知識圖譜技術賦能信用保證保險高質量發展研究

唐金成 韓晴

摘? ?要：人工智能作為國家戰略迎來了一輪快速發展，而知識圖譜技術作為人工智能的熱門產業，為認知智能提供了底層技術支持。本文基于知識圖譜技術的內涵與特點，分析了信用保證保險的發展現狀及經營困境，對知識圖譜技術與信用保證保險進行了契合分析，指出了知識圖譜技術賦能信用保證保險高質量發展的機遇與挑戰。最后從政府和保險公司層面提出：高度重視知識圖譜的行業應用，營造良好的科技創新生態環境;升級優化監管體制與模式，加快推進行業頂層設計;加強行業互動，推進多方主體融合參與技術應用進程;深化知識圖譜技術與信保業務融合，推動技術應用落地;培養復合型專業人才，盡快搭建人才高地;加大專利申請和保護力度，提高保險企業核心競爭力等政策建議，以推動我國信用保證保險的高質量發展。

關鍵詞：信用保證保險;知識圖譜;新基建;人工智能

DOI：10.3969/j.issn.1003-9031.2021.11.007

中圖分類號：F831.2? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? 文章編號：1003-9031（2021）11-0062-14

一、人工智能與知識圖譜的發展狀況

（一）人工智能成為“新基建”的重點發展領域

隨著經濟增長模式的轉變和全球數字化浪潮的不斷推進，新型基礎設施（以下簡稱“新基建”）為我國數字化、智能化、網絡化建設注入了新動力，為新產業、新模式和新業態的發展賦予了新動能。因此，中央政府通過頂層設計不斷加快“新基建”布局，其內涵和范圍也得到不斷豐富和發展?！笆奈濉币巹澮愿哔|量發展為主題，明確提出要堅持創新驅動，塑造新的發展優勢;加快數字化發展，營造良好數字生態等。它的出臺加速了包括5G、人工智能、大數據等在內的“新基建”的進一步發展，短期內將促進經濟的穩定，對沖疫情導致的經濟下行壓力;長期能夠促進產業結構調整，賦能中國經濟轉型升級，實現高質量發展。

將“新基建”新技術與不同場景深度融合，再通過新主體的參與培育新業態，助推經濟高質量發展?！靶禄ā睂尤斯ぶ悄苄乱惠喌目焖侔l展，進一步推動智能產業化和產業智能化。而人工智能技術作為眾多應用場景的技術支撐，具備計算智能、感知智能、認知智能三大核心能力?！靶禄ā本唧w包含信息基礎設施、融合基礎設施和創新基礎設施，且前兩個項目均明確提出人工智能的內涵與作用。根據艾瑞咨詢推測分析，到2025年，人工智能產業規模預計超過4500億元。預計到2022年，保險公司在人工智能領域的投資可達到94.8億元。目前大型行業頭部保險公司在人工智能領域的研發與投入一直處于領先地位，而中小保險公司較為落后，未來該技術將普及到全行業。近日，復旦大學保險團隊在“普惠保險與健康中國2030”高峰論壇上發布《城市定制型商業醫療保險（惠民保）知識圖譜》，知識圖譜技術通過挖掘多維數據，全方位展現了惠民保發展現狀，并對惠民保產品的未來發展路徑進行預測推理。因此，人工智能技術作為保險公司變革的核心動力，在保險定價、核保、理賠等環節起著重要作用，降低了運營成本，提高了運營效率。目前人工智能技術在保險公司應用處于發展階段，即保險業根據客戶需求縱向挖掘人工智能技術的應用潛力。

（二）知識圖譜技術呈快速發展狀況

1.知識圖譜技術的科學內涵

在大數據時代，互聯網數據信息量呈現幾何式增長，碎片化、零散化的信息源使得人們難以在互聯網中尋求有價值、可利用的信息。知識圖譜作為人工智能的重要分支技術，是一個基于圖模型的語義網絡知識庫。通俗地講，知識圖譜是一種通過點和線的組合來表示“實體”之間“關系”地語義網絡，是大數據時代知識表示的重要方式之一。絕大部分的知識圖譜采用RDF（Resource Description Framework，資源描述框架）來表示事物之間的語義關系，表現的框架結構為“實體×關系×另一實體”（實體指現實中的事物，如人、公司、住址等）或“實體×屬性×屬性值”，知識圖譜結構的結點代表實體或概念，邊代表實體或概念之間的各種語義關系。知識圖譜技術中含有實體、概念、屬性和關系等信息，輔助于NLP技術（專業分析人類語言的人工智能）、圖計算等手段，促進人工智能由感知智能向認知智能轉變。通過對海量的結構化與非結構化數據進行抽取融合，形成有邏輯的重要信息數據;再通過提煉信息間的聯系，形成網狀知識;最后通過映射實體、概念、各種語義關系，使機器能夠理解、推理、決策出實體或概念間更深層次的關系。知識圖譜具備三大應用優勢：一是可以將知識通過圖形化方式進行存儲，并展現出關聯關系;二是可以實現對知識的高效檢索查詢;三是能夠通過知識實現自動化、智能化推理。因此，該技術被廣泛應用于銀行、保險、證券、法院、物流、財稅等領域。

