Hvordan en svindelenhed holder op med at miste den samme mistænkte på tværs af fem forskellige journaler
En forsikringsselskabs SIU-enhed sammenkører kunde-, skades- og sagsjournaler spredt på tværs af tegning, skadebehandling og tidligere undersøgelser. KnowledgeHub ligger som et semantisk lag ovenpå, der matcher entiteter på baggrund af dokumentation i stedet for eksakte tekststrenge. Hvert match sporbart til sin kilde.
Den samme person, fem gange
En SIU-efterforsker åbner en ny skadesag og kører standardtjekkene. Intet slår ud. Den skadelidtes navn er stavet en anelse anderledes i tegningsfilen. Adressen har to cifre byttet om i det ene system, men ikke det andet. En delt bankkonto ligger tre systemer væk, i en sag der blev lukket for to år siden.
Intet af dette er skjult. Det er blot spredt ud over et policeadministrationssystem, en skadeplatform, et CRM og en mappe med tidligere undersøgelsesrapporter — hvert af dem sikker i sin egen journal, uden kendskab til de andre.
Eksakte opslag fanger det ikke. En efterforsker, der vil fange det, skal allerede mistænke en forbindelse og derefter lede efter den system for system. De fleste har ikke tiden. Nogle forbindelser bliver aldrig fundet, før et mønster dukker op et andet sted, måneder senere.
Prisen er ikke kun overset svindel. Det er en svindelenhed, der ikke med dokumentation kan sige, hvorfor to sager blev (eller ikke blev) behandlet som forbundne.
Genarkitekterer arbejdsgangen
Spørgsmålet er ikke, om dataene findes. Det er, om platformen kan fortælle dig, at det er den samme entitet, uden at du allerede skal vide det.
KnowledgeHub deployes oven på de eksisterende systemer — policeadministration, skadebehandling, CRM og tidligere sagsakter bliver præcis, hvor de er. Hver kilde ingested med lineage bevaret på journalniveau. En versioneret ontologi definerer, hvad der tæller som et match: delte identifikatorer, adresseoverlap, enheds-fingeraftryk, modpartsrelationer og tidligere skadehistorik.
Agenter får en snæver opgave: foreslå kandidatmatch, rangeret efter dokumentation, med hvert understøttende bevis citeret tilbage til sin kildejournal. De sammenlægger ikke noget selv. En efterforsker gennemgår dokumentationen og godkender eller afviser matchet, før det bliver en del af sagsgrafen.
Inde i efterforskerens dag
En ny sag kommer ind. Systemet har allerede kørt den mod opklaringsgrafen, før efterforskeren åbner filen.
Tre kandidatmatch venter, hver rangeret efter styrken af dokumentationen: en lukket sag med en delt bankkonto, en åben police med en overlappende adresse og en tidligere undersøgelse, der nævner en relateret part. Hvert kandidatmatch viser præcis, hvilke felter der matchede, hvilke der ikke gjorde, og hvor sikker systemet er.
Efterforskerens opgave er ikke at lede efter forbindelsen. Den er allerede fremdraget, med sin dokumentation vedhæftet. Opgaven er at veje den — er dette reelt den samme person, eller en tilfældighed, systemet havde ret til at flage, men tog fejl i at konkludere?
Bekræftede match kommer straks ind i sagsgrafen, synlige for enhver, der åbner den sag næste gang. Afviste match logges også, med begrundelsen, så det samme kandidatmatch ikke flages igen uden ny dokumentation.
Hvad der ændrede sig
Færre oversete forbindelser er den synlige gevinst. En forsvarlig begrundelse for hver forbindelse, hvad enten den blev lavet eller afvist, er den strukturelle.
Efterforskere bruger mindre tid på manuelt at krydstjekke systemer, der aldrig selv ville have foreslået et match. Supervisorer, der gennemgår en afsluttet sag, ser ikke kun udfaldet, men bevissporet bag hver entitet, der blev koblet sammen.
Når en tilsynsmyndighed eller revisor spørger, hvorfor to sager blev behandlet som forbundne eller hvorfor de ikke blev, er svaret et specifikt stykke dokumentation og et tidsstempel, ikke en efterforskers erindring om en fornemmelse.
“Vi stoppede med at stole på, at nogen kunne huske et navn fra for seks måneder siden. Nu er forbindelsen der, eller også er den ikke, og vi kan vise hvorfor.”
Se hvordan det virker for jeres organisation
Anmod om en fortrolig briefing — vi viser sporbar retrieval og styring uden at eksponere jeres data.