中国深究-保险与人工智能和机器学习 — 挑战、案例以及如何成功实施
人工智能(AI)以及机器学习(ML)将会给保险公司带来深远的影响与潜能,这些技术不仅可以帮助保险公司提升运营的效率,也可以帮助其创造全新的商业模式。
本文将会研究人工智能在保险产品开发、新客户获取,核保、保单管理和理赔方面的应用。并且重点关注以下几个方面:
1.人工智能应用的好处。
2.人工智能在中国的应用案例。
3.人工智能案例成功的要素。
人工智能的潜力
在2017年普华永道(PwC)估测了人工智能以及机器学习在商业领域的应用价值将高达万亿美元。
该报告还指出,借助人工智能和机器学习的力量,全球的国内生产总值在2030年将会增加14%,这相当于增加15.7万亿美元。在如今这个极速变化的商业世界中,这毫无疑问是一个巨大的机会。
据估测,从人工智能中获益最大的国家将会是中国,到2030年促使国内生产总值增长26%。北美将会成为第二大的受益者,使得已经成熟的行业获得14%的增长。
人工智能的发展会让所有的行业从中获益,然而,伴随着人工智能带来的生产力提升,最大的受益者将会是金融以及医疗领域。随着产品质量提升,自然也会促进消费。
这个也不能被单看为是机器崛起的一种情况。因为人工智能和机器学习将会用于提升人们的商务能力。
三年是很长的时间,而由于新冠肺炎的影响,全球经济将需要一段时间恢复。但是,麦肯锡公司的最新数据认为,人工智能对全球国内生产总值的贡献规模上限将与普华永道报告持平。
以更加勤奋和睿智地方式工作
麦肯锡的数据预计,人工智能/机器学习将在未来作出9.5至15.4万亿美元之间的贡献。当然在可遇见的未来,新冠肺炎的影响会依然存在,但是也正因为危机的存在,促使保险公司投入更多资源到数字化的项目发展中。
人工智能所带来的益处是被广泛接受的,通过流程自动化使得生产率提高,同时人工智也能应用于机器人以及无人驾驶汽车的领域。
在现有的劳动力中使用辅助性和增强性的人工智能,带来了更多个性化且高质量的产品和服务。创造出消费者喜欢和想要的产品,将会刺激市场消费者的需求。
医疗保健,汽车和金融服务有望因使用人工智能而从颠覆性创新和产品提升中成为最大收益的行业。 但是,在其他的行业,如按需制造业或者为用户精准推荐内容的娱乐行业,还是有很大的潜力取得竞争优势。
这项科技的应用将会带来很多机会。尽管无人驾驶汽车将会使得很多的送货司机或者是仓库工人失去工作。但是同时它也创造了另类的工作机会如交通管制员来监督自动驾驶汽车在道路上的行驶。
但多数的预测的准确性都有赖于稳定的经济增长,然而新冠肺炎在全球肆虐,各国都在努力重建经济,所以说未来十年能否实现这一点还有待观察。
企业该如何与人工智能并存?
