Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

熊光的朋友撰文

在保险市场,AI已经为传统保险公司带来了切实的经济效益

AI技术究竟可以为保险业带来什么,或者是说,保险界都在热议的InsurTech究竟应该如何定义,作为浸淫行业几十年的资深保险专家,太保集团首席数字官杨晓灵有自己不一样的看法。

进入2018年,随着阿里、腾讯、百度、京东等互联网大鳄在保险业的布局日益清晰。其先后拿下保险牌照背后,验证的不仅是这个行业的巨大收入潜力,还有科技给这个传统行业的带来的价值与冲击。

有保险业内人士认为,巨头们的集中入场,或许会带来保险及中介平台的重新洗牌。不过,这种认知在给不少保险公司带来压力的同时,也让很多传统保险巨头看到了技术给业务升级后所带来的机遇。

譬如,包括中国太平洋保险集团(简称“太保集团”)在内的多家传统保险企业除了积极与科技公司进行合作,也凭借数据优势,陆续上线了以简化业务流程为核心的线上智能产品。

显然,BAT们正是利用了保险业创新力不足的现状进行市场切入,科技浪潮使传统企业承受了很大压力,传统金融企业普遍存在着“互联网焦虑”,担心成为恐龙。

但反过来看,传统保险公司又拥有科技企业所欠缺的海量产业数据。

“保险业的立业之本其实就是‘大数据’。因为保险的基本原理就是大数法则,而保险行业的生命表是以10万人为一个组来进行测算,无论是财产险的概率性事件,还是寿险的生命周期概念,实际上都是大数据的概念。” 太保集团首席数字官杨晓灵指出,

“跟我们确立合同关系的客户已经超过6亿,在有效合同期内的就有1亿多用户。所以我们有足够的能力刻画出一个‘脸谱’,知道中国现阶段的消费者长得什么样,都喜欢买什么样的保险。”

但是,数据量大并不意味着这家公司就能把它们都转化为大数据。如果不能对客户交易行为进行全量跟踪,不能对客户发生变化进行迅速反馈,那就没有任何利用价值。

“传统保险业有一个很明显的弱点,就是低频交易。买过了其实也就结束了。很多时候也没有售后,所以在传统场景中的保险交易中,保险销售对客户发生的变化非常迟钝。”

因此,对于大多数传统保险公司来说,将保险交易流程的各个环节利用AI技术进行升级,一方面是提升运营效率的有效手段,另一方面也是积累优质大数据的必然举措。

但无论如何,最后落实在经济效益层面,才是保险业进行技术升级的根本动力。

杨晓灵认为,InsurTech(保险科技)的发展,将极大地改变保险业的竞争生态,对传统保险企业来说既有机遇,更有挑战。

“融合与竞争,让“保险更科技”和“科技更保险”是未来行业发展的潮流与趋势。未来,谁把握了保险科技的机会,就把握了取胜关键。”

AI技术究竟可以为保险业带来什么,或者是说,保险界都在热议的InsurTech究竟应该如何定义,作为浸淫行业几十年的资深保险专家,杨晓灵有自己不一样的一番看法。

以下是根据杨晓灵的访谈内容做的精选整理:

作为来自于保险行业内部的人,我想谈谈自己所认识的InsurTech,也就是保险科技。

保险科技的核心是数字化。所谓数字化就是把问题拆解到二进位制的颗粒度,用计算机语言描述出来,构建应用场景和计算机算法高度融合的数字化生态,最大限度地挖掘和利用数据资源,最大限度地使用物化劳动替代活劳动;

同时,也是最大限度地渗透到供应链全流程各个节点,支持模式创新和流程再造。

随着移动互联网时代的到来,人工智能、大数据、区块链三大核心科技,开始向保险业的方方面面辐射,从产品设计、定价承保、分销渠道、理赔服务、技术系统等主要环节为保险行业赋能,驱动保险业从电子化和信息化、网络化和移动化,到如今进入自动化和智能化的第三阶段。

那么,科技保险到底是个什么东西?

