人工智能賦能車險人傷理賠思考

章小兵 中國平安財產保險股份有限公司宣城中心支公司

侯立勝 中國平安財產保險股份有限公司安徽分公司

一、引言

近年來我國保險行業發展頗為迅猛。2017年我國原保險保費收入36581.01億元，同比增長18.16%，其中產險公司原保費收入10541.38億元，同比增長13.76%（數據來自原中國保監會網站《2017年保險統計數據報告》）。在保費增長背后，保險行業在銷售、承保、理賠等環節，仍存在諸多痛點需要從業者去探索、解決。換一個角度看，正是這些痛點的存在，為保險行業的發展造就了新機遇。在移動互聯、大數據、人工智能等時代背景下，用戶的行為、習慣、需求等正因勢而變。從一個保單生命周期看，投保、核賠、理賠等環節都與大數據和人工智能不可分割，理賠又或許是最切合人工智能場景的，保險公司能否順勢而變、順勢而為，或成為未來成功的關鍵。

尤其是車險人傷理賠，因人傷案件存在周期長、賠償影響因素多、涉及面廣、知識面廣、多種法律關系并存、法律法規不健全等特點，傳統都是依賴專業的醫療理賠人員人工作業，低效低產問題尤為突出。因此，筆者認為，車險人傷理賠必須順勢而為，基于人工智能技術手段盡可能減少車險人傷理賠的人工干預，驅動自動化、智能化操作，提升效能，進而增加保險公司營收。

二、什么是人工智能

人工智能是計算機科學的一個分支，是研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學（來自百度百科）。

人工智能研究過程中，涉及到認知科學、數學、神經生理學、心理學、計算機科學等多個學科，按技術分類主要有基礎技術、支柱技術和應用技術三類。基礎技術領域主要是搜索技術、知識表示和知識利用技術、抽象和歸納技術、推理技術、聯想技術；支柱技術領域主要是不確定信息梳理的模糊邏輯，非線性信息處理的神經網絡，最優化信息處理的遺傳算法；應用技術領域主要是專家系統、機器學習、分布式人工智能、模式識別、自然語言處理技術和計算機視覺。

人工智能概念自1956年“達特茅斯會議”首次正式提出，歷經60余年的探索研究，其三大核心技術發展迅猛、日趨成熟，并不斷被運用到各種領域。搜索引擎基于用戶請求給出的網頁排名，購物網站基于用戶瀏覽數據給出的商品推薦，如百度的小度、微軟的小娜、安卓的靈犀、平安的小安等，都是低級別人工智能在實際生活場景中的運用。2017年10月AlphaGo Zero的出世更使人工智能的曝光度達到了頂峰，向世人昭示“未來已來”。

三、人工智能已“侵入”保險行業

事實上，海外保險市場上人工智能的商業化運用案例已屢見不鮮。美國保險科技公司Lemonade運用智能機器人幫助客戶自助投保，并基于客戶需求差異化定制保險方案。美國互聯網經紀公司Insurify運用人工智能技術模擬保險代理人，基于客戶反饋的照片、語言等信息，出具適合客戶需求的保險方案和報價。日本富國生命保險公司引入IBM Watson Explorer替代員工，負責信息收集、讀取、核對，執行保險索賠類分析工作。Carpe Data搭建直銷平臺，獲取社交媒體數據，構建定價和反欺詐模型，進而有效評估承保前、承保中和承保后的潛在風險。Audatex通過客戶反饋的圖片信息，運用人工智能技術判定損失部位和損失程度，從而實現車輛自動定損。

同樣，人工智能在國內非人傷保險理賠領域也開始有所涉足。中國作為全球第二的萬億級保險市場，車險在產險公司的業務占比超過70%（俞斌，2018），規模可觀。且“萬眾創新”已成為新態勢，資本市場、保險主體、科技公司都在積極主動思考、謀劃人工智能在保險行業的運用。2017年6月，螞蟻金服推出智能定損產品“定損寶”，運用人工智能深度學習圖像識別檢測技術，能夠在幾秒鐘內給出包括受損部件、維修方案、價格及出險后對來年保費影響的評估結果。2017年9月，中國平安集團旗下金融科技公司金融壹賬通推出“智能閃賠”，實現高精度圖片識別、一鍵秒級定損、自動精準定價和智能風險攔截。

