HasarAI, sigorta şirketleri ve acenteler için geliştirdiğimiz bir kasko hasar asistanı. Amacı tek cümleyle şu: hasar uzmanının önüne incelemeye hazır bir dosya koymak. Bu yazıda ürünü tanıtmaktan çok, onu tasarlarken verdiğimiz kararları ve nedenlerini anlatıyoruz. Aynı soruları kendi sürecinde soran ekipler için faydalı olacağını düşünüyoruz.

Problem: dosya hazırlığı, karardan uzun sürüyor

Bir kasko dosyasında uzmanın asıl işi teminatı ve hasarı değerlendirmek. Ama dosya genellikle o noktaya gelmeden önce bir dizi eksikle başlar: ihbar serbest metinle gelir, tarih ya da yer belirsizdir, belgeler parça parça ve bazen yanlış gelir, ruhsattaki plaka poliçedekiyle tutmaz. Bu hazırlık işi tekrarlayan, kurallı ve büyük ölçüde metin okumaya dayalı. Yani tam olarak dil modellerinin iyi olduğu türden bir iş.

Tasarım ilkesi: hazırlık yapay zekada, karar uzmanda

İlk ve en önemli karar, sistemin neyi yapmayacağıydı. HasarAI red ya da ödeme kararı vermez. Dosya durumu İhbar → Belge bekleniyor → İncelemede → Ekspertizde → Onay bekliyor → Ödeme onaylandı → Kapandı şeklinde ilerler; red ve ödeme onayı yalnızca yetkili kişinin, gerekçe yazarak yapabildiği adımlardır. Bu sınır bir ayar değil, iş akışının kendisine yazılı.

1. İhbar alma: şemaya zorlanan çıkarım

Sigortalının yazdığı serbest metinden olay türü, tarih, yer, karşı taraf ve yaralanma bilgisi çıkarılıyor. Modelin cevabı tanımlı bir şemaya uymak zorunda; uymazsa cevap reddedilip yeniden isteniyor. Poliçe eşleştirmesi ise modele bırakılmadı: poliçe numarası, plaka ya da TC ile yapılan sıradan bir sorgu.

2. Eksik bilgi: en fazla üç tur

Zorunlu alanlardan biri eksikse sigortalıya o alana yönelik bir soru gidiyor. Ama döngüye bir üst sınır koyduk: üç turda tamamlanmayan dosya uzmana devrediliyor. Sigortalının bir makineyle uzun bir yazışmaya sıkışmasındansa eksik bir dosyanın uzmana gitmesi daha iyi.

3. Yaralanma: modele güvenip kural tabanlı ikinci kontrolle

Yaralanmalı dosyanın öne alınması kritik. Model bu bilgiyi çoğunlukla yakalıyor; yine de kaçırdığı durumlar için kural tabanlı ikinci bir kontrol çalışıyor. İkisinden biri yaralanma görürse dosya "insan önceliği" kuyruğuna düşüyor. Yaralanma olduğunda belge listesine ek belgeler (örneğin alkol raporu) otomatik ekleniyor.

4. Belge asistanı: önce metne çevir, sonra karşılaştır

Hasar türüne göre gereken belgeler listeleniyor. Yüklenen PDF ve fotoğraflar modele görüntü olarak gitmiyor: önce sunucuda metne çevrilip maskeleniyor, sonra sınıflandırılıyor. Ruhsat, tutanak ve poliçedeki plaka ve şasi bilgisi karşılaştırılıyor. Uyuşmazlık bir bulgu olarak uzmana gösteriliyor; ne anlama geldiğine uzman karar veriyor.

5. KVKK: maskeleme ve varsayılan kapalı yurt dışı

TC kimlik numarası, telefon, IBAN ve e-posta, metin modele gitmeden önce kural tabanlı bir katmanda maskeleniyor. İhbar metni ve kişisel alanlar veritabanında şifreli tutuluyor. Yurt dışındaki yapay zeka servislerinin kullanımı şirket bazında kapalı başlıyor. Bu konuyu ayrıntılı olarak Sigortada Üretken Yapay Zeka ve KVKK yazısında ele aldık.

6. İzlenebilirlik

Her yapay zeka önerisi, üretildiği model ve istem sürümüyle birlikte saklanıyor. Uzmanın öneriyi kabul ettiği, reddettiği ya da düzelttiği durumlar ölçülüyor. Dosyadaki her durum değişikliği değiştirilemeyen bir denetim kaydına yazılıyor. Bu sayede hem bir itirazda ne olduğu gösterilebiliyor hem de hangi önerilerin gerçekten işe yaradığı görülebiliyor.

7. Kurallar müşterinin

Zorunlu alanlar, sorulacak sorular ve hangi hasar türünde hangi belgenin isteneceği koda gömülü değil. Şirket ve acente bazında sürümlü kural setleriyle değiştirilebiliyor. Sistem çok kiracılı: her sigorta şirketi ve acentenin verisi ayrı tutuluyor ve bu ayrım testlerle doğrulanıyor. Türkiye'de barındırma ve müşterinin kendi depolama altyapısıyla çalışma seçenekleri de tasarımın parçası.

Demo neden tarayıcıda çalışıyor?

HasarAI demosu tamamen tarayıcıda ve sentetik veriyle çalışıyor; hiçbir bilgi sunucuya gönderilmiyor. Ziyaretçi üç hazır senaryodan birini seçebiliyor (yaralanmalı çarpışma, eksik bilgili dolu hasarı, plaka uyuşmazlıklı cam hasarı) ya da kendi metnini yazıp maskelemenin nasıl çalıştığını görebiliyor. Maskeleme ve yaralanma tespiti demoda gerçek kurallarla çalışıyor; alan çıkarımı ise ürünün yapay zeka modeline gittiği için yalnızca hazır senaryolarda gösteriliyor.

Sırada ne var: HasarAI Verify

Geliştirdiğimiz ikinci modül, araç ekspertiz raporlarına ikinci bir göz. Verify; raporun zorunlu alanlarını, tutar toplamlarını, tarih tutarlılığını, parça ile fotoğraf eşleşmesini ve işçilik/parça fiyatlarındaki referans sapmalarını kontrol edip bir uygunluk skoru ve madde madde bulgu raporu üretecek. Burada da şüpheli işaretler yalnızca bulgu olarak sunuluyor; karar insanda.

Bu vakadan çıkan dersler

  • Sınırı baştan çizin. Yapay zekanın neyi yapmayacağı, neyi yapacağından daha önemli bir tasarım kararı.
  • Kritik işaretleri tek bir modele bırakmayın. Yaralanma gibi bir sinyal için kural tabanlı ikinci kontrol ucuz ve etkili.
  • Gizlilik mimaride çözülür. Maskeleme ve yerel OCR, hukuki tartışmayı çok kolaylaştırıyor.
  • Ölçemediğiniz şeyi iyileştiremezsiniz. Öneri kabul oranı, sistemin gerçekten yardımcı olup olmadığının en dürüst göstergesi.