可以从这么几个方面来看:第一,首先人工智能是能够为保险这个行业赋能的。所以InsurTech可以被看作是“赋能”。

赋能主要体现在两个地方,一个是提升客户体验,另一个就是提升运营效能。这几乎是所有企业运营的两大痛点。

客户体验和运营效能这两大痛点的病灶在企业供应链上,供应链管理的目标就是消除运营效能和客户体验两大痛点,数字化战略就是一种有效的解决方案。

其实在传统保险的作业模式中,客户体验是不够好的。譬如笼统来说,最典型的业务场景,就是一张纸质的合同,一个代理人,一个公司的热线服务电话,再加一个公司的营业厅,大概就构成了“保险这点事儿”的场景。

关于保险,其实就是跟这几项打交道,但目前在这个场景下,客户体验其实是不够好的。

因此,如果通过人工智能,把刚才讲的这么复杂的一个供应链变成一个手机APP,把那种人与人之间效率低下的交互,转变为一种高效的智能交互。 这对于用户来说,显然是乐见其成的。

目前,我们打造了业内首个智能保险顾问产品—阿尔法保险,从从家庭资产、家庭负债、家庭责任、收入来源、家庭成员保险5个维度进行数据建模,为用户进行家庭风险诊断。

同时,通过梳理我司及其他同业公司的保险产品,建立产品与责任的保额映射模型,设计保障缺口分析工具,迅速读取用户的已有保障和保障保额,为用户的各家庭成员准确测算保险缺口。

这款产品自2017年9月1日上线以来,“阿尔法保险”的累计访问量接近500万,在保险行业利用新技术提升运营效率和客户体验方面引起广泛关注。

同时,我们通过“阿尔法保险”积累了大量其它途径难以查见的统计信息,包括与国民生活息息相关的健康习惯、结婚生子、收入支出、资产负债、养老期望、保险偏好以及家庭风险防御能力等方面数据。

而从运营效能来看,传统保险行业内部的运营体系其实一直是非常沉重的。

在建立契约、核保、客户服务、续期业务、理赔等等环节中,如果没有人工智能去支持,其实效率会非常低下。

譬如在我们最主营的业务里,医疗保险就是个很典型的例子。

如果某个客户发生医疗事故,就要凭医疗票据和单证来索赔。经过我们的审核检验之后,如果事故确实发生,又在保险责任范围之内,我们就可以赔款。这就是传统的作业流程。

在这个作业模式下面,客观上就存在着一些问题。

首先,这个医疗票证,也就是实物单证的流转很麻烦。你看病,需要开发票,拿着病历送到公司来,我们要处理这些票证对不?所以你来我们的保险公司,以前桌子上都是成堆成堆的票。

其次,将票证全部拿来之后,我们要找专门的专家医疗专家来审验这些票证,人力物力要耗费很多。

那现在如果你在线上直接上传图片,我们就可以用图像识别技术进行识别,进行结构化处理和审核,然后直接进行对保费进行计算并进入最后的理赔阶段。

所以说,这个流程现在就简化为:你拿自己的手机拍张票据的照片,然后上传,over。 

没有了实物的流转,我们的工作效率真的就有了几何级地提升。现在,我们完全有能力把原来以天以周,甚至以月为单位的保险理赔处理流程,转化为通过人工智能进行的实时结算。

举几个提升了运营效能的数字化产品例子。

首先是“数字承保”。这是一种集约化出单云平台,向产险各渠道展业工具提供统一、标准的承保出单服务。

它的综合处理时长为5.14分钟,较年初缩短89.81%,提升了出单效率。

第二个产品是叫“太伙伴”。这是一款车商渠道的移动管理工具,解决了3.02万4S店驻店人力不足的渠道管理痛点,提升了送返修率及渠道核心竞争力。

目前这个产品已经实现内部用户全覆盖,外部用户覆盖率达95.7%。

第三个是新人营销员的数字化签约工具“太保e家人”,新人电子化签约率已达99.99%。

新人线上资料填写只需要半小时,主管随时在ipad端审核,审核完毕,用户可以当场出工号,2小时后采集指纹,签订合同,理想状态可实现当天出单。

第四个是员工出差管理平台“太保商旅”。

出差员工在线上只需“三步”就可以轻松完成差旅行程,全旅程实现“免垫付、免发票、免报销”,实现资源预订“免垫付”费用比例70%,减少个人报销笔数占比75%,减少纸质发票张数比例90%以上。

