【51CTO.com快譯】變化時刻都在，未來的變化可想而知。保險市場一直被大型國有品牌和傳統產品線所主導，幾十年來似乎沒有實質性發展。

然而人們已經開始下注。在風險投資家看來，保險業顛覆的時機已經成熟。總部位于紐約的保險科技公司Lemonade成功完成了史上較大規模的種子輪融資。

不僅僅是風投公司，沃倫•巴菲特(Warren Buffett)也曾公開表示，自動駕駛汽車的問世將嚴重影響到伯克郡(berkshire)旗下Geico的保費。

已有相關數據表明確實如此。畢馬威(KPMG)在2015年的一份預測報告中指出：包括無人駕駛技術在內的“極其安全”的汽車將在未來25年里使汽車保險業萎縮60%，而汽車保險占保險業的40%以上。但是，對保險公司來說，業務流程自動化不是有很大的好處嗎?

保險領域的人工智能——前言

人工智能是商業市場應當關注的趨勢。本文我們將著眼于三種關鍵的方式，人工智能將帶動保險公司、經紀人和投保人的經濟收入，推動保險行業的轉型升級：

• 行為定價保單：無所不在的物聯網(IoT)傳感器將向定價平臺提供個性化數據，讓更安全的駕駛員少交車險，讓生活方式更健康的人少交健康保險。
• 客戶體驗和個性化服務：人工智能將實現全自動無縫對接保單的用戶體驗，聊天機器人可以獲取客戶的地理環境和社交數據，從而進行個性化交互。運營商還允許用戶定制特定項目或事件的保險(即按需保險)。
• 更快、定制化的理賠：在線界面和虛擬理賠理算器將提高事故后理賠和支付的效率，同時降低欺詐的可能性。客戶還可以選擇哪家保險公司的保費將用于支付他們的索賠(稱為P2P保險)。

保險作為一個全球市場，往往與公眾的不信任有所關聯，這可能會對技術創新提出挑戰——無論是人工智能或其他創新方式。

因此，引入新技術的一個關鍵點就是說服公眾，自動化不會像特洛伊木馬影響他們的保單。在Vertafore最近的一項調查顯示，60%的消費者對通過聊天機器人購買保險表示擔憂。

目前在保險領域的三種AI應用趨勢

我們將逐步分析這三類主要的人工智能應用趨勢，對比行業的當前狀態，正在發生的變革，以及未來行業的發展變化。首先分析“行為定價”：

一、行為定價模式：物聯網傳感器將保險從代理轉移到源數據。物聯網數據為個性化保險定價提供了三種關鍵方式：

• 承擔有效風險：遠程通信和可穿戴傳感器數據將為低風險行為支付更低的保費，比如駕駛更少而鍛煉更多;
• 保單和AI設備捆綁銷售：智能家居公司將向使用AI技術的用戶提供保單折扣，從而實現設備和保險的捆綁銷售;
• 核實和評估理賠：物聯網數據市場將使運營商能夠更快地獲取經過核實的風險管理信息，而不是依賴成本昂貴的評估和審計。

這里舉個例子：基于使用壽命或基于每英里付費的汽車保險，借助于遠程信息處理傳感器實時跟蹤指定資產(如汽車)，汽車保險就可以通過特定風險事件(如車禍)指定保費。

這意味著什么呢?更安全的司機可以為保單支付更少的費用，任何司機都可以按英里付費。保單持有人不再是風險池的一部分——他們在為自己承擔的有效風險付費。這是一種全新的保險產品，離不開AI遠程信息技術的支持。

當然這種方式需要增加遠程傳感器設備。這就是為什么保險公司正在變成硬件公司。以Neos Ventures為例，這是一家提供智能家居監控和緊急援助的公司，同時還提供家庭保險。他們的策略是，如果能夠提供降低天然氣、水泄漏或家庭不安全事件檢測的技術，那么會提供更低的保費形式，卻將這些節省下來的成本又轉加給客戶。

要想在未來10年的市場中取得成功，保險公司必須迅速從基于類別可能行為的定價模式轉向基于個人實際行為的定價模式。這就是所說的“從代理到源數據的遷移”。

調查顯示，消費者希望這種轉變。日前，一項由Troubadour Research & Consulting開展的調查發現，近一半的消費者愿意將可穿戴設備的數據交給保險公司，以換取更便宜的產品。

基于保險的后市場應用仍然存在很多不確定性。美國保險協會(National Association of Insurance commission)在2017年的一份報告中指出:“UBI是一個新興領域，因此在行為數據的選擇和解釋方面仍存在很大的不確定性，以及如何將這些數據整合到現有的價格結構中，以保持新的市場盈利等。”

大約有五分之一的市場對此不感興趣。21%的客戶在UBI項目調查中拒絕參加，其中81%的受訪者不希望自己的駕駛行為受到監控，不認為這樣可以省多少錢，也不認為保費會下降。像那些通勤時間較長的人，經常長途駕車或者喜歡在空曠道路上超速行駛的人，很難從保險公司評估他們的行為中獲益。

一些運營商獲得了傳感器數據并不意味著就會使用這些數據。源數據的可靠性、豐富性以及分析的準確程度變得至關重要。這就激發了平臺市場的由來，比如Octo Telematics的下一代平臺(NGP)，為汽車保險運營商提供了一個應用平臺接口(API)，用于司機行為評分、交通事故分析，以及針對車隊管理和租車公司的索賠分析和風險分析。

