规则引擎加快向人工智能转变,车险双核人员还坐得住吗?

2017-03-02 10:12
作者:点点
来源:中国保险报

最近网上有一则报道,日本富国生命保险宣布从今年1月起,运用IBM的人工智能平台取代原有34名“人类”员工,以执行保险索赔类分析工作。日本第一大人寿保险公司简保人寿保险、第二大公司日本生命保险也已经开始了人工智能的替代方案,除了完成保险赔案的处理,还向客户提供保险方案,当然在起步阶段,仍采用人工检查与人工智能并行。在保险业,规则引擎加快向人工智能转变。

规则引擎广泛用于车险承保

和医疗险相比,车险的承保理赔规则更要简单一些。医疗险的承保给付,需要有丰富医学经验的双核人员来操作,而车险的双核,就日常了解来看,如果保险公司已经制定了规则,那么经过一年甚至半年培训,就可以适应初级核保、核赔岗位。事实上,许多才毕业的大学生,经过了短暂的基层一线的实战,就走上了双核岗位,一边处理保单或赔案,另一方面在不断地学习提升。从最初的一条条核对检索操作手册,到熟练后凭经验和直观来判断是否承保或给付。

双核岗位在车险管理中技术含量最高,高就高在工作经验需要时间和敬业的积累。这种人才培养方式,是当前我们身边许许多多财险公司多年来形成的一个惯例。虽然在承保端,为提高核保的效率,对于常规性的承保,采用了规则引擎审核。

规则引擎并不是一个新鲜名词。在银行业的授信、在公安部门的出入境管理等,都广泛使用。就是将一个业务决策从应用程序代码中分离出来,编写成一个盒子,前端进口是千奇百怪的业务数据,后端出口是yes或者No。有过计算机软件编程经验的,经常运用最简单的多重IF和循环命令来实现。规则引擎则将各类条件数据库化,随时进行增补,而不需要去修原代码。

相对于理赔端来说,车险承保端规则引擎使用更加广泛,一则是承保规则相对简单,绝大部分车辆的历史数据都很明晰,特别是新车业务,基本上无需核保。二则是承保对效率要求更高。理赔时长可能在一天、十天完成,但承保必须控制在客户等待的心理预期内,几分钟之内交费出单。

规则引擎将人工核保需要10分钟、半小时的时间,减少到秒级,这大大改善了工作效率和服务满意度。值得引起注意的是,规则引擎核保的保单理赔统计数据要好于人工核保,这里面有规则引擎处理的是相比简单的保单,而转入人工核保都是疑难问题的原因。尽管有少数核保件从规则引擎转入人工处理,人工其实并不能提供更充足的承保或拒保、加费的理由,理赔也是一样,双核人员所依赖的经验或者是附加调查等,除了需要现场支持外,都可以通过修订规则引擎来完成。

人工智能尚未高不可攀

凡是有规则可以遵循的,都可以储存到数据库中,如果储存成为规则引擎的自我实现,也就可以由规则引擎迈入人工智能。在人工智能界有个常识,只要是有规则可以遵循的地方,人工智能远远高于人脑,就头像识别而言,人工智能的准确性远远超过肉眼。

当前全行业车险处于微利和亏损之间,除了市场竞争环境影响外,还有各家保险公司的管控水平。在同一个市场、面对同样的客户群体,还有个别公司车险利润率超过5个百分点。如果试图解析他们盈利的原因,在车险经营管理的每一个环节,都通过互联网、大数据和规则引擎,实现效能和效益的尽善尽美。流行的双核集中,是找一个技术密集、人才密集的地区建立运营中心,集中一大批优秀人才在计算机前面操作。

但这无形中也抬高了人力成本和固定资产支出。未来的方式,可以在总部购置一台小型机,同时并行处理1000家机构,每天100万件的核保核赔件。这个数字看起来很大,但相对于银行业海量交易、铁路购票和淘宝双“十一”来说,计算量远远没有达到满负荷。既然能通过远程进行数据集中,说明双核工作有极强的标准规则和标准化,那完全就可以人工智能来实现。

管理集中度越强、基层操作弹性越小的公司,往往车险的盈利就越高。车险经营的高度趋同性和市场竞争的激烈性,在倒逼保险公司提高运行效率。毫无疑问,最伤害规则的是个人情感,除非远离客户和承保机构,比如说全国集中,否则很容易找到人打招呼。

