近日，全球知名再保險經紀和咨詢公司Gallagher Re發布了2023年一季度全球保險科技報告。據報告顯示，2023年第一季度全球保險科技投資相比2022年第四季度環比增長37.6%，從10.1億美元增加到13.9億美元，一掃2022年保險科技融資頹勢。
整體來看，2023年第一季度，在全球風險投資整體環比下降13%的背景下，保險科技投資環比仍大幅增長，主要在于財產險的推動，該細分領域的融資總額從2022年第四季度的6.3016億美元增至2023年第一季度的9.6789億美元，環比增長53.6%。
但報告也提示，作為許多保險科技公司的首選銀行——硅谷銀行（SVB），其倒閉將對前者將造成非常現實和潛在的問題。
整個2022年，全球保險科技融資銳減。“雖然我們從未將保險科技融資放緩歸為崩潰或泡沫破裂，但用于支持保險科技的可用現金系統性減少的可能性是一個非常現實的問題，它將加速任何已經開始的衰退趨勢。這個事件毫無疑問，也將影響今年我們可能會看到的（保險科技）IPO數量。”
Gallagher Re推測，硅谷銀行的崩潰很可能是一個關鍵時刻，保險科技不再與高估值和融資聯系在一起，而是被稱為專注于（再）保險行業的技術公司（無論是為保險公司提供科技賦能還是直接為消費者提供服務）。
AI+保險：從被動的“檢測和修復”到主動的“預測和預防”
以人工智能為代表的先進科技，為保險行業帶來了數十年來最深刻的顛覆。據《福布斯》報道，預計到2030年，人工智能在保險行業的價值將達到357.7億美元，預測期內復合年增長率為33.06%。
通過模仿人類的感知、推理、學習和解決問題的能力，人工智能有潛力將保險從被動的“檢測和修復”方法轉變為主動的“預測和預防”策略。這種轉變將影響包括經紀公司、消費者、金融中介、保險公司和供應商在內的行業各個方面，加強決策、提升效率、降低成本并優化整體客戶體驗。
01 提升索賠處理效率
對于保險公司來說，索賠處理是最重要的保險業務之一。安永的一項研究發現，87% 的客戶表示，索賠處理效率會影響他們與同一家保險公司續保的決定。人工智能和機器學習算法可以加快索賠處理流程，無需人工干預。機器學習可以幫助確定索賠的各個方面，例如圖像識別、數據統一、數據分析和預測潛在成本。機器學習算法通常會分析圖像和傳感器以及保險公司的歷史數據，有助于加快理賠速度。
02 精準評估風險
以往，承保過程很大程度上依賴于申請人手動填寫常規表格提供的數據。申請人總是有可能不誠實或犯錯誤，從而導致風險評估不準確。連接性的提高和物聯網設備使用的增加可幫助保險公司獲取包含正確信息的更大數據集。自然語言處理（NLP）使保險公司能夠通過抽象評估資源獲取適當的信息，從而更好地評估風險。
03 欺詐檢測和預防
保險領域的人工智能還改變了欺詐檢測和預防的游戲規則。分析大量數據可以查明可疑模式，并實時提醒保險公司潛在的欺詐行為。它幫助保險公司降低風險、最大限度地減少財務損失并保持運營的完整性。借助人工智能，保險公司可以保護承保人免受欺詐性索賠。
04 索賠報告
保險索賠中的人工智能可以在沒有或最少人工干預的情況下處理第一時間的損失通知，保險公司可以報告、安排、分類和分配索賠。聊天機器人可以有效地促進索賠報告流程，因為客戶可以隨時隨地從任何設備上報他們的事件。支持人工智能的聊天機器人可以進一步分散信息以進一步處理。
05 改進日常運營
