Selección modelos ML para la detección de patrones de fraude en reclamaciones SOAT en Colombia : un enfoque innovador para la prevención de pérdidas

Abstract

El fraude en reclamaciones de seguros representa una preocupación creciente para el sector asegurador en Colombia, particularmente en lo que respecta al Seguro Obligatorio de Accidentes de Tránsito (SOAT). Este estudio aborda esta problemática mediante la aplicación de técnicas de aprendizaje automático supervisado para mejorar la detección y prevención del fraude. A través de un análisis exhaustivo de un conjunto de datos históricos proporcionado por Valuative SAS, que incluye más de un millón de registros de reclamaciones, se evaluaron múltiples modelos de clasificación, incluyendo Máquinas de soporte vectorial, Random Forest. XGBoost, y redes neuronales. Los resultados demuestran que los modelos seleccionados son capaces de identificar patrones de fraude con alta precisión, ofreciendo un potencial significativo para reducir las pérdidas financieras y aumentar la sostenibilidad del sistema de seguros SOAT en Colombia. Este enfoque promueve una metodología replicable y escalable para combatir el fraude en seguros a nivel nacional e incluso internacional.