大家好，这次活动中我们邀请到了在保险行业已经从业整整17年的老炮，Daniel Su做客我们，Daniel曾任职于安联保险公司任物流/水险部门负责人，法国安盛保险公司(香港)人亚洲区首席核保人，以下内容Daniel老师直播的讲话内容，供大家继续阅读。

        大家好，我是Daniel，今天由我来和大家分享一下有关于人工智能和保险业可能或者已经发生的关系，在本次活动开始之前，我想先问大家一个问题，大家脑海中AI应该是个什么样子?

        可能有人会说AI应该是个智能机器人，我想让他干什么他就能干什么，帮我赚钱做饭带孩子哄老婆。目前来看除了最后一项的技术壁垒过高难以攻克以外，其余的实现起来问题基本不大，当然也有女性朋友说我心中的AI应该有宋仲基的颜值，施瓦星格的体魄，李敏镐的长腿，赵处长一样多金，但是很遗憾的告诉你们，现在国产机器人销量比较可观的目前是这个家伙。

        好的，刚刚开个小玩笑。现在进入正题，其实要说人工智能究竟能不能撼动保险业，这个话题乍一眼看上去似乎应该让人工智能的专家来回答，毕竟从保险的角度看人工智能是攻击方，保险则更像是从外部被人工智能改造，只能被动接受，然而了解保险的朋友们应该清楚，金融三大家现在仅剩保险还尚未被电子信息化攻克，从技术角度来看人工智能短期内实现对保险“全盘通吃”还是有很大难度的。

        这里需要和大家介绍一下人工智能，我们现在所能接触到的人工智能也就是AI可以分为很多面，包括包括机器人、语言识别(ASR)、计算机视觉/图像识别(OCR)、自然语言处理(简称NLP),机器学习和深度学习等等，而这些五花八门的英文缩写其实最终目的都只有一个，那就是让机器更像人甚至是超过人。

        人工智能目前已经参与到了人类方方面面的生活中，我们比较熟悉的Siri，锤子发布会曾经介绍过的科大讯飞语言识别也就是通俗说的语音输入，智能家电，智能客服等等，这些都属于人工智能的范畴，以下的这张图是不完整包含所有的人工智能的已在运作的项目。看上去种类是不是特别多?这其实是一个好现象，证明人工智能现在处于一个蓬勃发展的阶段，但也反映出现在人工智能还处在一个百花齐放的初期阶段，客观来说人工智能其实还是不够智能的。那么回归最初的疑问，这样一个不够智能的科技产业，真的可能改变保险业吗?

        有人说不能。因为保险本身是一项非常复杂的配合工作，无论是售前还是售后，都需要不同角色的人完成一整套复杂的操作。比如使用聊天机器人进行售前服务，如果客户需求简单，那么只需要进行简单的产品介绍，然后倒入销售页面即可，这也是现在一些购物网站主要采取的手法。但当AI面对的是一个有复杂保险需求的客户时，恐怕智能机器人就会变成智障机器人。

        面对一些非标顾客，我们很清楚，他们很难就保险需求和条款提出明确的要求，更多的给的是一些宏观诉求，这就对机器人提出了挑战，它需要把客户的语音转化为文字信息并形成数据，导入数据库后进行信息匹配，还需要揣摩理解客户的真实意图，然后抓取保险条款，为客户定制保险方案，再反馈到客户那里。这其中牵扯到ASR,NLP，计算机视觉,OCR,大数据，深度学习等等一系列操作，综合难度极高。

        刚才说的是目前存在的问题，但从技术的发展和现在行业中对AI的重视程度来看，保险业和AI的联姻，也仅仅只是大趋势下的其中一环。OK，人工智能本身涵盖的范围太广，我们还是简单一点，把它拆分了，以人类接触信息的先后程度，用眼耳口手脑来讲。那么首先是眼睛，也就是计算机视觉和图像识别。

        大家可以简单的把计算机视觉理解为电脑的眼睛，它能够把自己看到的全都记录下来。而图像识别是指利用计算机对图像进行处理、分析和理解，以识别不同的目标和对像，比如说你给电脑一张你拍摄的数字一，处理后它就能够了解这个一是什么意思，当下一次有人想知道这个图片上的信息时，电脑就能够明确的告诉你。比如周星驰在电影《赌侠》里面反派利用摄像机分析周星驰的牌是几时，这里就运用了部分计算机视觉和图像识别技术，一张牌还没展示出1/10，电脑就能基本猜到你的底牌到底是几。

        计算机视觉和图像识别技术从宏观上讲对保险业意义重大，由于保险公司的核心是风控体系，而风控则是基于数据分析，由计算机视觉提供的大量并且及时的数据信息能够实时更新保险公司的数据库，而保险公司的核保模型就能够根据这些数据进行调整和优化，你比如说通过计算机视觉收集一个区域的吸烟人口，并把这些数据和医疗机构的数据进行匹配分析，那么就有可能针对性的制定出适合这个地区的健康保险。

        再比如说车险或农险的反保险欺诈，保险公司从优化客户体验和节约成本考虑，让客户自己报案并提供出险现场的照片，这本来是为了方便用户，但这种方式也给骗保开了绿灯。有的被保险人可能在百度上随便找张图片就上传给保险公司并以此来骗保，如果用人眼来辨别提交的照片是否重复，这难度就不用说了。在这个领域运用图像识别技术查重效果是非常好的，比如说有一家做计算机视觉的公司，就曾经帮助某大型保险公司做过一个“猪骗保”的项目，农户上传的死猪照片经过他们系统处理后，会和保险公司一个十万级的照片库进行匹配查重，基本上就能杜绝了此类现象的发生，这如果要是放在以前让保险公司通过人工的方法进行操作，工作量是难以想象的。