事实上,双核人员操作性失误和没有利益交换的懈怠,保险公司很难责任追究,系统也不可能强大到关注和比对每一个细微之处。每一份出险案件都具有偶然性,而客户更不会主动揭发保险公司多赔、滥赔。理论上可以强化稽核功能来发现这些现象,如果有了这个强化的功能,那么非现场的稽核完全可以用软件来实现,为现场稽核列出重点清单,增强稽核的针对性。

人工智能应用具备有利条件

更广泛的使用规则引擎和人工智能将给车险经营管理带来革命性的变化。除了提高服务效率,大量减少人力成本和职场成本之外,更有吸引力的是,可以最大程度防止人工操作带来的工作失误和徇私舞弊。在国外有成熟案件,通过使用人工智能技术实现车辆自动定损,客户按照要求拍摄6-12张标准的汽车损失图片,然后上传给定损系统,系统大约需要5分钟就可以有效预测损失部位和损失程度,对于一般性的造假而言,不太可能熟悉保险公司的算法。

笔者曾经接待过蚂蚁金服保险事业部尹铭总经理,在谈到化妆品过敏险的理赔时,他介绍蚂蚁金服平台使用了图片识别技术,超过九成是依靠后台技术识别和判定,根据历史数据和算法,高速比对识别出报案人上传的图片的真实性,也就是说绝大多数理赔都可以在短时间内在线完成,无需人工干预,这就是人工智能的魅力所在。就车险来说,全行业承保理赔数据的集中,以及和交警数据的无缝对接,为人工智能提供了最基础数据。

缺少优秀的双核人员,是许多财险公司改善车险经营主要障碍。人工智能的更广泛使用必然减少对双核人员的依赖,这部分的成本完全可以转移到人工智能的开发上来。全球最盛名的投资银行高盛,在纽约交易所最多时雇佣了600名交易员,而今天只剩下两人,这两人的工作除了看守机器外,就是抽样核对。李开复也有一个预言,未来10到15年,90%的岗位会被人工智能替代或者部分替代。

如此变化,当然会引起传统思维管理者的质疑,人工智能会代替双核员工吗?机器会比人更可靠么?此外,人工智能的成本和裁员带来的利弊也需要一个权衡。传统的保险行业组织架构层级分明,通常有总公司,二级省分公司、三级地市机构、四级县支公司。人工智能会将绝大部分双核工作集中到总公司,分支机构就成了展业和服务单元,这并不是基层管理者所希望的,单纯的展业工具会降低职业自豪感,也使双核人员对更广泛运用新技术存在戒心。

深度学习前景可期

担心也不是没有道理。人工智能的应用能使一些任务变得自动化,但所有的判断全部交由程序来实现也是不可能,深度学习是当前规则引擎一个致命性的缺陷,比如数据库更新不及时,模糊处理的技术有待提高,图像识别技术有待改进等。这就给双核人员提供了新的就业机会,将双核人员从低价值和重复劳动的鼠标点击中释放出来,去一线为客户提供现场支持,去抽样分析承保理赔的漏洞,去采集零配件报价,去协调法津法规和行业规则的适用。

任何一个不断完善的人工智能系统,都需要有最专业的人员,将经验索引为数据,前提是保证客户单证的准确,尽可能打印或电子化。事实上,随着手机端、电子签名和个人信息的共享,客户手工填写的信息越来越少。每一次工业革命,总有一些岗位会消失,但一定有更多的工作岗位在诞生。这也给双核人提出了要求,必须顺应时代发展,积极适应大数据的变革趋势,在电脑代替人脑之前,提前做好职业生涯的规划。

保险的本质是服务,体现的是保险人、被保险人之间的双向沟通和情感诉求。人工智能虽然能让机器拥有人一样的逻辑思维,但毕竟缺少温度,在当前的市场竞争下,过于机械化和刚性的操作,有可能会失去客户。但是我们也会乐观地预计到,几年之后,当和客服中心电话专员沟通时,你很难想象电话线对面是一位美丽的女士还是人工智能合成的嗓音。

这里还要澄清一个误区,规则引擎只是利用了大数据和简单的算法,人工智能和规则引擎的最大区别是深度学习功能,基于承保理赔特别是理赔工作的复杂性,研发具有深度自主学习的软件是一项艰巨工程。这也是人工智能在我国保险业缺少更多经典案例的又一个主要原因。专业性的软件公司不了解行业日新月异的规则,保险企业又缺少精通人工智能的专业人才。不管怎样,正如比尔盖茨所感叹:人工智能势头很猛,发展比我们预期更快,像AlphaGo战胜60名中日韩顶级围棋选手,实在是一件难以致信的事情,就是一个惊人的里程碑。