保險賠償可觀，普通人視之為保障，有貪念之人則覬覦這份「心意」，不論是電影，還是現實生活，總會出現騙取保險金的橋段，令保險業頭痛不已。人工智能正幫助行家查找可疑的索償，甚至通過社交媒體賬戶來找出客戶欺詐行為。
聯邦調查局（FBI）估計，從虛假索償到影子經紀（Shady Broker），保險欺詐每年在美國造成超過 400 億美元損失。以上並不包括醫療保險欺詐案，行業組織估計，光這一部分也要花費數百億美元。詐騙數字居高不下，令人每年需額外支付 400 至 700 美元作家庭、汽車和醫療保費。
保險公司根本沒有足夠的調查人員打擊犯罪行為，只能投向機械的懷抱，以人工智能找出不一致及不尋常的情況，包括複雜的車禍設計、虛報受損財產的價值等。德勤財務諮詢（Deloitte Consulting）美國部門首席數據科學家 Jim Guszcza 直言：「你不能不這樣做，這是現代保險的一部分…… 你不能沒有機器學習（Machine Learning）和索償預測分析。」
Lemonade 在 2015 年由 2 位科技專家以住屋及租客保險起家，是盡用數據力量的其中一間公司。行政總裁 Daniel Schreiber 表示，約 3 分 1 的個案中，索償都以公司的演算法審核，公司則在事後檢查並改進自動化流程，這樣他們就可以教會演算法，在日後的索償中應該懷疑甚麼，令演算法一路改進。
組織 Coalition Against Insurance Fraud 的傳訊主任 James Quiggle 表示，成熟的人工智能，能搜索出更複雜的欺詐模式，例如提交一組類似的索償申請、牽涉相同的醫生或律師網絡、相似的車禍損失等。他指：「人工智能可以在一大堆混亂的信息中進行篩選、梳理，以調查人員可以清楚閱讀的方式，拼湊信息並建立統計圖，將整個騙局、組織，以圖形的方式勾勒出來。人類若要獨自進行這些分析，可能需要數個月時間。」
「老大哥在看著你」
調查人員和這些數碼助手，還可以從社交媒體得到更多數據，例如找到報稱嚴重受傷者所發佈的壘球場照片、車牌甚至 Fitbit 記錄等。網絡存檔和分析公司 Hanzo 在美國和英國都設有辦事處，其開發的軟件，可以幫助保險公司在社交網絡、eBay、大型分類廣告網站 Craigslist 以及網絡上的其他地方調查索償數據。
該公司首席商務官 Keith Laska 說：「任何能在瀏覽器上看到的東西，我們都可以有效率地收集起來。網絡爬蟲技術會放出蜘蛛，篩選上萬頁內容，找到相關資訊。」例如，若客戶聲稱物件在車上被偷去，曾在加密網站出讓的類似物件、曾在遠離報稱盜竊現場的地點打卡，都可能成為證據。
專家指，不可避免的是，使用機器學習和引入更多數據來源，會引發有關私隱的問題，為行業發展制訂標準或規則，尤為重要。