人工智能在保險行業的力量，帶來了客戶服務水平的革命性變化。如上所述，聊天機器人是啟動流程并進一步將信息傳播到下一個環節的最簡單方法，無需人工干預，從而使流程平穩、快速。人工智能驅動的聊天機器人可以根據客戶的個人資料和歷史記錄交叉銷售和追加銷售產品。自動化重復流程可以輕松擴大運營規模，同時利用人力資源擔任更具戰略性的角色。
06 完善損失評估
隨著人工智能技術的最新進步，包括機器學習、深度學習和 OCR，評估損失變得前所未有的簡單。只需上傳損壞物體的圖片即可快速有效地確定損壞程度。
能夠覆蓋上述多個方面的人工智能服務商并不多見。冰鑒科技基于反欺詐模型、反滲漏模型、關聯圖譜等人工智能算法模型，可幫助保險公司實現從產品設計到產品銷售到投保承保到核保理賠的全流程數字化應用，從而滿足用戶個性化需求、縮短產品開發周期，減少人工成本、改善用戶體驗，提升核保效率、降低賠付風險，目前已合作多家頭部保險公司。
生成式AI將為保險行業帶來哪些新機遇？
在最近的發展中，業界普遍認為，生成式人工智能將為保險行業帶來更進一步的顛覆。在具有龐大參數量的大型語言模型訓練下，類ChatGPT的產品展示出了強大的人機交互體驗、高質量的持續對話能力以及較好的邏輯推理能力。與傳統機器學習、深度學習等人工智能算法相比，生成式AI擁有更強大的創造能力，這一飛躍可以更好地實現許多保險流程的即時自動化和智能數字化。
以下是生成式AI在保險領域的三個主要用例：
01 即時理解復雜的文檔
大語言模型提升保險自動化的一個重要方式是理解復雜的文檔。使用 LLM 模型，無需在數百個文檔上訓練模型，就可以快速、準確地實現文檔理解。此功能適用于應用程序評估、風險評估、索賠和其他流程。
02 保險精算的風險建模
評估投資組合風險是保險行業精算師的關鍵工作。然而，由于保單組合可能包含由許多不同的承保人、經紀人和代理人簽訂的數以萬計的復雜書面合同，精算師可能很難驗證所有保單是否都符合最新的條款和情況。借助LLM模型，精算師可以更為輕松地比較保單合同并識別包含不利條款和條件的保單。
03 呼叫中心優化
有關承保范圍的問題帶來了呼叫中心很大一部分的工作量。從歷史上看，聊天機器人無法像人類一樣完全理解客戶提出的問題、查找正確的信息并做出有效的響應。生成式人工智能更加先進，它可以根據客戶的要求提供一個承保范圍的智能摘要，并且提高自動化程度并進行人性化交互。此外，它還可以翻譯成多種語言，或提供對于條款的簡要解釋，這在多元化保險市場中是一個巨大的優勢。
目前，在國際上已有類似的應用，比如美國保險科技公司Lemonade，該平臺基于GPT技術打造面向用戶的銷售機器人AI.MAYA，當客戶擁有購買保險意向時，MAYA只需與其進行約兩分鐘的簡單聊天，便能識別與處理客戶信息，推薦適配的保險產品及報價，進而促成交易。MAYA還可以通過向客戶提出有限且高質量的問題，并根據回答進行算法調整，后續可大幅度減少客戶管理時間。
如蘇黎世保險公司亦在試驗 ChatGPT，并探索如何使用人工智能技術來完成提取索賠數據和建模等任務。據英國《金融時報》報道，該保險公司正在將過去六年的索賠數據輸入人工智能聊天機器人，以識別索賠損失的具體原因，從而改善承保流程。
作為一家以通用人工智能技術提供企業級服務的高科技公司，冰鑒科技自主研發的本立道生大模型也已成功應用于國際保險業務中，基于客戶公司所提供的電話錄音對其客服人員的工作表現進行評級，幫助該公司建立對于客服人員工作表現的評價體系，優化客服人員的工作流程。
當然，盡管生成式AI在諸多場景下展現出強大能力，但其風險和限制亦不容忽視。保險行業作為大模型落地垂直領域的主要方向之一，其發展值得期待。
