由于保險(xiǎn)行業(yè)參差不齊、條款復(fù)雜、理賠難等一系列問題，很多用戶在買保險(xiǎn)時(shí)都會(huì)猶豫再三。而隨著AI的加入，雖然不能短時(shí)間內(nèi)解決用戶的全部痛點(diǎn)，但也確實(shí)對傳統(tǒng)保險(xiǎn)業(yè)有很大的促進(jìn)。

中國的保險(xiǎn)業(yè)一直是一個(gè)大餐桌，遠(yuǎn)觀是滿漢全席，近看，難咀嚼的菜還是不少。保險(xiǎn)業(yè)快速發(fā)展帶來的巨大吸引力已經(jīng)使行業(yè)忘記了“保險(xiǎn)姓?！边@一圭臬。國外的保險(xiǎn)科技正如火如荼地發(fā)展，AI+保險(xiǎn)這一模式似乎有助于幫助我國保險(xiǎn)業(yè)突破目前存在的瓶頸。

在解決痛點(diǎn)這件事上，AI的瞳孔張得很大。

想必很多人都有這樣的體驗(yàn)，在現(xiàn)實(shí)生活當(dāng)中自己總是想買保險(xiǎn)卻又在買保險(xiǎn)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(xiǎn)行業(yè)的的痛點(diǎn)實(shí)在俯拾皆是：代理人素質(zhì)低、條款復(fù)雜、產(chǎn)品需求不匹配、理賠難、過度營銷……每一條都讓消費(fèi)者望而卻步，也讓保險(xiǎn)行業(yè)從業(yè)者頭痛不已。

而AI的入局，雖不說能夠短時(shí)間之內(nèi)將問題全部解決，但確實(shí)能打破傳統(tǒng)保險(xiǎn)業(yè)的“玻璃屋頂”。

一、差異化定價(jià)逐步成為可能選項(xiàng)

“我開車少，平常遵守交通規(guī)則，一年很少違章，為什么還要和別人交一樣的保費(fèi)？”傳統(tǒng)“一刀切”式的車險(xiǎn)定價(jià)不僅讓車主困惑，也讓保險(xiǎn)行業(yè)思考，如何才能如何讓客戶的風(fēng)險(xiǎn)狀況與保費(fèi)相匹配？人工智能在保險(xiǎn)業(yè)的試水，“從人”本身入手，采用大數(shù)據(jù)分析，對不同的投保人進(jìn)行差異化定價(jià)或者說精準(zhǔn)營銷。

去年，螞蟻金服保險(xiǎn)數(shù)據(jù)科技實(shí)驗(yàn)室推出的“車險(xiǎn)分”，可以對車主進(jìn)行精準(zhǔn)畫像和風(fēng)險(xiǎn)分析，量化為300—700不等的車險(xiǎn)標(biāo)準(zhǔn)，分?jǐn)?shù)越高代表風(fēng)險(xiǎn)越低。比如，已婚已育人群的風(fēng)險(xiǎn)往往比單身人士低；長期在兩個(gè)地點(diǎn)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(xí)慣在內(nèi)等多維度因子的考量，保險(xiǎn)業(yè)總體的精準(zhǔn)定價(jià)能力得到提高。對客戶個(gè)人來說，可以進(jìn)行最匹配其自身情況的投保，避免不必要的支出；對企業(yè)來說，提供更有競爭力的服務(wù)和價(jià)格，可以使它們在自由市場之中實(shí)現(xiàn)從虧損到盈利的轉(zhuǎn)變。

二、AI反欺詐能力破局傳統(tǒng)人工識(shí)別

人工智能在我國保險(xiǎn)業(yè)的反欺詐運(yùn)用中同樣添了一筆。保險(xiǎn)人士曾做過估算，目前我國因保險(xiǎn)詐騙產(chǎn)生的費(fèi)用占保險(xiǎn)公司支出費(fèi)用的15%—20%。

美國金融科技公司Zest Finance利用機(jī)器的深度學(xué)習(xí)，從傳統(tǒng)反欺詐的脆弱點(diǎn)著手，通過機(jī)器收集大量異構(gòu)、多源化信息，形成共享庫。之后，發(fā)揮機(jī)器學(xué)習(xí)的功能，搭配模型算法技術(shù)，可以從傳統(tǒng)歷史數(shù)據(jù)中量化抽取風(fēng)險(xiǎn)特征指標(biāo)，建立人工智能反欺詐模型。

這一模型已經(jīng)在國外的銀行業(yè)實(shí)現(xiàn)了實(shí)時(shí)在線對交易數(shù)據(jù)進(jìn)行欺詐識(shí)別。但事實(shí)上，在國內(nèi)，目前將人工智能的深度學(xué)習(xí)技術(shù)與反欺詐相結(jié)合的應(yīng)用還比較少，如果未來國內(nèi)保險(xiǎn)行業(yè)能引入這一技術(shù)，無疑將向市場健康化發(fā)展邁進(jìn)一大步。