医疗保健,零售和金融服务可能是人工智能发展的最大受益者,但是所有领域,包括汽车,运输和物流,技术与通信,能源和制造业,都将从此创新中受益。
在医疗保险领域,人工智能正在改变其发展进程。 从中期来看,医疗诊断以及药品研发将从中获益。
与机器共存
从长远来看,我们可能会看到机器人医生对患者进行诊断和治疗,尽管在医疗保健,隐私和个人保护方面至关重要。
人体生物学是非常复杂的,但是未来可遇见的一个突破,将是通过人工智能的诊疗程序,根据个人的的医史,从而为患者提供量身定制的服务。这可以做到基于个人自身的情况来判定健康状况,而不是像传统医疗,以笼统的方式去诊疗每一个患者。
这不一定意味着机器人会代替医生,但它会改善对几乎每位患者的诊断和健康预测。
尽管此示例是在于医疗保健业,但数字接触点将被复制并取代社会各阶层的基本人类互动。
成功实施人工智能的路径
第一波数字化使保险价值链更有效,但是孤立的数据集之间仍然存在相当大的脱节(请参见下面的方框:构建最佳技术)
认知技术的发展将有助于此类保险公司整合学习,以实时调整价值主张,从而提供整体和独特的客户体验。
同时,这些关键流程将被加入保险公司的运营,保险公司将过渡为数字保险公司。
一旦数据质量和计算程序得到改善,机器学习将扮演更大的角色,以更强的模式识别能力从与其有联系的数据价值链中,“学习”消费者,生态系统和政府产生的数据,从而自我进化。
数字化的挑战
监管框架对于塑造新科技在保险中的部署至关重要。 随着社会逐渐将其日常工作数字化,数据保护和隐私已成为所有监管机构的主要重点。
科技可能会受到不良的“教育”,在编程过程中,让错误和偏见被硬性加入解决方案中。 从错放风险的角度来看,这不仅构成危险,而且还因为违反安全性或消费者公平性而与监管者纠缠在一起。
数据需要具备与保险公司必须建立的系统相同的“工业级实力”(请参见以下方框:成功实施)。
数据治理必须健全且透明,以满足消费者和监管者的要求。
成功实施人工智能
Hugh Terry, 创始人, 数字保险 (The Digital Insurer)
此过程包括四个方面:清理数据;了解您的数据;建模数据;然后从这些数据中获得可行的见解。
这就是人们需要优化的。在这方面有很多挑战,但是您不想做的就是在每个项目中都重复发明。
目标是使用数据来制定企业级可采取行动的啟示,让这变成企业习以为常的一个步骤。
无法赶上步伐的企业会因为其数据不正确,过时,不完整或不一定具有正确的验证而停滞不前或开倒车。
解决这个问题听起来很简单,但我们谈论的是数百万项个别数据库与个人数据。那可能是非常具有挑战性的。而且,如果您的数据质量不佳,您将破坏整个洞察过程。
人们往往不会花费足够的时间来了解什么是数据以及哪些数据可用。
企业经常会将此外包,但是我相信您需要企业内部的数据主人。这意味着从业务角度了解数据的真正含义,数据的来源。仅仅因为标有x的东西并不意味着它就是x。这是基本的数据卫生要求。
下个步骤,您可以机器学习来训练模型以提供有价值的资讯。这是一项专业的工作,有几种方式可进行,。您可以组织一组数据科学家的团队来为您构建这些模型,或利用解决方案提供商提供的工具集,从而提供人工智能为一种服务。
即使采用世界上最好的模型,但如果您不知道您要解决的问题是什么或从想要得到的结论中采取哪些举动,您就有陷入理论学术讨论框框的危险。
在开始任何人工智能项目之前,请确定它对业务的潜在价值。您应该在哪里花时间建立模型和测试?
