【保险供给策】人工智能赋能车险人伤理赔的思考 2019-03-30

  车险人伤理赔因人伤案件存在周期长、赔偿影响因素多、涉及面广、知识面广、多种法律关系并存、法律法规不健全等特点,传统都是依赖专业的医疗理赔人员人工作业,低效低产问题尤为突出。因此,笔者认为,车险人伤理赔必须顺势而为,基于人工智能技术手段尽可能减少车险人伤理赔的人工干预,驱动自动化、智能化操作,提升效能,进而提升保险公司营收。

  人工智能是计算机科学的一个分支,是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学(来自百度百科)。

  人工智能研究过程中,涉及到认知科学、数学、神经生理学、心理学、计算机科学等多个学科,按技术分类主要有基础技术、支柱技术和应用技术三类。基础技术领域主要是搜索技术、知识表示和知识利用技术、抽象和归纳技术、推理技术、联想技术;支柱技术领域主要是不确定信息梳理的模糊逻辑,非线性信息处理的神经网络,最优化信息处理的遗传算法;应用技术领域主要是专家系统、机器学习、分布式人工智能、模式识别、自然语言处理技术和计算机视觉。

  人工智能概念自1956年“达特茅斯会议”首次正式提出,历经60余年的探索研究,其三大核心技术发展迅猛、日趋成熟,并不断被运用到各种领域。搜索引擎基于用户请求给出的网页排名,购物网站基于用户浏览数据给出的商品推荐,如百度的小度、微软的小娜、安卓的灵犀、平安的小安等,都是低级别人工智能在实际生活场景中的运用。2017年10月AlphaGo Zero的出世更使得人工智能的曝光度达到了顶峰,向世人昭示“未来已来”。

  事实上,海外保险市场上人工智能的商业化运用案例已屡见不鲜。美国保险科技公司Lemonade运用智能机器人帮助客户自助投保,并基于客户需求差异化定制保险方案。美国互联网经纪公司Insurify运用人工智能技术模拟保险代理人,基于客户反馈的照片、语言等信息,出具适合客户需求的保险方案和报价。日本富国生命保险公司引入IBM Watson Explorer替代员工,负责信息收集、读取、核对,执行保险索赔类分析工作。Carpe Data搭建直销平台,获取社交媒体数据,构建定价和反欺诈模型,进而有效评估承保前、承保中和承保后的潜在风险。Audatex通过客户反馈的图片信息,运用人工智能技术判定损失部位和损失程度,从而实现车辆自动定损。

  同样,人工智能在国内非人伤保险理赔领域也开始有所涉足。作为全球第二的万亿级保险市场,车险在产险公司的业务占比超过70%(俞斌,2018),规模可观。且 “万众创新”已成为新态势,资本市场、保险主体、科技公司都在积极主动思考、谋划人工智能在保险行业的运用。2017年6月,蚂蚁金服推出智能定损产品“定损宝”,运用人工智能深度学习图像识别检测技术,能够在几秒钟内给出包括受损部件、维修方案、价格及出险后对来年保费影响的评估结果。2017年9月,中国平安集团旗下金融科技公司金融壹账通推出“智能闪赔”,实现高精度图片识别、一键秒级定损、自动精准定价和智能风险拦截。

  从2015年5月19日国务院发布《中国制造2025》(国发〔2015〕28号),到2017年7月8日国务院发布《新一代人工智能发展规划》(国发〔2017〕35号);从2016年5月18日国家发改委、科技部、工信部、网信办联合下发《关于印发〈 “互联网+”人工智能三年行动实施方案〉的通知》(发改高技〔2016〕1078号),到2017年12月14日工信部下发《关于印发〈促进新一代人工智能产业发展三年行动计划(2018—2020年)〉的通知》(工信部科〔2017〕315号);从《2017年政府工作报告》,到《2018年政府工作报告》,在政府报告、宏观规划及具体实施方案三个层面,均表明人工智能已进入政策红利新阶段,将有力推动其赋能人伤理赔进入发展快车道。

  80后、90后、00后这一保险消费主力军已然崛起,消费者格局正迅速地从“传统主义者”变为“科技主义者”。据《中国互联网发展报告2018》披露,截至2017年底,我国内地网民数量达到7.72亿人,普及率达55.8%。