任何新技術都有風險，事物總有兩面性。傳感器數據在許多方面降低了風險，但它也引入了一些新的漏洞。比如傳感器相關的遠程設備都可能易受黑客破壞，違反數據保護、信息安全等法規條例。所以這些漏洞需要運營商開發承保突發風險的新業務。

二、客戶體驗及個性化服務：AI界面讓客戶更好的互動。以下是提升用戶購買保險體驗的三個關鍵方法：

• 聊天機器人會認出你：高級的圖像識別和社交數據能夠提供個性化銷售對話
• 平臺將驗證您的身份：自動的個人身份驗證可以減少綁定和認證的處理時間
• 運營商可以定制服務：機器學習技術可以提供實時在線或基于應用程序的購物體驗

2017年1月，壽險初創公司Lapetus推出了一項讓人自拍購買人壽保險的服務，從而成為頭條新聞。由于吸煙等習慣是壽命的強相關指標，Lapetus可以通過面部分析快速確定風險得分，而無需進行冗長或繁重的體檢。該公司的官網頁面解釋了吸煙者跡象的評估方法。

成功的電商是以客戶為核心的，最個性化的客戶體驗是最直接的。這就是Allianz1的想法。Allianz1是意大利市場上的一個網絡平臺，買家可以與Allianz的13種不同業務進行自由組合和匹配，創建自己的個性化產品。

埃森哲(Accenture)的一項調查顯示，保險行業68%的受訪者在他們的部分業務中使用聊天機器人。

聊天機器人喜歡品牌和人的名字。著名的保險聊天機器人有Geico的Kate和Lemonade的AI Jim。聊天機器人通過Facebook Messenger，并根據客戶財產保險需求銷售商業保險。

三、更快、定制化的理賠：AI在減少欺詐的同時更快的理賠。理賠的速度和成功是保險業務效率的關鍵因素，AI理賠提高客戶滿意度的兩種方式如下：

• 理賠的速度：理賠時間這個度量標準對于客戶選擇業務來說非常重要。
• 減少舞弊的可能性：減少舞弊的可能性最終將成為保險公司更關心的重要指標。

人工智能的優勢似乎在理賠方面最為明顯。Lemonade的AI Jim在2017年1月成為頭條新聞，據稱他在不到三秒的時間內就解決了一項索賠。JD Power & Associates的調查顯示，這種結算時間是客戶最關心的業務指標。而對比該公司排名頭籌的保險部門處理周期為11天。

這相差了一個數量級，這家排名頭籌的理賠部門處理索賠的時間是Lemonade的AI Jim的316,800倍。

大多數保險公司高管已經意識到，人工智能將徹底改變他們所在的行業。埃森哲咨詢公司(Accenture)在2017年4月的一項調查發現，79%的保險公司高管認為:“人工智能將徹底改變保險公司從客戶那里獲取信息的方式，以及與客戶互動的方式。”

無論有沒有聊天機器人，這都是一個巨大的省錢機會。保險公司經常曝出800億美元的欺詐性索賠。最常見的保險欺詐形式是身份盜竊，即在投保人不知情或不同意的情況下，提出索賠而盜竊保險和身份數據。數據安全和支付/交易欺詐時有發生。

欺詐檢測是不容忽視的人工智能技術應用趨勢之一。欺詐檢測成為保險業應用AI技術最快的領域之一。據報道，2016年，75%以上的行業使用了自動欺詐檢測技術。Shift Technology是一家幫助保險公司預防欺詐的初創公司，最近分析了8200萬份索賠申請。

結論：保險人工智能解決方案的標桿化

客戶是在需要付款的時候而不是在購買保險產品的時候來評估保險產品的表現。與其他產品或服務不同，客戶只能根據保險公司在承保事件發生時所提供的服務作出判斷。因此，正如保險科技公司Livegenic的優秀執行官兼創始人亞歷克斯•波利亞科夫(Alex Polyakov)所寫:“保險行業最重要的衡量標準是事后索賠的客戶滿意度。”

由于Lemonade和Next等初創公司只有幾年的歷史，目前缺乏足夠多的數據來確定能否大規模地提供優質的客戶體驗。不可否認，保險公司的客戶管理流程是“乏味的”，也需要進行重大的改進和精簡，時間將會證明這些變化都將物有所值。

以后購買保險只需點擊幾下鼠標就能提出索賠，這些都具有不可否認的吸引力。國家汽車金融公司(STFC)優秀執行官邁克•拉羅卡(Mike LaRocca)在2017年1月傳達了這樣一個信息:“變革的時代已經到來，如果我們看不到，很可能就會死掉。”

人們似乎達成了共識：保險業維持現狀的日子不多了。埃森哲咨詢公司(Accenture)在2017年4月進行的調查發現:“保險公司高管相信，人工智能(AI)將在未來3年顯著改變他們所在的行業”。無論是遠程信息技術、自動駕駛汽車、聊天機器人還是定制平臺，市場可能會轉向那些能更好利用人工智能改善客戶注冊/索賠管理流程的公司。

原文標題：Artificial Intelligence in Insurance – Three Trends That Matter，原文作者：Edmund Zagorin

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】