“人工智能+保险”给公司带来了怎样的竞争力?

2018-06-13 11:19
作者:搜狐科技
来源:爱极客

人工智能金融科技无疑是金融行业最令人激动人心的话题

但 Fintech 与 AI 究竟是什么?它们将会如何改变金融

今天,我们来聊聊「智能保险」。

开篇前,想请大家猜一猜,图片中这两位,撞衫撞发型撞姿势后又的男士,正在忙着干什么呢?

相信这个答案十分地明显,他们正忙着给保险公司话。

保险,作为替大众规避未知风险金融工具,却长久以来遭受着许多人的诟病。如果要将骚扰话来源做个排行榜,那么保险销售必定会列入前三。出现这一不良现状的根本原因,是保险销售员的粗暴营销,以及理赔员低下的工作效率

2016 年,在阿尔法狗战胜了李世石后,人工智能迎来了大爆发时代浪潮中的人工智能似乎是被架上了神坛,成为一切问题的最终解决方案。各行各业中 “人工智能+” 的结合尝试也层出不穷,最先作出尝试的就是保险行业

欧美等地的保险行业中,人工智能转型尝试已经取得了较好的成效。从前期的智能客服到后期的智能理赔等,人工智能正发挥着不可替代的作用。

与此同时,国内的保险人也逐渐意识到了人工智能所蕴含的巨大行业潜力,越来越多的保险公司也将人工智能作为新的业务动力希望通过 “AI+” 来实现业务效率的提升。

在这样的趋势背景下,复旦大学联合中国保险学会,于上月末举办了 “当保险遇上人工智能” 的科技峰会,并在会上发布了《人工智能保险行业运用路线图》。

这是全球首个指导性保险科技官方报告,它从需求技术应用政策等不同的层面,分析人工智能保险行业中的影响,为行业未来的构建了一个清晰的蓝图。在这样的一份详细报告的背后,我们可以清楚地看到,中国保险科技行业即将迎来蓬勃发展时代

那么,人工智能究竟是如何与保险相结合,这些保险科技又能给公司带来怎样的竞争力呢?

应用风险建模

作为转嫁风险金融工具保险价格往往是根据投保人的风险模型决定的。

健康保险为例,如果投保人的身体状况良好,保险公司就会认为在受保期间,投保人患上健康疾病风险较小,因此该投保人的保费也会相应较低。反之,如果投保人的身体状况较差,保险公司就会认为该投保人在未来换上健康疾病风险较大,这也就意味着公司赔付的可能性较大,进而设置一个较高的保费

投保人的患病风险高过某个阈值时,保险公司会认为该投保人在未来申请赔付的可能性非常大,会给公司带来可预见的大额损失,所以公司将会拒绝该投保人的投保

在过去,保险公司员工主要通过查看投保人的体检报告和就诊记录等方式,来主观判断投保人的健康风险。这样的风险估算方式,使得保险公司不得不以保守的态度面对投保人,确保不会放过一丝一毫的风险信息。然而,过于保守的态度也让不少原本可以投保投保人,失去了购买保险的资格。

因此,保险公司人工智能中的深度学习模型引入到风险建模中,从而更加准确地估算投保人的风险模型

以色列数据分析公司 Atidot ,是首个将保险数据分析搬到端的科技公司。该公司主要为保险公司提供投保人的风险预测分析

保险公司收集到投保人的相关信息后,将信息传送到 Atidot 的端,并通过该公司深度学习模型,对投保人的投保行为进行风险建模。

由于深度学习模式是基于数据训练算法模型,它会从已有的大量数据中,分析风险投保人的特征,从根本上避免人类经验带来的思维

例如在人类惯性思维中,中药凉茶是养身佳品,有服用凉茶习惯的投保人将会有较低的健康风险。然而,在大量训练数据放入深度学习模型后,通过模型的多隐层特征提取,我们会发现中药凉茶和肾部功能疾病的相关系数相当高。因此,当投保人爱好大量饮用中药凉茶时,保险公司就需要注意规避其在未来可能患上肾部功能疾病风险

应用智能理赔

对我们大多数人而言,购买保险是为了在某些意外情况发生时转嫁风险,通过保险赔款来缓冲经济压力。然而,由于保险理赔款的数额通常较大,出现了一些心术不正的投保人,通过恶意骗保的方式,诈取保险公司理赔款。

于是,在理赔申诉的过程中,如何准确区分合理申诉和恶意骗保,避免损失,就成为了保险公司面临的棘手问题

在传统的保险理赔中,理赔员们需要反复审投保人的申诉信息,通过经验逻辑推理以及外部信息补充等手段,来降低投保恶意骗保的可能性。然而,通过人工来审核理赔申诉的方式,其本身就有两个无法解决的弊端:

