Authors : Wen Zhang, Jingwen Shi, Xiaojun Wang, Henry Wynn
DOI : 10.1007/s10479-023-05631-9
Penelitian ini mengkaji penerapan kecerdasan buatan (AI) untuk mendukung pengambilan keputusan dalam penyelesaian sengketa klaim asuransi akibat kecelakaan lalu lintas (road traffic accident/RTA). Permasalahan utama dalam sengketa klaim adalah ketidakpastian nilai ganti rugi dan lamanya proses litigasi, yang sering menimbulkan biaya lebih besar daripada manfaat tambahan yang diperoleh. Proses ini tidak hanya membebani para pihak yang bersengketa, tetapi juga menguras sumber daya hukum yang terbatas.
Dalam praktik tradisional, penilaian besaran klaim umumnya mengandalkan pedoman resmi seperti Judicial College Guidelines serta pengalaman subjektif pengacara. Hal ini menimbulkan variasi penilaian dan sering kali tidak efisien. Studi ini menawarkan kerangka berbasis AI untuk menghasilkan estimasi biaya yang lebih akurat, mempercepat negosiasi, dan mendorong penyelesaian sengketa tanpa perlu menempuh jalur pengadilan.
Penelitian menggunakan 88 kasus nyata klaim RTA bernilai rendah di Inggris. Hasil analisis menunjukkan adanya hubungan signifikan antara biaya akhir yang diputuskan hakim dengan lamanya penyembuhan cedera terparah. Model regresi transformasi akar kuadrat menghasilkan nilai prediksi dengan R² sebesar 0,527, yang dinilai cukup representatif. Selain itu, penelitian ini menguji pemanfaatan teknik regular expression (RegEx) untuk mengekstraksi informasi cedera dari laporan medis, serta metode natural language processing (NLP) berbasis stochastic gradient descent (SGD) linear regression dan convolutional neural networks (CNN) untuk memprediksi nilai klaim langsung dari teks medis. Hasilnya, model SGD dan CNN mampu mencapai akurasi prediksi dengan nilai R² hingga 0,87 menggunakan data yang diperluas melalui teknik augmentasi teks.
Kontribusi utama penelitian ini mencakup aspek teknis dan praktis. Secara teknis, penelitian memperkenalkan arsitektur AI/NLP untuk layanan profesional hukum, prosedur ekstraksi informasi yang dapat dijelaskan, serta pemodelan prediktif berbasis teks medis. Secara praktis, penelitian mengusulkan alur pengambilan keputusan yang lebih efisien, relevan dengan kebutuhan industri hukum dan asuransi, serta berorientasi pada manfaat sosial. Implementasi AI dalam konteks ini memungkinkan penghematan biaya litigasi, percepatan penyelesaian sengketa, serta pemanfaatan lebih optimal atas sumber daya hukum.
Penelitian ini menunjukkan bahwa AI, khususnya teknik NLP, dapat menjadi mekanisme inovatif untuk mendukung pengambilan keputusan dalam penyelesaian sengketa klaim asuransi. Selain memberikan manfaat bagi perusahaan asuransi dan layanan hukum, pendekatan ini juga berpotensi meningkatkan kesejahteraan sosial dengan menyediakan resolusi sengketa yang lebih cepat, adil, dan efisien.
Leave a Reply