四、人工智能可以賦能人傷理賠

1.政策紅利驅動人工智能發展

從2015年5月19日國務院發布《中國制造2025》（國發〔2015〕28號），到2017年7月8日國務院發布《新一代人工智能發展規劃》（國發〔2017〕35號）；從2016年5月18日國家發改委、科技部、工信部、網信辦聯合下發《關于印發〈“互聯網+”人工智能三年行動實施方案〉的通知》（發改高技〔2016〕1078號），到2017年12月14日工信部下發《關于印發〈促進新一代人工智能產業發展三年行動計劃（2018—2020年）〉的通知》（工信部科〔2017〕315號）；從《2017年政府工作報告》，到《2018年政府工作報告》，在政府報告、宏觀規劃及具體實施方案三個層面，均表明人工智能已進入政策紅利新階段，將有力推動其賦能人傷理賠進入發展快車道。

2.消費者科技化格局倒逼車險人傷理賠轉型

80后、90后、00后這一保險消費主力軍已然崛起，消費者格局正迅速地從“傳統主義者”變為“科技主義者”。據《中國互聯網發展報告2018》披露，截至2017年底，我國內地網民數量達到7.72億人，普及率達55.8%。

3.人傷成本精細化管控亟需借勢人工智能

保險是“勞動密集”型服務行業，尤其是車險，盡管規模大、發展速度快，但整體盈利水平較低，大部分車險企業都處于虧損或贏虧邊緣狀態。其中，人傷理賠的人均產能不高的矛盾尤為突出，加之賠償標準每年15%左右的增幅，亟需借勢人工智能降成本、提效能。

4.車險的部分業務屬性是人工智能在保險業的運用落地的“溫床”

眾所周知，海量數據是人工智能基礎，車險業務標準化、信息化程度相對較高，使得業務數據得以沉淀，大量數據的積累對人工智能在行業內運用是一個促進。其次，只要是有規則可循、能夠形成數據閉環的應用場景都可以用人工智能替代，而中國保險行業就符合這個特征，或成為人工智能浪潮的另一個風口。在這個“風口”里，人工智能在車輛定損場景已經涉足，人傷理賠場景幾乎空白，或成為“風口”中的風口。

5.政策紅利和行業“風口”的交集，勢必吸引資本為其插上“騰飛的翅膀”

一個人工智能項目，前期的數據集獲取、數據預處理、挖掘分析以及構建模型，可能一兩周時間就可以完成，但在驗證模型完整性、正確性、效能等方面，將占用大量的資源，耗費巨大的成本。從近兩年資本市場資金流向看，投資保險行業的資金呈逐年增加態勢；從保險公司自身投入看，大型保險公司將走在前面，平安就明確對外公布，未來十年將投入1000億元用于科技研發。

6.人工智能在醫療領域的成效是賦能人傷理賠的助推器

在人傷理賠場景，針對傷情診斷、治療、預后等，很大程度依賴醫學專業知識，而醫學是一門靠歸納邏輯、經驗學習、循證實踐的學科，人工智能已經在這個行業發揮著重要作用，并延伸到了保險理賠領域，如IBM Watson Explorer。

五、人工智能如何賦能車險人傷理賠

就車險人傷理賠而言，基于案件發生發展的故事線可以分成四步：第一步判定真實性，即事故是真實發生還是擺放現場，抑或是“移花接木”；第二步判定事故性質，即在確定事故真實發生的基礎上，進一步核實是否故意肇事、是否屬于保險責任、是否存在責任免除；第三步判定事故責任，即根據事故當事人的過錯程度判定應承擔責任屬性和責任比例；第四步確定事故損失，即根據當事人損傷程度、傷情診斷、預后等情況，從真實性、合法性、合理性和關聯性四個方面，確定醫療費、誤工費、護理費等具體費用項目的具體金額。第一、第二步統稱為案件定性，可以歸屬到反欺詐范疇，目前國內已經有多家企業涉足并取得了一定成績。第三步主要依賴于交警部門，此處不做探討。本文僅聚焦人傷案件損失核定如何實現人工智能。

1.人傷理賠智能化的整體邏輯

數據和算法是人工智能的底層邏輯，數據是基礎，算法是驅動。因此，人傷案件損失核定智能化實現邏輯，可以簡單歸納成以下幾個方面。一是特定模塊的文本、圖像、視頻等數據集獲取智能化，如醫療費核定模塊。二是對已獲取數據運用算法的預處理和挖掘分析，并對數據進行必要的可視化，如多維標度分析。三是運用有監督或無監督學習探尋模塊中存在的規律，運用統計學方法分析規律的特征，歸納特征并構造一個模型，然后為模型輸入海量的訓練集，基于機器學習讓其漸漸地適應環境，應付各種復雜情況，并與該領域專家共同驗證模型的可靠性。四是重復前面一到三，針對更多的模塊構造盡量多的模型，再構造“規則+機器學習”的混合模型，并進一步調參和優化模型，最終實現人傷案件整體損失核定的智能化。