数据量大且时间长— 由于在理赔审核中理赔员需要分析大量的数据,包括图片音频等非结构化数据和纷繁的数据来源,理赔审核员往往无法对细微信息保持足够的敏感度,因此会忽视一些主观上认为不重要的信息

客观性差— 这一系列的审核中,因为工作经验中长久以来的主观判断习惯,即便是最优秀的理赔审核员,也无法保证自己的判断是绝对客观公正。

为了实现快捷准确的理赔,一些保险公司已经将人工智能中的机器学习工具应用到了理赔审核当中。

机器学习作为人工智能的主要实现方式,是通过数据训练,来模拟人类思维学习行为,进而从数据中获取新的知识。由于篇幅原因,在本系列后期文章中将详细介绍机器学习原理

由于机器学习工具是完全基于算法模型,它从根本上避免了审核过程中,可能存在的主观判断因素。同时,凭借计算机高速运算能力,机器学习模型可以在很短的时间内,快速审核每一个细微末节,并保持足够高的信息敏感度。即便是人类思维中无法发觉的数据特征,在机器学习模型下也会暴露无遗。

在众多保险科技公司中,Shift Technology 最早通过机器学习技术来提高恶意骗保识别率的公司。这是一家位于法国专业提供 “人工智能欺诈 SaaS” 服务供应商。在 2017 年的 A 轮融资中,Shift Technology 凭借自主研发模型技术,获得了 Accel 等公司约 2800 万美金投资

在 Shift Technology 的平台上,保险公司只需要按照一定的格式上传理赔申诉信息,便可以在数分钟内获得反馈报告。在报告中,Shift Technology 会将人工智能发现的可疑信息点标注出来,并按照可疑程度给出评分。当保险公司拿到审核报告后,可以依照报告中标注的可疑信息点,对投保人进行进一步的核实。

根据 Shift Technology 的官网描述,目前其累计审核量已经超过了一亿次,其中恶意骗保申诉的识别准确率接近 80% 。这样精准的识别效果,替保险公司规避了数十亿甚至数百亿的骗保损失

应用智能客服

在 2016 年的中国保险发展年会上,作为到会嘉宾,点破了一个众所周知却鲜被承认的保险行业事实:中国保险业处于 “销售依赖” 阶段。

目前的中国保险从业人群,主要由销售员组成。为了提高业务量,保险公司往往对销售员开出极高的业务提成比例,从而驱使保险销售员签出更多的保单。在投保人所缴纳的保险费中,有相当大的一部分,成为了销售员的提成佣金。在这样“高提成”的销售激励方式背后,是保险公司不得不承担的高销售成本。因此,压缩服务质量成为了保险公司的唯一选择。

随着智能普及程度的提高,即时通讯软件(Instant messaging app),如微信QQ Facebook 等,已经成为了人们日常沟通的主要工具。也正是由于这样的转变,在保险销售工作中,“发消息” 已经成为了销售员与客户之间最便捷的沟通渠道

因此,为了降低销售成本,越来越多的保险公司尝试人工智能科技应用销售过程中,以提高销售员的工作效率和降低销售成本

位于西班牙智能客服技术供应商 CogniCor ,便是 “人工智能+销售” 行业中的领头羊。

CogniCor 公司业务模式是通过向公司提供聊天机器模块盈利,目前其模块主要包括线上问答申诉管理以及产品定制销售公司购买了 CogniCor 的聊天机器模块后,Cognicor 将会在整个保险流程中,为公司客户提供智能问答咨询服务

同时,聊天机器人还可以在聊天中,通过客户的确认触发信息收集机制,来收集客户的需求信息,并按照提前设定的产品参数,向客户推销个性化的定制产品,从而让客户以较低的价格来满足全部的需求。

分析保险科技公司技术应用后,我们可以清晰地看到,目前大多数保险科技公司正处于快速成长期。虽然已经有了成熟技术数据的积累,但整个保险服务供应链上,还存在着极大的业务发展空间市场保险科技服务的种类和供应商,明显还无法满足巨大的市场需求。

随着现阶段行业数据的积累加快,未来可以应用技术研发上的数据也会越来越多,人工智能保险行业的正向影响也将愈加明显。

此外,国家也在《新一代人工智能发展规划发布后,出台了一系列人工智能帮扶政策,例如免抵息等。借着这一次国家级的战略部署,许多保险科技公司已经在浪潮中站稳了脚跟,实现了技术商业转型

技术数据政策三方面的利好下,我们可以清晰预测保险科技行业未来数年间蓬勃发展的必然趋势。面对一个必然的大趋势,我们不仅仅是行业的围观者,同样是人工智能应用受益者。在不远的未来,我们将会直接享受到科技带来的便捷生活