2.知識圖譜技術的發展變遷

知識圖譜技術的歷史可以追溯到早期的語言網絡（知識圖譜的原型）、描述邏輯（促進計算機自動推理）和專家系統（人工智能技術的前身，該系統基于從專家獲得知識來實現對某些知識領域的推理表達）。2006年提出語義網絡的概念，強調使用文體模型來形式化表達數據中的隱含語義，RDF（resource description framework）模式（RDF schema）和萬維網本體語言（Web ontology language，OWL）的形式化模型就是基于上述目的產生的，進一步促進知識圖譜技術的出現。知識圖譜作為人工智能的底層技術支撐，2012年谷歌公司為了提升搜索引擎的效能和用戶體驗感，打造了“knowledge Graph”項目，而知識圖譜技術則運用于其中。國內外互聯網搜索引擎巨頭也紛紛跟隨應用該知識圖譜技術，如微軟、搜狗等。該技術在發展過程中，存在著許多發展瓶頸，如數據獲取難、嚴重匱乏。就知識圖譜技術的發展現狀而言，其在語義搜索、智能問答、數據挖掘等多方面有著廣泛且深入應用，為數據的有效利用提供堅實的基礎保障。

3.知識圖譜的搭建

知識圖譜的搭建，采取知識表示、知識抽取、知識融合、知識加工推理與知識圖譜應用四個環節。一般采取自頂向下和自底向上兩種搭建模式。自頂向下是先建立知識圖譜的本體與數據模式，再將實體與關系、實體與屬性放入知識庫中，通常應用于具有足夠充分的實體屬性與數據模式的特定垂直行業;自底向上是指從各領域公開與共享的數據集中抽取置信度較高的實體、關系、屬性進行融合，再搭建頂層的數據模式，這種構建模式融合了更多實體，因此得到了廣泛應用，大多數知識圖譜就是自底向上的模式。

保險業的數據化特征和業務規則清晰，就成為知識圖譜技術的最佳應用場景。將知識圖譜技術應用于信用保證保險中，既要考慮到知識的廣度、深度和精度，也要充分完備的數據模式，因此采取自頂而下和自底而上相結合的模式，實現信保業務的風險管理智能化，促進風險的智能識別、預警和處理，從而賦能信用保證保險高質量發展（見圖1）。

二、知識圖譜技術與信用保證保險的契合分析

（一）中國信用保證保險發展歷程及現狀

1.信用保證保險的發展歷程

以信用風險作為保險標的的信用保證保險發展時間短而曲折。我國信用保證保險的開端，源于20世紀80年代原中國人民保險公司開展的首筆長期信用保險業務。而此險種真正被大家認知，是1999年中國人保公司開辦的機動車輛消費貸款保證保險。隨后，各家保險公司相繼推出了類似于此的企業消費貸款、房屋抵押貸款保證保險等險種。隨著互聯網經濟的不斷發展，P2P市場日益火爆，融資性保證保險大規模發展起來，但我國的信用保證保險與發達國家相比發展較為落后。在新冠疫情、經濟形勢下行壓力和國際環境復雜多變等多重外部因素的疊加影響下，加上保險公司自身對信保業務的風險控制不力，該行業面臨著長尾風險。尤其是融資性信保業務，其賠付率已經超過100%。誠然，國家對信用保證保險的政策支持力度不斷加強（見圖2），規范引導其經營行為，從源頭化解不可控風險，促使該業務良性可持續健康發展。面對車險保費規模的日益收縮和車險市場的競爭加劇，許多財產保險公司開始布局非車險業務。信用保證保險與一般財產保險相比，具有費率高、期限短的特點，這吸引著保險公司開展此險種。如圖3統計數據顯示，信用保證保險保費規模由2015年的230億元增長至2019年的897億元，其中2017和2018兩年該業務以106%、70.1%的增速爆炸式增長，可知信保業務已成為大多數財產保險公司非車險業務的重點發展領域。隨著互聯網消費金融的爆發式發展，信用保證保險得到突飛猛進的發展，為財險企業貢獻了可觀收入。這也導致有關保險公司逐利盲目擴張信用保證保險，忽視了自身風險管控能力不足等問題。尤其是對中小型財險公司而言，風險合規意識淡薄，對信保業務的經營模式與定位模糊不清，只追求業務而忽視風險，最終導致該業務頻頻“踩雷”，出現賠付率攀升、由盈轉虧、資金流動性不足等問題。因此，目前各家保險公司對該業務的經營持謹慎態度。

