Detecção de fraude em seguros de saúde

Contexto

Cooperativa de saúde (3M de associados) com um orçamento de fraude em alta de 20% ao ano. A fraude em prestações de saúde é estimada em 5% do montante total dos reembolsos (ou seja, 150M€/ano). Os controles atuais por amostragem detectam 20% das fraudes: 80% passam despercebidas. Os esquemas fraudulentos frequentemente envolvem redes (profissionais de saúde, farmácias, segurados cúmplices). Ambição clara: passar do piloto à escala com um parceiro comprometido.

Problema & Desafio

Fraude em prestações estimada em 5% ou seja 150M€/ano dos quais 80% não detectada. Controles por amostragem: apenas 3% dos dossiês são verificados manualmente. Esquemas de rede não detectados: as fraudes organizadas (profissionais de saúde + farmácias + segurados) são invisíveis aos controles unitários. Equipe antifraude de 8 pessoas saturada pelos falsos positivos das regras estáticas atuais. Tempo médio de detecção: 8 meses após o reembolso, dificultando a recuperação.

Solução & Entregas

Modelo ML de detecção de fraude combinando machine learning clássico e graph analytics (análise de rede). Scoring de risco por prestação, profissional de saúde e segurado atualizado em tempo real a cada reembolso. Graph analytics: detecção de redes fraudulentas (vínculos anormais entre profissional-farmácia-segurado). Priorização das investigações: os 8 analistas se concentram nos casos de maior probabilidade. Dashboard antifraude: mapeamento das redes, tendências, valores recuperados, ROI do dispositivo. Coconstruído com as equipes de negócio - autonomia completa transferida.

Tecnologias