中國的保險業一直是一個大餐桌，遠觀是滿漢全席。近看，難咀嚼的菜還是不少。保險業快速發展帶來的巨大吸引力已經使行業忘記了“保險姓保”這一圭臬。國外的保險科技正如火如荼地發展，AI+保險這一模式似乎有助于幫助我國保險業突破目前存在的瓶頸。

在解決痛點這件事上，AI的瞳孔張得很大

想必很多人都有這樣的體驗，在現實生活當中自己總是想買保險卻又在買保險這件事情猶豫再三，甚至最后干脆不買了。究其原因就是保險行業的的痛點實在俯拾皆是：代理人素質低、條款復雜、產品需求不匹配、理賠難、過度營銷……每一條都讓消費者望而卻步，也讓保險行業從業者頭痛不已。而AI的入局，雖不說能夠短時間之內將問題全部解決，但確實能打破傳統保險業的“玻璃屋頂”。

1、差異化定價逐步成為可能選項

“我開車少，平常遵守交通規則，一年很少違章，為什么還要和別人交一樣的保費？”傳統“一刀切”式的車險定價不僅讓車主困惑，也讓保險行業思考，如何才能如何讓客戶的風險狀況與保費相匹配？人工智能在保險業的試水，“從人”本身入手，采用大數據分析，對不同的投保人進行差異化定價或者說精準營銷。去年，螞蟻金服保險數據科技實驗室推出的“車險分”，可以對車主進行精準畫像和風險分析，量化為300—700不等的車險標準，分數越高代表風險越低。比如，已婚已育人群的風險往往比單身人士低；長期在兩個地點之間往來的人群，比沒有固定出行線路的人群要低。類似這樣通過一系列不同車主包括駕駛習慣在內等多維度因子的考量，保險業總體的精準定價能力得到提高。對客戶個人來說，可以進行最匹配其自身情況的投保，避免不必要的支出；對企業來說，提供更有競爭力的服務和價格，可以使它們在自由市場之中實現從虧損到盈利的轉變。

2、AI反欺詐能力破局傳統人工識別

人工智能在我國保險業的反欺詐運用中同樣添了一筆。保險人士曾做過估算，目前我國因保險詐騙產生的費用占保險公司支出費用的15%—20%。美國金融科技公司ZestFinance，利用機器的深度學習，從傳統反欺詐的脆弱點著手，通過機器收集大量異構、多源化信息，形成共享庫。之后，發揮機器學習的功能，搭配模型算法技術，可以從傳統歷史數據中量化抽取風險特征指標，建立人工智能反欺詐模型。這一模型已經在國外的銀行業實現了實時在線對交易數據進行欺詐識別。但事實上，在國內，目前將人工智能的深度學習技術與反欺詐相結合的應用還比較少，如果未來國內保險行業能引入這一技術，無疑將向市場健康化發展邁進一大步。

3、AI搭配共享經濟模式建立理賠資源云平臺

中小企業保險企業由于規模，人力資源，品牌效應等的不足，在運營成本和客戶服務兩者之間常常難以取舍。以車險為例子，在進一步的車險降費之后，保險公司收的保費減少，而保險責任卻增加，保險行業老三家的競爭優勢更為明顯，中小險企由于較高的賠付壓力盈利頗為艱難。AI+共享經濟的新模式，通過互聯網大數據，人工智能處理車輛出險查勘派單、賠付等流程，為中小保險公司機構、人員配置的瓶頸問題開辟了新的道路。2017年12月18日，北京地區行業車險理賠共享服務網點正式啟動。此前，“中保協”牽頭，螞蟻金服、滴滴參股的“中保車服科技服務股份有限公司”也采用了共享經濟模式，擬打造一家開放式共享的互聯網車險理賠平臺，服務對象直指中小財險公司。過去，中小保險公司服務網點網點全面覆蓋和人員產能不足之間的矛盾得到了一次全新意義上的解決，這些新生企業或不會再為理賠能力跟不上而被客戶拋棄。

