中国 深究 - 保险 与 人工智能 和 机器 学习 - 挑战 、 案例 以及 如何 如何 成功 实施

(AI) (ML) (ML) (ML) (ML)

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 应用 ： ：

1. 人工智能 应用 的 好处 好处

2. 人工智能 在 中国 的 应用 应用。

3. 人工智能 案例 成功 的 要素 要素

人工智能 的 潜力

在 2017 年 普华永道 (PwC) 估测 了 了 以及 机器 机器 学习 在 商业 领域 应用 应用 将 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。

2030% 26%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 受益者 将会 是 金融 以及 医疗 领域。 随着 质量 提升 提升

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 提升 的 商务 能力

Quelle: McKinsey-Datenvisualisierung aus dem AI-Playbook der Führungskraft

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 公司报告 持平。

以 更加 勤奋 和 睿智 地 地 方式

9.5 bis 15.4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 机器人

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 和。

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 收益 的 行业。有 很大 的 潜力 取得 竞争 竞争。

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 ， 都 在.

企业 该 如何 与 人工智能 并存？

Quelle: PwC 'AI Sizing the Prize'

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.

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.

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 程序 ， 根据 个人 的 的 医 ， 从而 为 患者 提供情况 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。

Quelle: McKinsey-Datenvisualisierung aus 'The Executive's AI Playbook'

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 ： ：.

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 和 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 从 ， 学习 学习 ， “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 ， 保护

科技 可能 会 受到 不良 的 "教育"性 而 与 监管 者 纠缠 纠缠。

数据 需要 具备 与 保险公司 必须 建立 的 系统 的 的 "工业 级 实力"

数据 治理 必须 健全 且 透明 ， 以 满足 消费者 和 和 监管 的 的。。

成功 实施 人工智能

Hugh Terry, 创始人, 数字 保险 (The Digital Insurer)

： 过程 包括 四个 ： ： 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。。

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。。

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 与 与 数据 数据 那 可能 是 具 有挑战性 的。 而且 如果 您 的 数据 质量 不佳。。

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。 这 这 意味着 业务 角度 了解 的 真正 有 的 的 的 有 有 有 x 有是 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 专业 的 工作 ， 几种 方式 可 进行 ， 您 可以 组织 一 组或 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 想要 得到 的 结论 中 采取 哪些 举动 您 就有 陷入 陷入 理论

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 时间 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 具有 具有 工业 工业 实力 实力 实力 实力 实力。。。。。。。

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 ， 在 第一 时间 收集 数据 数据 并 立即 较 复杂 的。

建造 最好 的 技术

Yannick Even, 瑞士 再 保 亚太 区 区 化 与 智能 智能 分析

Yannick Even ann ann ann ann ann ann Yannick Even挑战 转化 为 “有形 分析”。

Sogar 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 丰富 的 传统 数据 的 的 分销 数据 合作 伙伴。

"" "风险 的 同时 也 更好 地 为 客户 客户。

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 组织 中 复制 最初 的 人工智能。。。。"

Sogar 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 分析。 如今 包括 包括 中国 在内 的 市场 正在 利用 它们。

“随着 保险 数字 化 的 加速 ， 和 保险公司 摆脱 运营 孤岛 ， 产生 了 丰富 的 数据 集 为 机器 学习 提供 Even Even Even Even Even Even Even Even Even Even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 和 服务 服务 以 更好 更好 地 符合 的 的。

数据 存在 着 良性 循环 ， 科技 和 相关 数据 / 模型 还 有助于 减少 欺诈 ， 确定 并 更快 的 预防 索赔 ， 并 支持 的 预防 预防 预防 旅 旅。 这收获 服务 和 保护 ， 准确 的 定价 和 日常 收获 建议 ， 收获 收获 收获 - 客户 接触 点 越 多 ， 学习 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", sogar "说"

"" "" "

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 客户 客户 系统 客户 客户 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 ， 扩大 扩大 合格 客户 的。。

