人工智能加速渗透 保险业务全流程

本篇文章2139字，读完约5分钟

我们的记者小杨

想象有一天，智能可穿戴设备提醒人们注意健康风险，快速计算可能的治疗费用和保险范围，并为人们预约。医院完成检查后，在自助支付机上，已支付的金额直接从保险公司支付的金额中扣除。回到家里，智能家居提醒人们健康保险政策即将到期，并根据最新的身体状况推荐针对特殊疾病的保险产品和保费。

在8月31日召开的2019年世界人工智能大会上，中安保险数据智能中心总经理孙为与会人员描绘了一幅全新的保险场景:“从可穿戴智能设备采集数据，模型算法训练疾病监测预警，医院检查数据验证疾病监测模型，然后配合自动理赔服务体验。随着人工智能的发展，新的保险指日可待。”

无处不在的“人工智能+保险”:

人工智能贯穿于保险业务的全过程

随着人工智能的发展，数据挖掘、自然语言处理、计算机视觉等技术已经逐渐应用到保险营销、承保、承保、承保、客户服务等业务环节。简化流程，降低逆向选择和恶意保险的风险，使理赔服务更加便捷透明，大大避免了人为调整的干预，实现了保险公司的成本降低和效率提高，给用户带来了终极体验。

孙说:“ai智能保险服务平台的成功创建，体现了人工智能技术已经渗透到保险业务的全过程。这是一个新的保险时代，人工智能无处不在。”

“ai+保险”，最明显的变化在于用户体验。在用户更加关注的核保理赔场景中，智能核保改变了传统手工核保的几页纸的医疗专业问题，通过简单的人机对话，可以判断客户的身体状况，给出准确的核保结论。

以健康保险为例，中安之星产品享受E-Life的智能核保流程，通过智能问卷可以在1-2分钟内完成核保评估，为客户提供个性化保障。过去无法投保的客户有20%以上成功获得了数百万的医疗保险，覆盖了200多种疾病，让客户可以根据自己现有的疾病直观地了解保险情况。在理赔场景中，结合ocr图像识别，中安健康保险24小时理赔率超过50%，核保和理赔自动化率分别为99%和95%，实现了理赔材料的快速审核和验证。

客户服务是用户关注的另一个互动场景。在互联网保险模式下，用户趋向于分散化、定制化和高效化。中安智能护理机器人“中安精灵”建立了行业首个保险意图识别模型，识别准确率达到94%以上。自一年前推出中安Elf以来，已上线9500小时，提供2700多个小时的讲解服务，每天最多30万用户，在线客服人工智能利用率达到70%，在线服务人力节约61%。

据悉，在今年世界人工智能创新大赛的514个有效项目中，中安艾智能保险服务平台和中安烟雾病智能诊断和缺血风险预测项目均入围年度前20名。

最终用户体验的背后:

人工智能技术支持的保险风险控制系统

2019年上半年，中国平安保险拥有3.5亿服务用户和33.3亿份保单。巨大的保单增长使得风险控制的效率和相应的核保索赔面临挑战。风险控制是网络保险的核心项目。在用户的终极体验背后，是一个由人工智能技术支持的保险风险控制系统。

“基于大数据，中安利用知识地图、图像识别等技术提高风险控制的精细化和自动化程度，实现‘高效、精细、真实’等新的保险风险控制要求。”孙对说道。

构建知识地图就是让机器形成认知能力，让人工智能理解保险。据孙介绍，中安知识地图技术包含“1500万+医学知识地图”记录，通过结构化和精细化的数据，加快了保险公司的数字化进程，提高了承保理赔的效率。知识地图有三个技术特征:首先，数据是高度结构化的。数据一致性得到提高，并具有消除歧义的功能；其次，降低数据维护成本。同一数据系统满足风险控制、咨询、产品推荐等环节的需求；最后，人工智能智能推理。有效提高风电控制等环节的智能化和自动化水平。

在健康保险中，知识地图提供了传统规则引擎所不能支持的二级推理能力，并将相关性判断扩展到“药-症-病”三个类别，更符合医生“对症”和“因”方共存的情况。同时，可以减少规则数量，快速稳定地提高索赔效率。

据了解，中安还开发了ai与EKYC(电子了解你的客户)相结合在投保人风险控制中的应用。通过“文件防伪-信息提取-活体识别-人脸比对”，90%以上的真实文件无需人工干预即可一次验证成功，有效区分了真实身份文件与低仿、高仿、翻印和纸质文件，为网上用户提供了一种身份认证方案。

聚合技术打破了壁垒；

数据公开和隐私安全并不矛盾

除了知识地图之外，随着物联网、5g和联邦学习等新技术的出现，物联网和数据开放在未来成为可能。

记者了解到，目前，可穿戴设备可以实时监控客户的标志数据，并在车联网上记录驾驶行为数据，所有这些都可以与保险数据相关联。共筑风险评估模型使保险逐渐从被动的风险防范转向主动的风险干预，从而保护了保险公司和用户双方的利益。

目前，保险业的数据基础仍然薄弱，数据安全存在很大隐患。因此，解决数据问题是人工智能着陆最重要的部分。孙在世界人工智能大会上呼吁:“保险公司不仅要丰富其结构化场景数据，还要加强保险公司与其他行业之间的数据交换。数据公开和隐私安全并不矛盾。利用联邦学习技术的数据隔离特性和加密机制，可以有效解决不同公司之间的数据共享和联合建模问题，消除隐私泄露风险。”他认为，通过人工智能与其他学科的交叉融合，解决隐私保护与人工智能数据需求之间的矛盾，打破数据壁垒，保险的未来才能真正变得更好。

(张乐的这幅画)