2.信用保證保險的發展困境亟待突破

在經濟下行背景下，信用保證保險市場需求增大。信用保險和保證保險對于中小微企業而言有著不同的功效，信用保險能為雙方當事人在交易活動中的失信行為提供風險保障;保證保險能夠為其提供信用擔保，解決融資難、融資貴等問題。相對而言，融資性信保業務具有更大市場機會和發展空間，有效滿足市場中對于資金和資產對接的迫切需求。但近年來，社會信用風險整體呈上升趨勢，再加上受到新冠疫情沖擊、網貸政策緊縮等風險因素的影響，信保業務近年來重大案件頻發、踩雷事件不斷，威脅著信保業務整體的經營發展。主要表現在以下五方面。

一是公司組織架構不健全，信用保證保險專業人才隊伍發展畸形，儲備不足。由于信保業務起步較晚，缺少綜合性專業人才。絕大多數具有信保業務的保險公司并無針對信保業務設立專業的風險管控部門，而是穿插于各個部門中。存在同一崗位員工身兼數職，進而形成業務與風險控制之間的內部利益沖突，并沒有在經營流程中實行前、中、后臺的風險隔離。但信保業務區別與一般財險業務的是，其承保對象是信用風險;信用風險還要綜合考慮行業風險和經濟周期等因素，非常考驗承保機構對于風險的識別與預警。

二是承保前的風險審核不到位，風險合規意識淡薄。在信用保證保險的起步階段，其經營的財險公司并未綜合衡量自身風險承受和管理能力，一味追求短期利益和保費收入，風險合規意識淡薄。而信用保證保險的投保對象多為中小企業，經營狀況和還款能力受經濟波動影響較大。因此，需要保險公司對企業的經營狀況、還款能力、貸款風險等全面審核。但保險公司人工審核對提交資料真實性進行信用評估的效率與準確率極低，存在對抵質押物和關鍵材料驗真手段單一、僅對核保材料進行表面審核等問題，無法發現深層次的潛在風險。

三是保后風險監管缺失，風險預警機制不健全。經營信保業務的保險公司缺少對風險的持續動態監控和定期對風險進行評估與預警。承保對象的信用風險衡量具有復雜性，保險公司承保后，應對信保業務履約義務人的后續資產交易狀況、征信記錄等內容進行全程跟蹤和存檔。同時，還存在只針對單一個體或企業進行風險防控，而忽視個體與個體之間、企業與企業之間、個體或企業在時間軸上的行為演變等信息，無法對承保后信用逐漸惡化的客戶進行動態分析、及時預警止損。并且通過分析發現，保險公司對保后風險的監管缺乏，最重要的是重視程度不夠，忽視風險監管而片面追求保單數量。

四是保險公司管理制度缺失，內控機制不完善。目前保險公司在管理制度和內控機制方面存在明顯短板，在業務風險頻繁發生時無法及時采取保全手段，進一步推動了賠付率的增長，阻礙了信用保證保險高質量發展。在承保時，由于內控機制不完善，存在工作人員未按照正規操作流程和規章制度執行。

五是征信數據不全且質量低，定價能力與精準度難以支持業務發展。征信作為信用保證保險健康發展的重要支撐，是保險公司保前風險審核的關鍵因素，但目前我國征信體系并不健全。而信用保證保險經營公司很少與央行征信系統進行對接，大部分按照《信用保險和保證保險業務監管辦法》要求與第三方征信機構進行數據對接，但財險公司與第三方機構的對接并不充分。另外，由于存在“數據孤島”使得第三方征信機構收集的數據不全面，存在灰色地帶，導致保險公司難以完全掌握法人或自然人的信用狀況。我國目前開展信保業務的公司共有64家，而受高賠付率影響，不少財險公司開始減少信保業務的開展。那么，經營信保業務的保險公司便會缺乏行業數據和歷史數據的支撐，而這進一步影響了保險定價能力。