  保险是“劳动密集”型服务行业,尤其是车险,尽管规模大、发展速度快,但整体盈利水平较低,大部分车险企业都处于亏损或赢亏边缘状态。其中,人伤理赔的人均产能不高的矛盾尤为突出,加之赔偿标准每年15%左右的增幅,亟需借势人工智能降成本、提效能。

  众所周知,海量数据是人工智能基础,车险业务标准化、信息化程度相对较高,使得业务数据得以沉淀,大量数据的积累对人工智能在行业运用是一个促进。其次,只要是有规则可循、能够形成数据闭环的应用场景都可以用人工智能替代,而中国保险行业就符合这个特征,或成为人工智能浪潮的另一个风口。在这个“风口”里,人工智能在车辆定损场景已经涉足,人伤理赔场景几乎空白,或成为“风口”中的风口。

  一个人工智能项目,前期的数据集获取、数据预处理、挖掘分析以及构建模型,可能一两周时间就可以完成,但在验证模型完整性、正确性、效能等方面,将占用大量的资源,耗费巨大的成本。从近两年资本市场资金流向看,投资保险行业的资金呈逐年增加态势;从保险公司自身投入看,大型保险公司将走在前面,平安就明确对外公布,未来十年将投入1000亿元用于科技研发。

  在人伤理赔场景,针对伤情诊断、治疗、预后等,很大程度依赖医学专业知识,而医学是一门靠归纳逻辑、经验学习、循证实践的学科,人工智能已经在这个行业发挥着重要作用,并延伸到了保险理赔领域,如IBM Watson Explorer。

  就车险人伤理赔而言,基于案件发生发展的故事线可以分成四步:第一步判定真实性,即事故是真实发生还是摆放现场,抑或是“移花接木”;第二步判定事故性质,即在确定事故真实发生的基础上,进一步核实是否故意肇事、是否属于保险责任、是否存在责任免除;第三步判定事故责任,即根据事故当事人的过错程度判定应承担责任属性和责任比例;第四步确定事故损失,即根据当事人损伤程度、伤情诊断、预后等情况,从真实性、合法性、合理性和关联性四个方面,确定医疗费、误工费、护理费等具体费用项目的具体金额。第一、二步统称为案件定性,可以归属到反欺诈范畴,目前国内已经有多家企业涉足并取得了一定成绩。第三步主要依赖于交警部门,此处不做探讨。本文仅聚焦人伤案件损失核定如何实现人工智能。

  数据和算法是人工智能的底层逻辑,数据是基础,算法是驱动。因此,人伤案件损失核定智能化实现逻辑,可以简单归纳成以下几个方面。一是特定模块的文本、图像、视频等数据集获取智能化,如医疗费核定模块。二是对已获取数据运用算法的预处理和挖掘分析,并对数据进行必要的可视化,如多维标度分析。三是运用有监督或无监督学习探寻模块中存在的规律,运用统计学方法分析规律的特征,归纳特征并构造一个模型,然后为模型输入海量的训练集,基于机器学习让其渐渐地适应环境,应付各种复杂情况,并与该领域专家共同验证模型的可靠性。四是重复前面一到三,针对更多的模块构造尽量多的模型,再构造“规则+机器学习”的混合模型,并进一步调参和优化模型,最终实现人伤案件整体损失核定的智能化。

  信息可以概括为两类,一类是从人信息,如姓名、性别、年龄、账户、户籍等;一类是从伤情信息,如诊断、手术术式、治疗方式、误工时间、伤残等级等。在信息获取领域,保险公司或科技公司已经有深入研究和实例运用,如运用身份证识别技术、银行卡识别技术,可以秒级获取当事人姓名、性别、年龄及银行账户信息,并且准确率几乎达到100%;运用COR文字识别技术,识别病历中的伤情诊断、治疗信息,识别医疗费清单中的费用信息,准确率甚至可以达到98%以上(靳守恒,2018)。未来需要在已经取得进展的基础上进一步研究、完善、优化,从而实现从人信息、从伤信息智能化全覆盖,解放人工,提升效能。