4、虛擬代理人喊話去掉尾大不掉的復雜機構

面對現實世界當中千變萬化的財富和風險情況，盡管保險正變得越來越復雜，但保險機構或可以趨向越來越精簡的模式。在互聯網和現代科技工具的作用之下，保險行業的服務能力漸達飽和，引入AI虛擬保險代理人代替產能較為薄弱的機構，可以讓過去保險業尾大不掉的局面大為改善。美國保險公司lemonade，采用名叫“Maya”的人工智能程序為投保人計算保險利率。“Maya”可以完成回應消費者的咨詢，對保險條款進行解讀，發送保險計算報價等一系列傳統保險代理人的主要工作內容。當然，AI的作用不僅僅是代替，還是在職業能力上新量級的提升。人工智能可以通過數據的錄入和訓練迅速成為保險專家，做到專業的人工代理人所無法做到的定制化保險產品。馬薩諸塞州的保險科技創業公司Insurify推出的線上保險代理智能機器人Evia，通過用戶提供的一張車牌照片可以為客戶提供量身定做的保險推薦，其具體的過程是：公司人工智能系統接受照片—開始搜索保戶的個人紀錄—判斷其個人信息和駕駛記錄—最后，將用戶風險特征和保險公司便好進行智能匹配。Evia 所完成的每一份保單都是私人定制，并將解決客戶問題的過程一步步推至完美。

不管是向所有保險客戶都出手低保障、高收益率的同一類保險產品，還是依靠人工經驗來區別保險詐騙等等，站在現在看，都屬于保險業粗放發展的突出表現。而人工智能的入局將使保險業更加專業化，同時帶來中國保險業市場由粗放走向精細。在人工智能幫助保險公司細分服務、細分市場、細分群體之后，保險業這個朝陽產業將有望在社會上散發更溫暖的陽光。

AI+保險模式，尚有“三關”待闖

人工智能+保險的這鍋水正在爐上煮，不過仍然有幾點現實的因素告訴嘗試入局的人—距離這一領域到達沸騰的時刻還需要耐心再等等。

1、保險行業特性限制數據收集速度：利用AI完善決策的制定是保險行業未來解決問題的一個最優解。但這一想法在目前看來還剛上路，與銀行業不同，保險業的數據采用的是分散儲存的機制。因此保險行業數據缺乏時間連貫性和觀測對象完整性。每一家保險公司想要建立豐富完備的數據庫只能單槍匹馬靠自己，這一過程恐頗為漫長。我們都知道AI系統必須有足夠多的理賠數據消化才能完善算法模型，對于AI的深度學習來說，行業數據的慢速積累是它應用于保險業發揮其高階智能水平的“攔路虎”。如果不能在未來獲得大量的閉環數據或者持續數據來完善人工智能系統，其在保險行業的應用難以突破瓶頸。

2、信息不對稱之下用戶安全感難以保障：隨著科技的進步，保險代理人中低端服務需求增速變緩，多數發達國家的保險代理人數量呈下降趨勢。但盡管如此，掌握全面的風險控制技能和理財知識的保險代理人仍是永遠被需要的。保險是一個極其依托場景化的行業，理論上AI被應用后產品場景化的呈現會更好，因為AI可以通過計算針對不同情況推出最合理的方案。但是面對人類在投保時由于信息不對稱而惴惴不安的心情，它無法給予的是設身處地的關懷和理解，而客戶需要的恰恰就是情感交流帶來的安全感而非冰冷的問答機制。在此前提之下，智能相對論（ID:aixdlun）分析師楊蘇穎認為解決方案有兩種，一是讓區塊鏈與人工智能打配合，在去中心化的數據庫世界中從根源打破用戶有效信息缺失困局；二是讓人工智能更像人類，美國麻省理工的科學家正在打造一個可根據生理訊息、語音對話辨別人們情緒的人工智能系統，它可以透過穿戴裝置搜集大量生理、語音數據，提高辨識人類情緒的精準度。

3、抽象重視但具象漠視科技：我國目前在保險科技方面與國際領先企業相比仍然存在一段距離。國外保險巨頭在科技應用方面已有許多嘗試：例如美國INSURIFY應用人工智能技術模擬保險代理；英國Sherpa獲230萬美元種子輪融資，打造以人工智能為驅動的平臺，建立用戶個人檔案。反觀國內，保險業建立大數據研發團隊的公司占比僅為20%左右，且三分之二研發團隊人數在10人以下。這意味著未來會成為保險業全部的科技，如今僅被定義為“配角”。而在此背后我們需要看到的更為深刻的問題是在傳統保險行業之中，體制思維與互聯網思維的絕對對立。從表面喊口號式的重視到直接落實至戰略層面規劃的轉變，我國的保險行業仍然站在徘徊的十字路口。

集結號的吹響加速了新舊范式的對壘，一眾剛誕生不久小企業或能借科技之光與大企業站在同一起跑線開始新一輪的角逐。在全面觸網的時代下，AI+保險這塊大餅中蘊藏的機會是無限大的。

【來源：智能相對論】