（二）知識圖譜技術能夠賦能信用保證保險高質量發展

1.實現信保業務數據價值的重構和應用模式的創新

數據是保險業實現高質量發展的關鍵資源因素。孤立且多樣化的數據本身并不具備價值，只有統一和關聯數據，才能挖掘出有效信息數據價值。由于我國信用保證保險缺少用于信用風險預測的行業數據，使得保險公司難以把控承保風險。而知識圖譜技術可以將來自人民銀行、工商、稅務、市政等不同數據源的征信數據進行融合，將信保業務領域的結構化、半結構化、非結構化的數據進行處理、關聯分析和理解后通過知識圖譜展現出來，促進數據的正常流動，實現數據的價值。通過助力數據分析，更加精準、快速、卓效實現信保業務的數據價值重構。

2.信息多維化可視化展示，有效識別預測被保險人風險

知識圖譜應用于金融領域，有助于實現關聯關系數字化、用戶行為網絡化。即把傳統只可意會不可言傳的“關聯關系”數字化，把金融場景的各類用戶行為以網絡化視角展開分析，從而為業務場景重要決策提供全面而深刻的業務洞察。信保業務在承保前的風險識別需要大量的人力物力，不僅具有耗時長、成本高等弊端，還不能充分識別個人或企業的風險所在。基于知識圖譜的圖結構和豐富的語義關系進行關聯分析，可將企業級客戶的股權關系、業務關系、資金關系、人員關系等進行挖掘（見圖6），從而更好預測該行業或企業所面臨的風險，盡早發現并規避系統性風險。同時，知識圖譜技術還可實現信息的多維化可視化展示。如若輸入個人的身份信息，那么此人的消費信息、信用記錄、工作等都會直觀展現出來。因此，運用知識圖譜技術可以融合更廣泛多元的信息，線上線下聯動多維度地綜合全面評估個人或相關企業的信用風險（見圖7）。

3.知識圖譜技術賦能保險產品的差異化定價

我國經營信用保證保險的公司目前并沒有成熟的定價模型，大部分公司只能通過簡單提高保費來覆蓋風險的手段進行定價。而知識圖譜技術可以將碎片化信息進行整合，建立起海量數據之間的關聯關系，再通過以圖形化方式建立各行業或企業的巨大關系網絡，構建多維度立體式智能化風控體系，更好的輔助信保業務從業者快速直觀地發現履約義務人的資信狀況。運用知識推理，融合行業內外部的發展環境，判斷義務人是否會存在因為無力還款而違約的現象存在;根據客戶不同的信用水平實現對履約義務人精準費率安排，這樣充分發揮信用保證保險的差異化風險定價和增信功能。差異化定價有利于輔助信用獎懲作用的實現，將增強個人和企業的信用意識，實現社會信用體系的完善。

4.防范道德風險，重塑業務智能風控過程

信用保證保險的信用評估、風險控制和反欺詐是實現其高質量發展的關鍵環節。隨著經濟社會的發展進步，欺詐手段越來越隱蔽、取證越來越困難，通過組織團伙或內外勾結的方式，利用移動互聯網、云計算、人工智能等新技術實行保險欺詐的方式盛行。因此，傳統反欺詐手段難以全面動態地洞察欺詐風險，并且投保人、被保險人、保險人、互聯網信貸平臺等主體之間存在嚴重信息不對稱問題，那么受利益驅動就會造成合作機構、投保人、被保險人、投保人與被保險人共同欺詐來騙取保險金，如提供虛假的材料、虛假的抵押財產、故意制造保險事故等等。而知識圖譜技術與機器學習的結合有助于實現反欺詐，將與客戶有關的行為數據打通，并整合到反欺詐知識圖譜里。通過不一致檢驗，利用知識圖譜技術識別潛在欺詐風險，如權利人明知義務人因財務出現問題而不能償還時，依然要求義務人通過借入新債（新債中包含保證保險）來彌補舊債，這必然導致保險公司的賠償。知識圖譜技術打通了相關數據，能實時動態地描繪出囊括借款人、借款用途、借款細節等綜合畫像，并根據機器學習算法概率計算量化義務人風險情況，識別出欺詐風險所在。