三、AI搭配共享經(jīng)濟(jì)模式建立理賠資源云平臺(tái)

中小企業(yè)保險(xiǎn)企業(yè)由于規(guī)模、人力資源、品牌效應(yīng)等的不足，在運(yùn)營成本和客戶服務(wù)兩者之間常常難以取舍。以車險(xiǎn)為例子，在進(jìn)一步的車險(xiǎn)降費(fèi)之后，保險(xiǎn)公司收的保費(fèi)減少，而保險(xiǎn)責(zé)任卻增加，保險(xiǎn)行業(yè)老三家的競爭優(yōu)勢更為明顯，中小險(xiǎn)企由于較高的賠付壓力盈利頗為艱難。

AI+共享經(jīng)濟(jì)的新模式，通過互聯(lián)網(wǎng)大數(shù)據(jù)，人工智能處理車輛出險(xiǎn)查勘派單、賠付等流程，為中小保險(xiǎn)公司機(jī)構(gòu)、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(qū)行業(yè)車險(xiǎn)理賠共享服務(wù)網(wǎng)點(diǎn)正式啟動(dòng)。

此前，“中保協(xié)”牽頭，螞蟻金服、滴滴參股的“中保車服科技服務(wù)股份有限公司”也采用了共享經(jīng)濟(jì)模式，擬打造一家開放式共享的互聯(lián)網(wǎng)車險(xiǎn)理賠平臺(tái)，服務(wù)對象直指中小財(cái)險(xiǎn)公司。

過去，中小保險(xiǎn)公司服務(wù)網(wǎng)點(diǎn)全面覆蓋和人員產(chǎn)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(yè)或不會(huì)再為理賠能力跟不上而被客戶拋棄。

四、虛擬代理人喊話去掉尾大不掉的復(fù)雜機(jī)構(gòu)

面對現(xiàn)實(shí)世界當(dāng)中千變?nèi)f化的財(cái)富和風(fēng)險(xiǎn)情況，盡管保險(xiǎn)正變得越來越復(fù)雜，但保險(xiǎn)機(jī)構(gòu)或可以趨向越來越精簡的模式。在互聯(lián)網(wǎng)和現(xiàn)代科技工具的作用之下，保險(xiǎn)行業(yè)的服務(wù)能力漸達(dá)飽和，引入AI虛擬保險(xiǎn)代理人代替產(chǎn)能較為薄弱的機(jī)構(gòu)，可以讓過去保險(xiǎn)業(yè)尾大不掉的局面大為改善。

美國保險(xiǎn)公司lemonade，采用名叫“Maya”的人工智能程序?yàn)橥侗Ｈ擞?jì)算保險(xiǎn)利率?！癕aya”可以完成回應(yīng)消費(fèi)者的咨詢，對保險(xiǎn)條款進(jìn)行解讀，發(fā)送保險(xiǎn)計(jì)算報(bào)價(jià)等一系列傳統(tǒng)保險(xiǎn)代理人的主要工作內(nèi)容。

當(dāng)然，AI的作用不僅僅是代替，還是在職業(yè)能力上新量級(jí)的提升。人工智能可以通過數(shù)據(jù)的錄入和訓(xùn)練迅速成為保險(xiǎn)專家，做到專業(yè)的人工代理人所無法做到的定制化保險(xiǎn)產(chǎn)品。

馬薩諸塞州的保險(xiǎn)科技創(chuàng)業(yè)公司Insurify推出的線上保險(xiǎn)代理智能機(jī)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(xiǎn)推薦，其具體的過程是：公司人工智能系統(tǒng)接受照片—開始搜索保戶的個(gè)人紀(jì)錄—判斷其個(gè)人信息和駕駛記錄—最后，將用戶風(fēng)險(xiǎn)特征和保險(xiǎn)公司便好進(jìn)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(xiǎn)客戶都出手低保障、高收益率的同一類保險(xiǎn)產(chǎn)品，還是依靠人工經(jīng)驗(yàn)來區(qū)別保險(xiǎn)詐騙等等，站在現(xiàn)在看，都屬于保險(xiǎn)業(yè)粗放發(fā)展的突出表現(xiàn)。而人工智能的入局將使保險(xiǎn)業(yè)更加專業(yè)化，同時(shí)帶來中國保險(xiǎn)業(yè)市場由粗放走向精細(xì)。