第五个是“新农人APP”,主要是为新型农业经营主体提供信息直报、涉农贷款、保险购买、生产管理等一站式综合服务。

目前这款APP开始全国推广应用,已覆盖新农人用户22.5万人。

第六个是“交易天眼”,它可以对资产管理的各个交易系统、平台的指令执行状况进行风险预警和防范,并实现可视化集中展示。

系统每天能够发送告警邮件对各项业务的风险点进行提醒,同时对委撤比超标、价差超标等异常交易事件进行实时告警。这已经是属于弱人工智能范畴。

以上就是我们在业务中看到的“赋能”。

第二个层面,除了赋能之外,人工智能带来的是“颠覆”。这里所谓的颠覆指的是对商业模式的颠覆。

举个例子,我们汽车保险的定价基础是有阶段性的。

最早的时候,我们汽车保险的定价基础是叫做“从车定价”,意思是“什么样的车收什么样的保险费”。

简单理解就是“好车多收钱,便宜的车少收钱”。

后来,我们发现保险事故的发生率跟你车的好坏没有太大关系,它还是取决于司机的行为模式。

因此,保险业就慢慢就从“从车”转向“从人”:根据你的行为模式来“定价”你的驾驶习惯。

我有大数据来掌握你的驾驶行为,如果你的驾驶行为好,就可以便宜一点,你的驾驶行为不够好,就可能会贵一点。

从“从车”到“从人”,这已经是一个很大的进步了。

但我们再往下一步想,今后很有可能既不是“从车”也不是“从人”,很可能是“从算法”。

譬如无人驾驶汽车的交通事故的发生率,很大程度上取决于它的算法质量。所以算法不够好,技术不够过硬,就可能失误率高,所以到后面就又可能改变我们保险的定价基础。

也就是说,以后买车险,不是根据你的汽车,不是根据你的驾驶行为,而是看你那辆车的生产厂商用的那套无人驾驶算法好不好。

所以这就是颠覆性的。

以上就是我认为InsurTech或者是人工智能对整个保险行业的影响。

那么,InsurTech也好,人工智能也好,在我们这个行业的应用到底走到什么程度了呢?

现在有人说现在人工智能有泡沫,很多投资人说没泡沫,其实怎么可能没泡沫呢,只不过过了萌芽期,泡沫破了,自然会有一个滑坡期。

包括之前的互联网在内,每个行业都有一个这样的历程,都是有波动的。

虽然你滑坡了,但是随着技术的进步就会有一个复苏期,最后再走向成熟,走向大规模应用,大致上就是这么一个生命周期。

任何一项技术都会有这样一个周期,我认为人工智能在保险行业目前在一(萌芽期)和二(滑坡期)之间。

其实你看现在这么多人工智能行业大会,在某种程度上就是一种泡沫。大家都来关注这个事情,但真正能做成的又有多少人?

太保的定位一直很明确,就是要用科技来引领我们这样一家传统企业的发展。我们提出“人工智能优先”,本质其实是把我们公司变成一家数据驱动型企业,让科技成为我们公司一个新的业务增长点。

从目前我们自己的业务层面来看,我认为跟人工智能相关性更强的不仅仅是在定价上,而是在保险产品形态的变化,形态上的创新。

我举个例子,摩拜这家公司并不是在卖那辆自行车,而是出售一个完整的短途出行的解决方案。

也就是说,自行车只是其中的一个支点,公司设计的其实是围绕自行车的“生态”,来支持你的短途出行。

这与保险产品是一样的。

过去我们保险产品的形态很简单,就是一个保险责任外加一个赔付合同:

你出了什么事情,我赔你多少钱;你交多少钱,出了什么事情,我赔你多少钱,

仅仅是一个这么简单的产品。

但在人工智能的加持下,这个保险形态可能会变成一个生态化产品。就像摩拜那个自行车一样,我们根据你的需求,出售的是基于合同的服务,一个生态型的产品。 

反过来看,这种生态型的产品,对人工智能的需求就非常强劲了,比单纯拿来定价的价值要大太多。

举个例子,在风控领域,我们有一个预防保险欺诈的产品,叫“听风者”,取这个名字其实也有人工智能的成分在里面。

在保险这个行当里面,保险欺诈的比例是很高的。因此,对保险欺诈的识别是该行业一个长期任务。譬如这个事情并没有发生,或者这个事情并没有那么严重,但他们都想索赔,然后就作假,这其实在行业里很正常。