5.降低業務運營成本，優化保險經營方式

阻礙信用保證保險發展的因素主要有中小企業和個人信用風險難以識別、發生保險事故的頻率難以估測、單筆賠償金額的數值高等。在某個貸款保證保險項目中，保險公司經過兩個月的調查和審核才判斷出存在欺詐風險，這大大增加了保險公司的經營成本。若出現重大理賠案件，保險公司需派遣理賠部門進入一線深入調查，耗費大量的人力和物力方可決定是否進行賠付。而對“先賠后追”的融資性保證保險業務來說，其追償難度很大，保險事故的發生無疑增加了保險公司的追償成本。因此，保險公司的信用保證保險業務大多虧損經營，導致越來越多的保險公司不愿意拓展信用保證保險市場。通過引入知識圖譜技術，融入具體個人或中小企業的碎片化信息，并輔助于機器學習和數據挖掘技術及時進行風險智能識別、風險自動預警與風險智能處理，能夠有效解決保險核保承保、查勘定損、理賠過程中信息獲取難、準確率低且耗時長的問題，提高保險公司內控內審效率。

6.緊跟新一輪技術發展浪潮，為信保業務注入新動力

知識圖譜技術既可以優化信保業務經營環節，還可以促進經營公司內部知識管理的升級優化，進而賦予信保業態新動能，促進其數字化轉型。隨著互聯網2.0時代的到來，信息化的基礎設施日益完善，信息系統在大中小保險公司內實現了覆蓋應用。保險企業在信息化的變革中提高了自身運行效率，為其進入知識管理階段奠定了良好基礎。但保險業內部知識來源廣泛、知識增長量大，使得識別、審核和管理難度增大，嚴重制約了保險業有效實施知識發現和知識管理。知識圖譜可以從大量非結構數據中抽取出結構化數據，并建立起關聯關系。同時，該技術在信息表達上更加接近于人類的認知方式，具備分析處理信息和推理判斷能力。因此，信保業務經營公司通過構建基于知識圖譜的內部管理平臺，將幫助其發現信保業務經營規律，建立起完整智能的信保業務商業閉環，實現降本增效，賦能保險經營公司的數字化重塑。

三、知識圖譜技術賦能信保業務的機遇和挑戰

（一）知識圖譜技術應用的機遇

1.人工智能的發展為知識圖譜技術應用奠定了基礎

人工智能新基建通過結合具體應用場景，推動各行業智能化轉型。根據前瞻產業院分析估算，未來AI+金融的賦能價值將持續提高。目前人工智能正在向認知智能轉變，知識圖譜技術作為實現認知智能的底層技術支持，在科技部《科技創新2030—“新一代人工智能”重大項目2020年度項目申報指南的通知》中的22個研究任務中，與知識圖譜有關的任務占45%。知識圖譜技術將知識庫中的知識以一種更加直觀、可視化的圖譜形式表現出來，使得知識具有推理能力，進而促進機器實現理解和推理的認知能力的提高，因此未來一段時間內將成為人工智能的發展焦點。就知識圖譜技術本身來說，目前受到各行各業的廣泛關注，并將知識圖譜與機器學習相結合應用于各大場景，發展前景廣闊。

2.保險業的數據特征與知識圖譜技術高度契合

數字經濟時代的感知層面進入信息數據爆炸期，認知層面的有關理解、推理等能力逐漸被撬動，為知識圖譜技術的發展帶來機遇。保險業大數據具有四種特征：一是保險業數據規模大，2020年新增保單件數達526億件，可見保單本身就產生大量交易數據。當然保險公司為了更好核保、承保和理賠將會依靠外部大數據，這進一步擴大了數據規模;二是多樣性，保險業數據主要是以結構化、半結構化和非結構化三種形式存在;三是高速性，保險數據產生具有高速性和時效性，若不能實時處理便會降低其價值;四是價值性，保險公司具有大量客戶信息，數據價值較高。但對于數據的有效利用存在不足，需要耗費很大精力和成本才能有效治理數據。而知識圖譜技術根據保險公司問題目標與經驗，在傳統大數據治理框架基礎上，通過“數據”圖譜實現數據的動態提取擴展和深度治理挖掘，在打通數據、促進數據標準化、降低數據治理工作量方面效用很大（見圖8）。

3.信保業務知識具有一定穩定性，方便知識抽取

將各種類型的數據源抽取出其實體和關系是知識抽取至關重要的過程，也是知識圖譜構建過程的第一步。知識抽取按任務可以分為概念抽取、實體識別、關系抽取、事件抽取和規則抽取等。信用保證保險的產品條款一經確定，所涉及的行業知識內容不會隨著時間頻繁變動，且對于條款描述的用語具備規范性和專業性，一定程度上方便了從信保業務相關的文本數據中進行知識抽取。通過深入挖掘融合各類客戶在生產經營、金融交易、消費服務等相關知識內容，并推理關系中的趨勢、異性和共性，將知識轉化為決策依據，破除信保保險產品的封閉式研發，實現針對房產、汽車、消費、機構融資等不同場景的信保產品創新，進而為不同場景下的投融資提供信用風險定價與風險保障服務。