一旦完成,这些模型就由数据科学家发布。这些计算程序必须具有“工业级实力”,并尽可能贴近用户,以使其有效。
就如要做出核保决定,那么您该让人工智能在核保师的桌面上运作, 人工智能在第一时间收集数据并立即标记较复杂的案件。
建造最好的技术
Yannick Even, 瑞士再保亚太区数字化与智能分析主管
瑞士 再保亚太区数字和智能分析主管Yannick Even说,数据科学家在孤岛上工做是永远行不通的。保险公司需要的是数据科学家与业务专才一起工作,他们知道如何快速解决行业以知的挑战转化为“有形分析”。
Even说,为了成功实施先 进分析,保险公司必须清楚需要建立的数字和数据功能。
“您需要内部可以管理数据的合作伙伴,因为现今,很多信息不仅来自保险公司的后端,还来自丰富的传统数据的分销及数据合作伙伴。
“您还需要了解科技和数据科学潜力的商人和精算师,将最初的想法和用例转变为可扩展的解决方案,以进一步将价值链数字化,并创建更多数据驱动型业务,以便在管理相关风险的同时也更好地为客户服务。
他说:“这些功能以及正确的数据驱动文化可以创造价值和扩展潜力,因此您可以在整个组织中复制最初的人工智能所取得的成功。”
Even说,人工智能已经影响到整个价值链,而这始于多年前,主要是通过客户和理赔分析。如今,包括中国在内的许多市场正在利用它们积累或创建新的数据。
“随着保险数字化的加速,和保险公司摆脱运营孤岛,产生了更丰富的数据集为机器学习模型提供了动力,这些模型开始表现得越来越好,” Even说。 “没有回头路可走,这可以很快创造竞争优势。”
这也提高了客户的忠诚度.因为客户可看到他们的提供商有一套现代化,更具个性化的产品和服务,以更好地符合他们的需求。
确实存在着良性循环,科技和相关的数据/模型还有助于减少欺诈,确定并更快的支付有效索赔,并支持保险公司的“预防”之旅。这也让客户从获得更多个性化的服务和保护,准确的定价和日常预防建议,从而感到有所收获–客户接触点越多,机器学习模型的改进也越多。
“这可以帮助您在投资组合中更长久地保留好的风险”, Even说,“但它也可以让您比竞争对手更好地管理坏的风险。“
“我们还已经看到一些精通数字/科技的(再)保险公司抓住机会,通过向此行业其他企业提供其卓越的技术和数字平台,实现多元化业务并取得更多收入。”
在中国的使用实例
1. 产品研发
宏观经济趋势诸如城市化正在推动根据新客户群的需求开发新产品。
新客户群包括年轻的专业人士和小型企业家,而其中许多人需要赡养其父母。
到目前为止,令人惊讶的是很少有人工智能项目,但是有一些范例为其他项目提供了路线图。
a) 因数云
因数云开发了医疗承保引擎,智能理赔平台,数据智能平台和其他系统,以帮助其客户–保险公司–更有效及智能化地运营。
它与保险公司合作开发针对单一疾病的产品,例如乳腺癌的复发,特定儿童的血液疾病和生育治疗,以扩大合格客户的市场。
它汇集了治疗,药物和保障于一体,同时涵盖了通常可能被一般的保险所不承保的领域。
承保引擎使用光学字符识别(OCR)和自然语言处理(NLP),并使用其临床判断模型做出临床决策。
事实证明,它可以将承保效率提高50%左右,准确性高达90%,这与经验丰富的核保师效率相当。
20多家保险公司正在使用该平台,在新冠肺炎爆发后的一个月内,完成了5万多笔承保,承保费为1.2亿人民币。
因数云的智能理赔平台使用自然语言处理(NLP),最大程度上有助于减少客户或代理商的数据输入错误。 索赔处理时间减少了80%以上,从10分钟减少到不到2分钟,并且保证了理赔的一致性。
b) 麦歌计算程序公司
麦歌计算程序(Malgo)经营语义医疗,这是一种数据驱动,趋向个人风险的互动式医疗服务。 与传统模型相比,麦歌算法声称它可以将损失比率降低一半以上。