  基于深度学习的人体识别方案,准确识别图像或视频中的人体相关信息,进行人体检测与追踪、关键点定位、属性分析,最终实现损伤程度判定。例如,人工智能投入运用后,针对浅表损伤,工作人员或者客户本人只需要拍摄受伤部位照片;针对非浅表损伤,只需要提交影像资料或诊断报告,系统会自动识别、检测、分析这些信息,同时根据海量诊断数据、赔案数据积累精准地给出损失程度判定,并智能引导至伤情智能报价环节。

  传统的人伤案件理赔需要人工对医疗费、误工费等十几项费用进行审核,因此时效普遍长于车物案件。人工智能引入后,保险公司可以根据临床路径理念及我国现行的临床路径数据, 在信息智能化获取、损失智能化判定的基础上,基于海量历史赔案数据积累,同时考虑伤者性别、年龄、复合伤情况、案发城市、就诊医院、损伤参与度等因素,进一步实现伤情报价智能化。笔者在《基于伤情数据挖掘构建“伤情路径”管控人伤成本的思考》(《上海保险》2017年第10期)一文中已详细阐述。

  如前文所述,相当一部分车险人伤案件尤其是涉及第三者人伤的案件,因患者的主导、医院医生等多方面原因,费用花费进展或不能完全受制于被保险人和保险公司,因此保险公司需要在理赔时评审其合理性,传统的都是人工作业,低效且客户体验不佳。引入人工智能后,保险公司可以根据现行相关的59个法律法规、智能收集的数据集、智能判定的损失程度、《车险反欺诈代码集》中明确的20种欺诈类型等因子,按照“人伤理赔智能化的整体逻辑”阐述方法步骤,构建费用合理性评审模型,从而实现案件理算核赔智能化。以医疗费为例,“医疗费用合理性评审模型”的构建,笔者在《借鉴“责任医疗组织”模式管控车险人伤医疗费之探析》(《上海保险》2018年第3期)一文中已详细阐述。

  笔者从业12年来,车险人伤理赔的科技含量一直落后于车物理赔,人工智能的引入可以说是人伤理赔模式的颠覆性变革。人工智能通过模型封装、植入的方式,初期或仅覆盖一定比例案件,但基于人工智能深度机器学习技术,未来的覆盖率势必逐步逼近100%,实现理赔流程优化,缩短理赔时效,提升客户体验;实现智慧运营,提升行业效率,大大降低人工误差,规避人为干预的风险。

  当然,人工智能赋能人伤理赔只能循序渐进,实现路径上可能面临层出不穷的挑战。资本因素看,资本市场投入到理赔管理的额度占比很低,其中人伤理赔占比更低;数据因素看,保险科技公司在初创期缺乏数据支持,部分缺乏前瞻眼光的保险公司自身运行中数据问题也普遍存在;技术因素看,人工智能技术尚不完善,在保险领域运用处于初级阶段;人才因素看,当前国内同时精通保险和人工智能的人才可以说凤毛麟角;道德伦理因素看,人工智能在大数据运用过程中会触及个人隐私问题,同时产品个性化定制对疾病较多的老年不利,等等。诸多问题亟待从业者克难攻坚。

  可以预见,未来十年、五年甚至更短时间,人工智能将会对车险业务的每一个场景产生全方位的影响,如定制化产品、个性化定价、人性化交互、精准的风险评估、贴切的用户画像、智能定损、欺诈防控等等,保险公司之间的竞争也将是以人工智能技术运用为代表的科技运用水平的竞争。因此,保险主体必须从当下起顺应科技发展趋势,基于公司整体战略、资本实力、技术实力、人才储备等因素制定自建模式或合作模式(俞斌,2018)的人工智能战略计划,从而借势人工智能技术,实现客户体验、运营效能、经营价值的腾飞。

      太阳城,澳门太阳城,太阳城娱乐

Copyright © 2014 青岛澳门太阳城实业集团有限公司 All Rights Reserved
浙ICP备09030817号-1
地址:山东省青岛市城阳区长城南路6号首创空港国际中心8号楼
全国统一客服热线:400-708-5577
网站地图