4.信保業務風險集中爆發，保險公司高度重視

目前中美全面博弈持續發酵，外部形勢錯綜復雜。新冠肺炎疫情自2020年初爆發以來，嚴重沖擊了世界經濟，全球金融風險顯著增加，因新冠疫情導致的經濟損失巨大。國內經濟也受疫情影響下行壓力加大，一部分居民個人、行業和企業的財務狀況每況愈下、償債能力不斷減弱。經營信保業務的保險公司片面追求業務規模和利益而忽視自身的風險管控能力;合作的群體也具備一定的高危性，從P2P到保理、融資租賃、信托等金融或類金融主體，最終導致了信保業務的風險集中爆發。大保險公司可以通過總體盈利額去抹平信保業務的虧損，但中小保險公司可能會因此陷入經營困境。因此，保險公司高度重視信保業務的風險控制，控制業務結構，促進資本在知識圖譜等人工智能技術應用研究的聚集，進一步推動知識圖譜等人工智能技術成為信保業務轉型升級、高質量發展的強有力支撐。平安科技公司目前期望將知識圖譜建設融入企業發展藍圖，用創新AI技術為企業注入新活力，邀請了國內知識圖譜領域的專家推動知識圖譜技術在保險領域的落地應用。但知識圖譜在信用保證保險業的研究應用仍處于初步階段，亟待對保險知識圖譜構架深入研究。

（二）運用知識圖譜技術的潛在挑戰

1.知識圖譜技術本身存在瓶頸，落地應用難

知識圖譜的發展歷程較為短暫，在知識圖譜構建的各個關鍵環節都面臨著技術挑戰。各行業的知識圖譜都是獨立存在的，不能完全實現圖譜共享，沒有統一的行業標準。在信息抽取方面，對于開放域的信息抽取還在初級發展階段，尤其是在開放領域的純文本信息抽取方面。在知識融合環節，對于怎樣實現精準的實體鏈接，包括在開放域條件下的實體消除、共指消解等問題存在挑戰。在知識加工領域，主要問題在于本體自動構建、知識推理技術、知識質量評估手段以及推理技術的應用，在知識更新環節，嚴重依賴人工方式。在數據運用方面，存在數據利用率、準確率低和學習能力欠缺問題，嚴重影響了知識圖譜分析結果的可靠性。若關聯關系數據不完整，那么知識圖譜將會是孤立的“子圖孤島”，并不能實現關聯關系數據的價值。由于知識圖譜技術最初是用于靜態的知識表達，并不能對動態變化的知識進行描述，而信保業務在經營過程的風險是時刻變動的，因此知識圖譜并不具備表達動態風險的能力。

2.專業復合型人才匱乏制約其應用

信用保證保險風險具有復雜特殊性及長尾性，賠付率高。因此，財險公司開展此類業務的并不是很多，從我國財險總體保費收入占比來看，信用保證保險的保費收入僅占比約5%。而且信保行業內的專業人才本身就匱乏，同時具備保險科技、互聯網、風險管理知識的復合型專業人才更是奇缺。此外，信用保證保險還具有專業性和技術性的特點，多領域的專業技術人才跨界合作才能保障知識圖譜技術的落地應用。

3.知識圖譜技術的投資開發應用成本高

知識圖譜作為行業智能的關鍵技術之一，使得計算機能夠直接進行文本分析和處理，進而開展推理，不再需要人工專家的干預。迄今為止，知識圖譜實際應用在發達國家已經逐步擴展并取得了較好效果，但在我國仍屬研究的起步階段。因此，對于保險公司而言，從專業知識圖譜研發部門的建立，到專有知識圖譜人才的招募，都需要其投入大量資金。構建行業知識圖譜，首先需要軟件工程師從海量數據中篩選數據;其次通過自然語言處理工程師建立語義理解模型;最后需要大數據工程師對海量數據進行管理。因此，建設知識圖譜的過程需要一個高水平技術團隊，包括自然語言處理工程師、大數據工程師和行業專家在內的協作努力。此外，相關保險公司在落地應用此技術的過程中，還要承擔可能失敗的沉沒及機會成本。并且，該項技術的研發周期較長，技術本身存在更新迭代問題，進一步提高了開發應用成本。