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 所 承保 的 领域。

OC 引擎 使用 光学 字符 （（OCR）） P （（NLP））） 使用 其 临床 判断 模型 模型 做出 临床 决策。

提高 证明 ， 它 可以 将 承保 效率 提高 50 ％ 左右 ， 高达 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 了 了 了 5 万多 笔 承保 ， 为 为 亿 1.2 亿 人民币。

NL 云 的 NL NL NL 使用 自然 NL NL (NLP)保证 了 理赔 的 一致性 一致性

b) 麦 歌 计算 程序 公司

Go 歌 go （（Malgo）） 语义 医疗 ， 这 是 是 一种 驱动 ， 趋向 个人 风险 的 互动 式 服务。 与 传统 模型 相比 ， 歌 算法 算法 声称 它 可以 将

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 管理 管理 发挥 着 重要。。

这 使 保险公司 能够 根据 精确 的 个人 风险 识别 ， 设计 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 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 识别。

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 进行 的 营销 与 咨询。

营销 变得 越来越 细化 和 更 更。。 随着 随着 与 互动 互动 的 增加 ， 满意 度 和 忠诚 度 也 增加。 如果 保险公司那么 客户 就会 习惯于 此类 的 互动。

与 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 与 “与” 打交道 的 的 麻烦。

自然 语言 处理 大大 提高 了 “说 共同 语言” 的 能力 能力 使 客户 倍感 赞赏 ， 并 最终 获得 了 需要 了解 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 数据 数据 分析 开发 更好 的 新。。

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 失败了 优秀 保险 代理人 的 发展 和 可获得 的 报酬。

从 阶段 的 计划 已经 大大 减少 了 保险 代理人 的 纸张 使用 量 ， 将 从 从 5 天 减少 到 15 分钟。

91 （70 ％））） 代理人 接受 在线 的 培训 ， 培训 人员 了 ％ XNUMX ％。

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 进行 进行 职业

,143 过程 每年 将 节省 60,000 万 个 工作 小时 ， ,163 6.3 XNUMX/XNUMX 年 XNUMX 每年 可 节省 XNUMX XNUMX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 达到 10.8 ％。

减少 中国 平安 的 销售 收入 将 增加 28 亿元 ， 同时 保费 收入 损失 亿元 20 亿元 ， 欺诈 额 减少 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 应用 程序 为 微 保 的 用户

的 公司 的 60 人 的 强劲 人工智能 团队 与 供应 商 一起 设计 设计 ， 再 由 该 系统 系统 管理 承保。。

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。

Keys 管家 （（Riskeys））） 一家 位于 位于 上海 的 聚合 商 ， 其 是 - - - - - - - - 。

Keys 管家 （Riskeys）））） 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。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 风险。 或 如果 不是.

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 现有 的 流行病 模型 模型

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。

有 拒绝 保险 的 客户 中 ， 有 20 ％ 以上 已 获得 万元 100 万元 的 医疗 保险 承保 多种 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。

VersicherteX 是 基于 云端 的 承保 工具 工具 围绕 围绕 产品 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 ， ， 决策 表 ， 验证 规则 ，

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 ， 保险公司 必须 证明 人工智慧 机器.

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 自动 将 付款 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 人工智能 虚拟

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 的 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 莅临 分行 所 所 期望

b)

生物 特征 认证 有助于 平安 与 待定 保单 持有 （降至 比例 已 降至 1.4 ％ ， 而 行业 平均 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 充分 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 者 之间 建立 了 一种 新 的

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 就是 提出 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 （.

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

该 功能 是 通过 平安 的 应用 生态 系统 提供 的 ， 其 扫描 （（或 代理人 的 身份。

b) 友邦 -Fusions-App

Die Fusion ist eine Fusion

人工智能 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 服务.

Fusion 100 Fusion XNUMX Fusion Fusion XNUMX Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion Fusion