在人工智能幫助保險(xiǎn)公司細(xì)分服務(wù)、細(xì)分市場、細(xì)分群體之后，保險(xiǎn)業(yè)這個(gè)朝陽產(chǎn)業(yè)將有望在社會(huì)上散發(fā)更溫暖的陽光。

五、AI+保險(xiǎn)模式，尚有“三關(guān)”待闖

人工智能+保險(xiǎn)的這鍋水正在爐上煮，不過仍然有幾點(diǎn)現(xiàn)實(shí)的因素告訴嘗試入局的人，距離這一領(lǐng)域到達(dá)沸騰的時(shí)刻還需要耐心再等等。

1.保險(xiǎn)行業(yè)特性限制數(shù)據(jù)收集速度

利用AI完善決策的制定是保險(xiǎn)行業(yè)未來解決問題的一個(gè)最優(yōu)解，但這一想法在目前看來還剛上路。

與銀行業(yè)不同，保險(xiǎn)業(yè)的數(shù)據(jù)采用的是分散儲(chǔ)存的機(jī)制，因此保險(xiǎn)行業(yè)數(shù)據(jù)缺乏時(shí)間連貫性和觀測對象完整性。每一家保險(xiǎn)公司想要建立豐富完備的數(shù)據(jù)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(tǒng)必須有足夠多的理賠數(shù)據(jù)消化才能完善算法模型，對于AI的深度學(xué)習(xí)來說，行業(yè)數(shù)據(jù)的慢速積累是它應(yīng)用于保險(xiǎn)業(yè)發(fā)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(huán)數(shù)據(jù)或者持續(xù)數(shù)據(jù)來完善人工智能系統(tǒng)，其在保險(xiǎn)行業(yè)的應(yīng)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(jìn)步，保險(xiǎn)代理人中低端服務(wù)需求增速變緩，多數(shù)發(fā)達(dá)國家的保險(xiǎn)代理人數(shù)量呈下降趨勢。但盡管如此，掌握全面的風(fēng)險(xiǎn)控制技能和理財(cái)知識(shí)的保險(xiǎn)代理人仍是永遠(yuǎn)被需要的。

保險(xiǎn)是一個(gè)極其依托場景化的行業(yè)，理論上AI被應(yīng)用后產(chǎn)品場景化的呈現(xiàn)會(huì)更好，因?yàn)锳I可以通過計(jì)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(shí)由于信息不對稱而惴惴不安的心情，它無法給予的是設(shè)身處地的關(guān)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(jī)制。

在此前提之下，智能相對論分析師楊蘇穎認(rèn)為解決方案有兩種：

1. 讓區(qū)塊鏈與人工智能打配合，在去中心化的數(shù)據(jù)庫世界中從根源打破用戶有效信息缺失困局；
2. 讓人工智能更像人類，美國麻省理工的科學(xué)家正在打造一個(gè)可根據(jù)生理訊息、語音對話辨別人們情緒的人工智能系統(tǒng)，它可以透過穿戴裝置搜集大量生理、語音數(shù)據(jù)，提高辨識(shí)人類情緒的精準(zhǔn)度。

3.抽象重視但具象漠視科技

我國目前在保險(xiǎn)科技方面與國際領(lǐng)先企業(yè)相比仍然存在一段距離。國外保險(xiǎn)巨頭在科技應(yīng)用方面已有許多嘗試：例如美國INSURIFY應(yīng)用人工智能技術(shù)模擬保險(xiǎn)代理；英國Sherpa獲230萬美元種子輪融資，打造以人工智能為驅(qū)動(dòng)的平臺(tái)，建立用戶個(gè)人檔案。

反觀國內(nèi)，保險(xiǎn)業(yè)建立大數(shù)據(jù)研發(fā)團(tuán)隊(duì)的公司占比僅為20%左右，且三分之二研發(fā)團(tuán)隊(duì)人數(shù)在10人以下。這意味著未來會(huì)成為保險(xiǎn)業(yè)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(tǒng)保險(xiǎn)行業(yè)之中，體制思維與互聯(lián)網(wǎng)思維的絕對對立。

從表面喊口號(hào)式的重視到直接落實(shí)至戰(zhàn)略層面規(guī)劃的轉(zhuǎn)變，我國的保險(xiǎn)行業(yè)仍然站在徘徊的十字路口。

集結(jié)號(hào)的吹響加速了新舊范式的對壘，一眾剛誕生不久小企業(yè)或能借科技之光與大企業(yè)站在同一起跑線開始新一輪的角逐。在全面觸網(wǎng)的時(shí)代下，AI+保險(xiǎn)這塊大餅中蘊(yùn)藏的機(jī)會(huì)是無限大的。

作者：楊蘇穎，微信公眾號(hào)：智能相對論

本文由 @智能相對論 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CCO協(xié)議