四、知識圖譜技術賦能信保高質量發展的政策建議

（一）對政府監管部門的政策建議

1.高度重視知識圖譜的行業應用，營造良好的科技創新生態環境

數據驅動逐漸成為保險業的發展共識，大數據時代的到來為知識圖譜的應用提供了大量數據資源。基于知識圖譜的數據平臺可以對數據進行高效關聯分析，是未來保險業的發展方向。保險公司將大數據、區塊鏈、機器學習等技術與知識圖譜融合應用，區塊鏈保證了知識圖譜數據的安全性，增強了知識圖譜的可查詢與應用性;機器學習能夠增強知識圖譜在智能風控和信用評估的可靠性。知識圖譜是未來保險業發展的動力之一，能夠將數據信息中的隱含關系進行挖掘，促進保險公司未來的升級轉型。因此，政府應高度重視知識圖譜技術在保險公司的應用，加大資金、政策等資源鼓勵支持大型信用保證保險經營公司先行摸索落地應用，待技術發展成熟、成本降低后，繼而在信保行業全面放開推行。保險是與政策關系密切的行業，政策的調整直接關系到行業發展的走向，相關部門可以出臺政策進行引導，對經營公司給予一定的稅收優惠支持，支持保險公司自己研發和掌握核心技術。深入貫徹落實習近平新時代中國特色社會主義科技創新思想，堅持“放管服”綜合改革，營造良好的科技創新生態環境，使得保險公司真正成為研發主體，實現信保業務知識圖譜技術發展的良性循環。

2.升級優化監管體制與模式，加快保險業頂層設計

貫徹“底線監管”原則，將法律底線之上的空間留給技術創新主體。對于知識圖譜等技術可采取邊創新部署、邊試點應用、邊完善監管的策略逐步推進，這樣將更好地推進知識圖譜在信用保證保險中加速落地。關于知識圖譜在保險業應用的法律法規屬于空白，要加快立法的進程，完善法律法規。也可以借鑒國外經驗，吸引我國在知識圖譜方面有很高造詣的專業技術人員，共同制定明晰的行業標準。完善相關法律和條款，適應新形勢的變化。市場監管要根據市場變化和技術的變化與時俱進，在新技術到來時監管部門要制定完善的監督體系，防止發生系統性金融風險。目前，由中國電子技術標準化研究院牽頭制定的《面向標準的知識圖譜技術要求》，通過頂層設計，制定了知識圖譜技術架構及建設流程，提出了標準知識圖譜的應用場景。通過對該標準的研究與實施，將加深信用保證保險經營公司對該技術的理解，推動知識圖譜技術的創新發展。

3.加強行業互動，推進多方主體融合參與技術應用進程

一個技術的發展與完善的產業體系密切相關。技術的發展就是要能實現商業化，商業化的需求反過來促進技術的進一步發展優化。知識圖譜的商業化落地應用需多個行業融合，從產業鏈來看，上游是以通過做數據采集而擁有各種數據源的企業和機構為主;中游企業是知識圖譜產業鏈的核心重點，發揮著決定性作用，其包括大數據分析公司、互聯網企業和人工智能公司，為全流程提供知識圖譜技術方案的咨詢與技術能力的輸出;下游深度聚焦知識圖譜在垂直行業的應用場景，主要包括金融、醫療、客服、營銷等領域。知識圖譜具體運用到信保業務中，有助于風控反欺詐、風險預測等。因此，政府應加強引導，出臺相關政策，不斷加強各個行業互動融合發展。為進一步加快知識圖譜的應用，推進信用保證保險全面智能化、科技化發展，協調整合相關政府部門、保險企業、融合相關產業等主體參與技術應用過程。為了我國信用保證保險的良性發展，也要打破行業之間的壁壘，需要政府部門的大力支持、相關行業的齊心協力，使互聯網行業與保險公司有機結合起來，實現技術對數據的高度融合。

（二）對保險公司層面的政策建議

1.深化知識圖譜技術與信保業務融合，推動技術應用落地

一是在知識圖譜應用過程中，必須串聯信保業務中產生的大量多源異構數據形成數據中臺，從而挖掘出數據深層次價值，實現內控管理機制完善、風險預警、智能追償等。在構建針對信保業務知識圖譜數據庫時，需要包括企業、個人、交易以及行為數據在內，需要保險公司在設立獨立研發部門的基礎上，將所有利益相關方的數據進行整合。二是保險公司需要密切關注知識圖譜技術研究與創新的最新動向，尤其是在信保業務領域的創新實踐，努力深化從理論到實踐的創新。三是大型保險集團可以發揮其資源優勢和協同效應，推進知識圖譜技術落地實施。如中國人壽、泰康人壽、太平洋保險依靠明略科技在金融行業數據平臺及知識圖譜構建方面的成熟經驗，進行技術上的探索應用。而對沒有資源優勢又缺少新興科技創新能力的中小財險公司來說，可以采取抱團合作方式來深化知識圖譜技術與信保業務相融合，推動技術的應用落地。每一次新技術的革新，都會帶來行業內部的調整。龍頭保險公司應加強技術研發和投入，發揮領頭羊作用，中小型保險公司可以著重進行某一特定領域的研發，實現自己的特色化發展，贏得彎道超車的機會。

