanlar tarafından gerçekleştirildiği insan ve teknoloji iş birliğine dayanması gerektiğini düşünüyoruz.

Dünya sigorta sektöründe yapay zekâ destekli suistimallerle mücadelede görsel ve belge doğrulama, kimlik kontrolleri, cihaz ve metaveri analizi, içerik bütünlüğünün incelenmesi, anomali tespiti ve ilişkisel veri analizi gibi uygulamalar giderek daha fazla önem kazanmaktadır. Yeni nesil çözümler yalnızca bir görselin sahte olup olmadığını değerlendirmekle kalmamakta; içeriğin hangi cihazla ve ne zaman oluşturulduğunu, daha önce başka dosyalarda kullanılıp kullanılmadığını ve dosyadaki diğer bilgi ve belgelerle tutarlı olup olmadığını da analiz etmektedir. Teknolojik kontrollerin yanında çalışanların sentetik içerikler konusunda eğitilmesi, şüpheli dosyaların uzman ekiplerce yeniden değerlendirilmesi ve kullanılan modellerin düzenli olarak test edilmesi de uluslararası uygulamaların önemli parçalarıdır.

Avrupa ve ABD’de gelişen düzenleyici yaklaşımlar ise risk bazlı yönetişim, veri kalitesi, tüketicinin korunması, insan gözetimi, açıklanabilirlik, kayıt tutma, bağımsız test ve sürekli performans takibini temel beklentiler hâline getirmektedir. Türkiye’de sektörün dayanıklılığını artırmak için öncelikle mevcut sektörel altyapıların, kurumların sahip olduğu tecrübenin ve şirketlerin fraud mücadele yetkinliklerinin üzerine inşa edilen ortak bir yaklaşım benimsenmesi gerektiğini düşünüyoruz. Sigorta şirketleri, kamu kurumları, akademi ve teknoloji sağlayıcıları arasında bilgi ve deneyim paylaşımının geliştirilmesi; sentetik içeriklerin tespitine yönelik ortak kavramların, doğrulama yöntemlerinin ve teknik standartların belirlenmesi bu yaklaşımın temelini oluşturabilir.

Ortak test ortamları ve anonimleştirilmiş örnek veri setleri hazırlanması, yeni teknolojilerin gerçek hayat senaryolarında ölçülmesine ve sektör genelinde asgari bir doğrulama kapasitesi oluşturulmasına katkı sağlayacaktır. Düzenleyici çerçevenin ise veri güvenliği, kişisel verilerin korunması, sorumlulukların belirlenmesi, model denetimi ve insan müdahalesi konularında açık ilkeler ortaya koyması önemlidir. Önümüzdeki dönemde başarının yalnızca belirli bir teknolojiye yatırım yapmaktan değil, teknoloji, insan, süreç ve yönetişimi birlikte ele alan ortak bir sektörel savunma kültürü oluşturabilmekten geçeceğine inanıyoruz.