2.信息（數據集）獲取智能化

信息可以概括為兩類，一類是從人信息，如姓名、性別、年齡、賬戶、戶籍等；一類是從傷情信息，如診斷、手術術式、治療方式、誤工時間、傷殘等級等。在信息獲取領域，保險公司或科技公司已經有深入研究和實例運用，如運用身份證識別技術、銀行卡識別技術，可以秒級獲取當事人姓名、性別、年齡及銀行賬戶信息，并且準確率幾乎達到100%；運用COR文字識別技術，識別病歷中的傷情診斷、治療信息，識別醫療費清單中的費用信息，準確率甚至可以達到98%以上（靳守恒，2018）。未來需要在已經取得進展的基礎上進一步研究、完善、優化，從而實現從人信息、從傷信息智能化全覆蓋，解放人工，提升效能。

3.損失程度判定智能化

基于深度學習的人體識別方案，準確識別圖像或視頻中的人體相關信息，進行人體檢測與追蹤、關鍵點定位、屬性分析，最終實現損傷程度判定。例如，人工智能投入運用后，針對淺表損傷，工作人員或者客戶本人只需要拍攝受傷部位照片；針對非淺表損傷，只需要提交影像資料或診斷報告，系統會自動識別、檢測、分析這些信息，同時根據海量診斷數據、賠案數據積累精準地給出損失程度判定，并智能引導至傷情智能報價環節。

4.傷情報價智能化

傳統的人傷案件理賠需要人工對醫療費、誤工費等十幾項費用進行審核，因此時效普遍長于車物案件。人工智能引入后，保險公司可以根據臨床路徑理念及我國現行的臨床路徑數據，在信息智能化獲取、損失智能化判定的基礎上，基于海量歷史賠案數據積累，同時考慮傷者性別、年齡、復合傷情況、案發城市、就診醫院、損傷參與度等因素，進一步實現傷情報價智能化。筆者在《基于傷情數據挖掘構建“傷情路徑”管控人傷成本的思考》（《上海保險》2017年第10期）一文中已詳細闡述。

5.費用合理性評審智能化

如前文所述，相當一部分車險人傷案件尤其是涉及第三者人傷的案件，因患者的主導、醫院醫生等多方面原因，費用花費進展或不能完全受制于被保險人和保險公司，因此保險公司需要在理賠時評審其合理性，傳統的都是人工作業，低效且客戶體驗不佳。引入人工智能后，保險公司可以根據現行相關的59個法律法規、智能收集的數據集、智能判定的損失程度、《車險反欺詐代碼集》中明確的20種欺詐類型等因子，按照“人傷理賠智能化的整體邏輯”闡述方法步驟，構建費用合理性評審模型，從而實現案件理算核賠智能化。以醫療費為例，“醫療費用合理性評審模型”的構建，筆者在《借鑒“責任醫療組織”模式管控車險人傷醫療費之探析》（《上海保險》2018年第3期）一文中已詳細闡述。

六、人工智能賦能人傷理賠的意義、挑戰及展望

筆者從業12年來，車險人傷理賠的科技含量一直落后于車物理賠，人工智能的引入可以說是人傷理賠模式的顛覆性變革。人工智能通過模型封裝、植入的方式，初期或僅覆蓋一定比例案件，但基于人工智能深度機器學習技術，未來的覆蓋率勢必逐步逼近100%，實現理賠流程優化，縮短理賠時效，提升客戶體驗；實現智慧運營，提升行業效率，大大降低人工誤差，規避人為干預的風險。

當然，人工智能賦能人傷理賠只能循序漸進，實現路徑上可能面臨層出不窮的挑戰。資本因素看，資本市場投入到理賠管理的額度占比很低，其中人傷理賠占比更低；數據因素看，保險科技公司在初創期缺乏數據支持，部分缺乏前瞻眼光的保險公司自身運行中數據問題也普遍存在；技術因素看，人工智能技術尚不完善，在保險領域運用處于初級階段；人才因素看，當前國內同時精通保險和人工智能的人才可以說鳳毛麟角；道德倫理因素看，人工智能在大數據運用過程中會觸及個人隱私問題，同時產品個性化定制對疾病較多的老年弱勢群體不利，等等。諸多問題亟待從業者克難攻堅。

可以預見，未來十年、五年甚至更短時間，人工智能將會對車險業務的每一個場景產生全方位的影響，如定制化產品、個性化定價、人性化交互、精準的風險評估、貼切的用戶畫像、智能定損、欺詐防控等，保險公司之間的競爭也將是以人工智能技術運用為代表的科技運用水平的競爭。因此，保險主體必須從當下起順應科技發展趨勢，基于公司整體戰略、資本實力、技術實力、人才儲備等因素制定自建模式或合作模式（俞斌，2018）的人工智能戰略計劃，從而借勢人工智能技術，實現客戶體驗、運營效能、經營價值的騰飛。