|
中国的保险业一直是一个大餐桌，远观是满汉全席。近看，难咀嚼的菜还是不少。保险业快速发展带来的巨大吸引力已经使行业忘记了“保险姓保”这一圭臬。国外的保险科技正如火如荼地发展，AI+保险这一模式似乎有助于帮助我国保险业突破目前存在的瓶颈。 一 在解决痛点这件事上，AI的瞳孔张得很大 想必很多人都有这样的体验，在现实生活当中自己总是想买保险却又在买保险这件事情犹豫再三，甚至最后干脆不买了。究其原因就是保险行业的的痛点实在俯拾皆是：代理人素质低、条款复杂、产品需求不匹配、理赔难、过度营销……每一条都让消费者望而却步，也让保险行业从业者头痛不已。而AI的入局，虽不说能够短时间之内将问题全部解决，但确实能打破传统保险业的“玻璃屋顶”。 1、差异化定价逐步成为可能选项 “我开车少，平常遵守交通规则，一年很少违章，为什么还要和别人交一样的保费？”传统“一刀切”式的车险定价不仅让车主困惑，也让保险行业思考，如何才能如何让客户的风险状况与保费相匹配？人工智能在保险业的试水，“从人”本身入手，采用大数据分析，对不同的投保人进行差异化定价或者说精准营销。去年，蚂蚁金服保险数据科技实验室推出的“车险分”，可以对车主进行精准画像和风险分析，量化为300—700不等的车险标准，分数越高代表风险越低。比如，已婚已育人群的风险往往比单身人士低；长期在两个地点之间往来的人群，比没有固定出行线路的人群要低。类似这样通过一系列不同车主包括驾驶习惯在内等多维度因子的考量，保险业总体的精准定价能力得到提高。对客户个人来说，可以进行最匹配其自身情况的投保，避免不必要的支出；对企业来说，提供更有竞争力的服务和价格，可以使它们在自由市场之中实现从亏损到盈利的转变。 2、AI反欺诈能力破局传统人工识别 人工智能在我国保险业的反欺诈运用中同样添了一笔。保险人士曾做过估算，目前我国因保险诈骗产生的费用占保险公司支出费用的15%—20%。美国金融科技公司ZestFinance，利用机器的深度学习，从传统反欺诈的脆弱点着手，通过机器收集大量异构、多源化信息，形成共享库。之后，发挥机器学习的功能，搭配模型算法技术，可以从传统历史数据中量化抽取风险特征指标，建立人工智能反欺诈模型。这一模型已经在国外的银行业实现了实时在线对交易数据进行欺诈识别。但事实上，在国内，目前将人工智能的深度学习技术与反欺诈相结合的应用还比较少，如果未来国内保险行业能引入这一技术，无疑将向市场健康化发展迈进一大步。 3、AI搭配共享经济模式建立理赔资源云平台 中小企业保险企业由于规模，人力资源，品牌效应等的不足，在运营成本和客户服务两者之间常常难以取舍。以车险为例子，在进一步的车险降费之后，保险公司收的保费减少，而保险责任却增加，保险行业老三家的竞争优势更为明显，中小险企由于较高的赔付压力盈利颇为艰难。AI+共享经济的新模式，通过互联网大数据，人工智能处理车辆出险查勘派单、赔付等流程，为中小保险公司机构、人员配置的瓶颈问题开辟了新的道路。2017年12月18日，北京地区行业车险理赔共享服务网点正式启动。此前，“中保协”牵头，蚂蚁金服、滴滴参股的“中保车服科技服务股份有限公司”也采用了共享经济模式，拟打造一家开放式共享的互联网车险理赔平台，服务对象直指中小财险公司。过去，中小保险公司服务网点网点全面覆盖和人员产能不足之间的矛盾得到了一次全新意义上的解决，这些新生企业或不会再为理赔能力跟不上而被客户抛弃。 4、虚拟代理人喊话去掉尾大不掉的复杂机构 面对现实世界当中千变万化的财富和风险情况，尽管保险正变得越来越复杂，但保险机构或可以趋向越来越精简的模式。在互联网和现代科技工具的作用之下，保险行业的服务能力渐达饱和，引入AI虚拟保险代理人代替产能较为薄弱的机构，可以让过去保险业尾大不掉的局面大为改善。美国保险公司lemonade，采用名叫“Maya”的人工智能程序为投保人计算保险利率。