核心智能风险管理系统使用所有相关的健康数据来管控整个业务流程中的风险。
人工智能和大数据通过自然语言处理获取信息,深度学习平台,医学知识图,数据分析,数据挖掘和决策管理发挥着重要作用。
这使保险公司能够根据精确的个人风险识别,设计产品,并为其定价。
它也通过识别和运用预防性药物治疗,减低了医疗费用。
索赔过程可有效管理药物和医学分析,并有助于识别欺诈。
这为保险公司提供了一种医疗领域的产品,通过数据的颗粒度进行精确的风险识别。
2. 营销/客户获取
中国可能是人工智能/ 机器学习变革的摇篮 ,但目前在很大程度上乃依赖与人来进行面对面的营销与咨询。
营销变得越来越细化和“更智能”。 随着与客户互动次数的增加,满意度和忠诚度也随之增加。 如果保险公司为他们所面对的问题提供了有效的解决方案,那么客户就会习惯于此类的互动。
聊天机器人已成为该过程常见的一部分,并且克服了消费者最初不愿 与“机器”打交道的麻烦。
自然语言处理大大提高了“说共同语言”的能力,使客户倍感赞赏,并最终获得了需要了解的内容,并且感到满意。
a) 平安人寿
平安保险从传统保险转向数字保险的路程,该公司正在对低效率的流程进行全面改革,并利用数据分析开发更好的新产品。
尽管拥有超过一百万名保险代理人,但此渠道已经变得不适用于公司。招聘速度很慢,失败率很高,全职工作的保险代理人太少,纸 型流程,并且管理冗员,阻碍了优秀保险代理人的发展和可获得的报酬。
四个阶段的计划已经大大减少了保险代理人的纸张使用量,将承保时间从5天减少到15分钟。
大部分(91%)的代理人接受在线的培训,培训人员减少了70%。
这使生产率提高了32%。
第三阶段将运用人工智能改善保险代理人的招募和筛选。它还将更有效地分配财政资源,并协助保险代理團隊进行职业规划。
此过程每年将节省143万个工作小时,或60,000天/ 163年。每年可节省现金6.3亿元。人工智能还将协助确保险代理人保持完全合规,监控实时通信,代理人行为,并评估代理人风险。
通过13亿次互动,触达2.2亿客户,人工智能潜在客户的转化率已达到10.8%。
预计中国平安的销售收入将增加28亿元,同时保费收入损失减少20亿元,欺诈额每年减少3.5亿元。
b) 微保
腾讯的保险平台微保与中国的保险公司合作,共同设计高质量的保险服务,通过微信应用程序为微保的用户提供购买保险,查询和索赔的服务。
该公司的60人的强劲 人工智能团队与供应商一起设计产品,再由该系统管理承保风险。
c) 风险管家
在中国,竞争非常激烈,迫使许多较小的保险公司和中介机构考虑使用其他方式来产生流量和获取用户。
风险管家公司(Riskeys)是一家总部位于上海的聚合商,其目标是通过一种新的客户获取方式,-结合微信激励措施和针对健康和生活领域开发新产品来凸显自身和竞争对手的差异。。
风险管家(Riskeys)为汽车保险,投资连结寿险,高端医疗保险和人身意外保险等细分市场开发量身定制的产品。
该解决方案的功能包括风险评估,疾病评估,开放式问答,智能推荐和保险分析。从评估风险开始,它通过健康管理咨询将客户带到公开的保险知识咨询,并根据用户特征推荐保险产品以及市场上的同类产品。
它将本地市场知识与微信平台提供的机会结合起来,成为提供比较保险产品的一站式智能保险顾问功能。
3. 核保
承保是保险的核心能力,但它正在发生变化。 数据推动着前进的改革步伐,如识别新的风险。或如果不是新的风险,则是扩大对现有风险的理解。
在诸如新冠肺炎等危机时刻尤其如此。 为了对抗病毒,公开提供了数据。 这为危机和现有的流行病模型提供了更深刻的见解。
成功承保的未来取决于流程中大数据和数据分析的集成。
它不仅可以提供更优惠的价格,而且可以识别新而可保的风险,从而开拓新的营销商机。
a) 众安
众安的产品使用智能承保流程,可以在一至两分钟内完成承保评估。