2.培育復合型專業人才，加快搭建人才高地

黨的十八大以來，黨中央以人才強國為目標，實施人才優先發展戰略。在后疫情時代人才競爭更加激烈，保險企業引才面臨巨大挑戰。我國保險市場目前的專業人才儲備不足，對人才培養也不夠重視。保險公司應加強與高校和科研機構合作，根據自身的需求培養在知識圖譜方面的人才，構建具有競爭力的引才制度體系。當然，在引進知識圖譜技術專業人才時，應注重公司內部自主培養復合型、應用型人才，在掌握信保業務經營規則的同時，提升科學技術技能，打造具備科學技術、企業財務管理、風險管理、貸款風險等多方面的保險復合型人才。同時，制定定向人才培養機制，促進人才高地的盡快搭建。人才是創新的主體，應該進行更多的資金扶持，參加行業的就業補貼以及根據工作年限進行相應補貼，并對人才給于更多人文關懷，讓人才愿意來保險公司長期服務，為保險公司繁榮壯大添磚加瓦。

3.加大專利申請和保護力度，提高保險公司核心競爭力

對大部分保險公司來說，知識圖譜在信保業務領域的運用屬于特色新業態，部分公司試圖往這個方向發展，但很多公司目前都處于調研階段。應密切關注國際知識圖譜技術創新與發展的前沿動向，主動參與知識圖譜技術在信保業務運用的技術研發，不斷增加資源投入。在技術落地應用的初始階段，可以和已經深耕大數據及人工智能產業的金融科技獨角獸合作發展。保險公司在投入大量資本研發的同時也能享有未來技術成果紅利。因此，保險公司應注重新技術的專利申請和保護工作。總之，人工智能作為科技高地之一，保險公司應致力于知識圖譜技術在行業內的應用，不斷提高其核心競爭力，并為國家科技發展做出應有貢獻。

（責任編輯：夏凡）

參考文獻：

[1]唐金成，劉魯.保險科技時代“AI+保險”模式應用研究[J]，西南金融，2019（5）：63-71.

[2]唐金成，杜先培.論區塊鏈技術在保險公司的應用[J].西南金融，2018（9）：58-64.

[3]唐金成，杜先培.區塊鏈技術驅動養殖業保險發展研究[J].金融理論與實踐，2019（5）：26-31.

[4]許閑.保險公司知識圖譜構建之初探[J].上海保險，2019（11）：16-18.

[5]許閑，張航.保險公司的知識圖譜構建及應用[J].中國保險，2019（3）：24-29.

[6]章小兵.保險業如何利用知識圖譜[N].中國銀行保險報，2019-11-08.

[7]蔣昭昆.信用保證保險：行業的“增長點”還是“引爆點”[J].保險理論與實踐，2020（7）：96-103.

[8]王緒瑾，王翀.信用保證保險為民企保駕護航[J].中國金融，2019（3）：33-34.

[9]馬忠貴，等.知識圖譜的最新進展、關鍵技術和挑戰[J].工程科學學報，2020，42（10）：1254-1266.

[10]李濤，王次臣，李華康.知識圖譜的發展與構建[J].南京理工大學學報，2017，41（1）：22-34.

[11]唐金成，韋紅鮮.中國互聯網保險發展研究[J].南方金融，2014（5）：84-88.

[12]楊波，楊美芳.知識圖譜研究綜述及其在風險管理領域應用[J].小型微型計算機系統，2021，42（8）：1610-1618.

[13]徐增林，盛泳潘，賀麗榮，王雅芳.知識圖譜技術綜述[J].電子科技大學學報，2016，45（4）：589-606.

[14]唐金成，劉魯.“AI+車險”模式應用研究[J].上海保險，2020（1）：52-58.

[15]唐金成.信用保證保險與中小企業融資難題研究[J].南方金融，2013（1）：70-76.

[16]田明，吳國民.知識圖譜技術落地社群微籌金融領域的關鍵要素[J].金融經濟，2018（10）.