“Maya”可以完成回应消费者的咨询，对保险条款进行解读，发送保险计算报价等一系列传统保险代理人的主要工作内容。当然，AI的作用不仅仅是代替，还是在职业能力上新量级的提升。人工智能可以通过数据的录入和训练迅速成为保险专家，做到专业的人工代理人所无法做到的定制化保险产品。马萨诸塞州的保险科技创业公司Insurify推出的线上保险代理智能机器人Evia，通过用户提供的一张车牌照片可以为客户提供量身定做的保险推荐，其具体的过程是：公司人工智能系统接受照片—开始搜索保户的个人纪录—判断其个人信息和驾驶记录—最后，将用户风险特征和保险公司便好进行智能匹配。Evia 所完成的每一份保单都是私人定制，并将解决客户问题的过程一步步推至完美。 不管是向所有保险客户都出手低保障、高收益率的同一类保险产品，还是依靠人工经验来区别保险诈骗等等，站在现在看，都属于保险业粗放发展的突出表现。而人工智能的入局将使保险业更加专业化，同时带来中国保险业市场由粗放走向精细。在人工智能帮助保险公司细分服务、细分市场、细分群体之后，保险业这个朝阳产业将有望在社会上散发更温暖的阳光。 二 AI+保险模式，尚有“三关”待闯 人工智能+保险的这锅水正在炉上煮，不过仍然有几点现实的因素告诉尝试入局的人—距离这一领域到达沸腾的时刻还需要耐心再等等。 1、保险行业特性限制数据收集速度：利用AI完善决策的制定是保险行业未来解决问题的一个最优解。但这一想法在目前看来还刚上路，与银行业不同，保险业的数据采用的是分散储存的机制。因此保险行业数据缺乏时间连贯性和观测对象完整性。每一家保险公司想要建立丰富完备的数据库只能单枪匹马靠自己，这一过程恐颇为漫长。我们都知道AI系统必须有足够多的理赔数据消化才能完善算法模型，对于AI的深度学习来说，行业数据的慢速积累是它应用于保险业发挥其高阶智能水平的“拦路虎”。如果不能在未来获得大量的闭环数据或者持续数据来完善人工智能系统，其在保险行业的应用难以突破瓶颈。 2、信息不对称之下用户安全感难以保障：随着科技的进步，保险代理人中低端服务需求增速变缓，多数发达国家的保险代理人数量呈下降趋势。但尽管如此，掌握全面的风险控制技能和理财知识的保险代理人仍是永远被需要的。保险是一个极其依托场景化的行业，理论上AI被应用后产品场景化的呈现会更好，因为AI可以通过计算针对不同情况推出最合理的方案。但是面对人类在投保时由于信息不对称而惴惴不安的心情，它无法给予的是设身处地的关怀和理解，而客户需要的恰恰就是情感交流带来的安全感而非冰冷的问答机制。在此前提之下，智能相对论（ID:aixdlun）分析师杨苏颖认为解决方案有两种，一是让区块链与人工智能打配合，在去中心化的数据库世界中从根源打破用户有效信息缺失困局；二是让人工智能更像人类，美国麻省理工的科学家正在打造一个可根据生理讯息、语音对话辨别人们情绪的人工智能系统，它可以透过穿戴装置搜集大量生理、语音数据，提高辨识人类情绪的精准度。 3、抽象重视但具象漠视科技：我国目前在保险科技方面与国际领先企业相比仍然存在一段距离。国外保险巨头在科技应用方面已有许多尝试：例如美国INSURIFY应用人工智能技术模拟保险代理；英国Sherpa获230万美元种子轮融资，打造以人工智能为驱动的平台，建立用户个人档案。反观国内，保险业建立大数据研发团队的公司占比仅为20%左右，且三分之二研发团队人数在10人以下。这意味着未来会成为保险业全部的科技，如今仅被定义为“配角”。而在此背后我们需要看到的更为深刻的问题是在传统保险行业之中，体制思维与互联网思维的绝对对立。从表面喊口号式的重视到直接落实至战略层面规划的转变，我国的保险行业仍然站在徘徊的十字路口。 集结号的吹响加速了新旧范式的对垒，一众刚诞生不久小企业或能借科技之光与大企业站在同一起跑线开始新一轮的角逐。在全面触网的时代下，AI+保险这块大饼中蕴藏的机会是无限大的。 【完】 |
|
|