以前拒绝保险的客户中,有20%以上已成功获得100万元的医疗保险,承保200多种疾病。
客户能够根据其现有的医疗状况直观地了解其承保范围。
InsuredX是基于云端的承保工具,围绕着产品管道的概念而设计的。
通过云端进行部署,它可以快速且经济高效地顺应市场变化。
可以对特定产品进行实时,即时的更改,而不会导致系统停机。
它可以很好地应对具有高并发性,高负载和高容错性的典型互联网应用方案。
它是基于产品管道管理概念的轻量级,可扩展和可配置的系统,包括产品,公式,决策表,验证规则,承保规则,工作流,接口数据格式绑定等。
它为微服务架构提供了一种先进的保险行业解决方案,可简化流程并根据需求指示改变方向。
4. 保单管理
世界上很大部分人口都在快乐地采用数字技术,但总会有一些消费者对自动化世界不太自在。
保险公司必须为这两种人群提供服务,并赢得避免数字化的人群。为了实现这一目标,保险公司必须证明人工智慧和机器学习可以改善消费者体验并避免错误,因为这容易导致挫败感。
智能合约已经赢得了消费者的青睐,尽管很少人意识到他们拥有这样的合约。
这些是自执行程序,可在发生洪水或其他自然灾害或行李遗失等风险事件时启动赔款。
它可能不需要该客户提出正式索赔,而自动将付款转给消费者,。
但是,从客户与保险公司的首次联系开始就可以体现出人工智慧的力量。聊天机器人和其他由人工智慧驱动的逻辑流程无需任何人工干预即可引导客户完成流程。这些机器人中的一些已经变得如此复杂,以至许多人认为他们正在与现实中的员工而不是机器进行互动。
a) 小慧,中国太平的人工智能虚拟客服
中国太平的虚拟代理旨在使客户服务代表更具成本效益,并协助致电给客户。
在需求高峰时小慧可以代为接电话,使人类代表可以专注于更复杂的任务,同时保持高水平的一致性客户服务。
小慧不仅是个聊天机器人,它还使用逼真的人类语音来提供舒适和熟悉的用户体验,就像客户莅临分行所期望的服务一样。
b) 平安
生物特征认证有助于平安与待定保单持有人(已申请人寿/健康保险但正在等待保单生效的客户)建立关系。 自从引入此功能以来,在投保和等待保单生效的时间窗口内退保的客户比例已降至1.4%,而行业平均水平为4%。
5. 客户服务和理赔
传统的保险模式将客户服务,理赔和营销分开,但是数字化正在将这些模块结合在一起,这是有充分理由的。
数字世界中的营销依赖于与客户之间越来越多的数字接触点。这在客户和提供者之间建立了一种新的关系形式,并提高了忠诚度。
客户服务是在不向客户销售时,帮助客户的功能,对于维持良好的关系至关重要。
当投保人需要提出索赔时,通常都是最大客户感受到最大压力的时刻。
传统上,获得保护的唯一最令人烦躁的就是提出索赔的过程。
部署人工智能和机器学习以提供更自然,更人性化的客户链接点的保险公司以日益剧增。。
数据分析是这些流程的基础,并且可以识别索赔的状态(在某些情况下甚至可以预知索赔),管理客户的期望甚至杜绝潜在的欺诈行为。
a) 平安-一账通
平安的生物特征认证功能为保单持有人提供了一种通过面部和语音识别来增强其帐户安全性的选项。
该功能是通过平安的应用生态系统提供的,其扫描脸部结构(尤其是鼻子和眼睛)的准确性要比仅用人眼即可实现的准确性更高。 它也被用来验证保险申请人或代理人的身份。
b) 友邦-Fusion app
友邦保险的Fusion应用程序声称将机器的处理能力所带来的速度,可靠性和处理能力,与人类的经验,创造力和公正性相互结合。
这种人工智能/ 机器学习驱动的系统可以学习并适应人工指导,通过每秒处理数千个客户申请来协助客户服务,索赔和核保师更快,更有效率地工作。
自动化是基于预定的规则,但集成了卓越的认知自动化,从而使Fusion可以从友邦保险100年客户数据的分析中学习模式。
Comments