因此,我们就建立了一个语音识别系统,通过识别客户报案时的说话语速、情绪以及陈述方式等等进行判断。就像测谎仪一样,每一通报案电话我都用这个系统跑一遍。 

只要你有这个嫌疑,那我们在进入理赔环节就会对这类客户进行重点“关注”。目前这个已经是比较成熟的应用了。

从结果来看,在这个产品上线以后,我们的直接减损额度已经达到了七位数甚至八位数,效果很明显。

毕竟你想撒谎说假话,人的语气语调总会有些不一样。当然,我们不是完全依靠这个系统,也会有人工进行更加严密的审核。

但至少,我们看到了这些在其他领域已经比较成熟的AI技术,已经给我们带来了资本层面的价值。

目前,太保集团进行数字化转型的进程很快,已经在管理、组织架构、技术、文化上全面进行推进。

在管理方面,我们构建了数字化产品管理体系,通过流程驱动产品研发。

包括上下结合挖掘数字化需求,建立产品立项标准、分级标准、专项激励标准、复盘标准、“关停并转”标准以及专家评估制度。

此外,我们也建立了由32个环节组成的数字化产品研发流程,明确各环节对应的责任人、任务、交付物及时限;

针对产品提案、研发需求、进度管理、产品评估等环节设计标准化工具模板,通过以上管理手段,确保了产品服务主营业务,严控产品交付质量,协同资源推进产品研发及应用分发。

在组织架构上,我们也进行了大调整。

集团层面,集团数字化战略领导小组是数字化战略的最高决策机构,集团首席数字官(CDO)全面负责数字太保战略的执行与落地,并组建集团数字化战略办公室和数字化能力建设中心。

而数字办是数字化战略的行政中枢和产品管理枢纽,数能中心是研发平台和孵化器;

在子公司层面,子公司总经理是数字化产品的总负责人,子公司CDO是子公司数字化产品的第一责任人,子公司各条线分管总是所分管领域数字化产品的直接责任人。

在分支机构层面,各级分支机构负责人都是数字化战略实施的责任主体,组织广大干部员工全身心投入数字太保战略的执行。

因此,通过上述组织体系建设,可以有效地对数字太保形成强有力的组织保障。

而在技术层面,太保集团正在打造中国太保云、大数据平台、人工智能平台“三大基础平台”,推进“两地三中心”布局,为数字化终端和数字化供应链提供计算能力支撑,实现信息系统“亿级用户秒级响应,全量数据实时计算”。

而这样做的目的,就是推进集团数据的互联互通,破解“数据孤岛”难题,为中长期业务发展建立数据基础。

此外,我们也在探索新技术在保险主业的场景应用,建立产学研用的外部合作机制,提供技术输入。

目前,我们已经组织研发了70余个战略级数字化应用产品,形成了智能保险/投资顾问、智能行销支持、智能运营作业、智能客户服务、智能系统运维、智能风控等6大领域业务应用。

同时,通过一年的探索,“数字太保”实现了体系化的推进,形成了一套行之有效的推动方法论和工具,促进了跨公司、跨条线、跨层级的集成与协同,填补了数字化安全的空白。

最后,我准备了一组数据和大家分享:

2017年,中国太保数字化覆盖率达74.2%,同比提升10.7pt,三年预期数字化收益可达25亿元。

仅公司年化节省纸张数量就达2.09亿张,堆叠后的高度相当于87幢太保大厦(太保大厦230米),也相当于3500吨碳排放量。当然,我们节约的成本超过了4000万元。

2018年,太保启动了新的转型2.0战略,包含五大关键词——“人才、数字、协同、管控、布局”。而“数字”,仍然是五大关键词之一。

产业产业报道
11
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

弱人工智能技术

弱人工智能(weak AI),也被称为窄AI,是专注于某一特定狭窄领域任务的人工智能。 相对于可以用来解决通用问题的强(泛)人工智能,几乎目前所有的人工智能都属于弱人工智能的范畴I。

映射技术

映射指的是具有某种特殊结构的函数,或泛指类函数思想的范畴论中的态射。 逻辑和图论中也有一些不太常规的用法。其数学定义为:两个非空集合A与B间存在着对应关系f,而且对于A中的每一个元素x,B中总有有唯一的一个元素y与它对应,就这种对应为从A到B的映射,记作f:A→B。其中,y称为元素x在映射f下的象,记作:y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域,记作f(A)。同样的,在机器学习中,映射就是输入与输出之间的对应关系。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括:在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化,以及尝试对学习集的剩余部分进行猜测,并且输出正确的结果。当与多个泛化器一起使用时,堆叠泛化可以被看作是一个交叉验证的复杂版本,利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时,堆叠泛化是一种用于估计(然后纠正)泛化器的错误的方法,该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

这后半段的软文打得我是猝不及防,还好有料在里头。