        计算机视觉似乎看着离保险还有点远，但是有一个领域可能很快就要被它影响，这个领域就是车险，基于计算机视觉开发的自动驾驶最终会对保险业产生多大的影响，现在谁也说不准，但在2016年9月怡安奔福的一份报告中提出，即使自动驾驶汽车技术的普及速度处于一般水平，到2035年时，美国车险的保费相比2015年也会下降20%。到2050年自动驾驶技术完全普及后，车险保费有可能会下降40%之多。尽管现在自动驾驶汽车的发展还处于起步阶段，但是保险业已经从各个方面感受到了它的影响力。诸如自动紧急制动、车道偏移警告系统、碰撞躲避系统等高级辅助驾驶系统已经在各类车型中普及了。这些辅助系统为全球范围内车祸事故的减少做出了显著贡献，也将会对车险保费的定价产生深远影响。

        我们再来看一个计算机视觉和智能硬件结合的案例，这次是在保险公司的两个核心领域，核保和定损。传统的操作方法不再赘述，今天给大家讲的是通过无人机去实地进行核保和定损的方法。

        大家可以想象一下，当理赔员需要到现场进行查勘时，可以通过无人机进行实时拍摄，将数据传导给坐在电脑前的理赔员，这极大的降低了理赔人员的工作量。而使用无人机查勘除了便捷以外还有一个很大的好处，那就是当事故现场依旧有高危险性时，现场大多数地方人类都是无法直接进入的，而机器的优势就能够很好的解决这些问题，保证理赔员的安全，同时提供一个更加全面的风险监控情况。

        使用计算机视觉还有一个最关键的优点就是成本低，据美国好事达保险测算，他们理赔成本中一半都是理赔员赶到灾害地点的路费。而我国有庞大的保险售前人员，如果我们能够在任一地区都放置若干台无人机，由当地销售人员到事故现场进行无人机投放，理赔员即可远程操作进行核保或者定损，这样就省去了大量消耗在路上的成本，为保险公司成本节流，当然效率提升带来的一个副作用-，大家应该也都清楚。

        目前无人机定损方面的应用，已经有20%的美国财险公司正在部署或在试验。而在我国同样有保险公司正在使用，叫做安华农业保险，它们早在2012年就已经开始进行无人机保险定损工作，并下发了450台无人机到公司所有市县级公司，之后获得的效果也是非常明显的，在2014年8月一个月就出动无人机1800多次，完成100余万亩农田的勘察。

        在无人机承保查勘的过程中，无人机采集的数据可以自动与网络对接，飞行完之后立刻提取样本数据对灾害损失进行评估，将地块和农户进行关联。农户种了多少地、种的什么内容、损失多少、该赔多少钱，都可以实时精准的加以核算，一些水灾淹没的损失也能一并提取出来，理赔更加简单方便。避免了人工测量容易引发的争议。

        从竞争力角度来说，通过将无人机或其他影像设备联网实现实时监控后，更快速的理赔也可以为投保人带来更优秀的体验。还是以安华农险为例，如果发现森林火灾险情，让人上去是很难的，而且就算到达指定的地点也可能需要十几个小时，那个时候火已经很大了，传统信息搜集方式的滞后性会带来极差的客户体验，以及更加严重的损失。

        刚才说的是计算机视觉，也就是电脑眼睛的部分，接下来我们谈谈ASR，也就是语言识别技术，大家可以把它理解为电脑的耳朵。这项技术可以说是最近几年比较火热的，也是中国人工智能研究的一个前沿。简单说它就是大家日常生活中用到的语音转化文字，现在商用化运用其实已经非常成熟，像去年罗永浩在锤子发布会上展示的科大讯飞，他们宣称自己的识别率已经达到了97%，而在真实测试中效果也是非常不错的，没试过的朋友可以去试一试。

        其实语言识别技术，它更像是一个实现人类和计算机进行沟通的入口，以前我们使用键盘，鼠标，控制器来和电脑沟通。而在未来我们可能更多的是用嘴去和电脑说，这项技术的存在意义在于人机交互方式的改变，而功能则主要是作为信息收集的工具辅助来其他人工智能，听起来可能不是那么性感，但不可否认的是，语言识别技术在人工智能领域是一个强需求，在未来它一定非常关键，但仅仅一个ASR是不能支撑一个产业的，各大语音识别公司也意识到了这一点，开始了新领域的尝试。对于保险它同样如此，我们还需要期待业界能够给出更加丰富的组合产品，以供保险业采用。

        OK，谈语言识别技术是一定要和自然语言处理也就是NLP放在一起讲的，所以接下来要说说这个，NLP虽然我把它定义为是我们人类的嘴，但其实这是不太准确的。NLP简单理解就是让计算机去理解人语言的含义，而这个“理解”是最关键的，讲一个经典的例子，句子“我们把香蕉给猴子，因为它们饿了”和“我们把香蕉给猴子，因为它们熟透了”有同样的结构。但是代词“它们”在第一句中指的是“猴子”，而在第二句中指的是“香蕉”。所以如果不了解猴子和香蕉的属性，计算机就无法区分，自然不能进行下一步工作。

        自然语言是人类智慧的结晶，因此自然语言处理也是人工智能中最为困难的问题之一，但相应的解决这个问题能够带来的价值也就更大，对于保险业来说，NLP的发展最直接产生影响的领域是销售和客服的环节。举个例子，一家叫做Cognicor的公司，目前就在提供一款智能化客服辅助服务，它跟人沟通的时候高度拟人化。而且它所应对的问题并不仅限于回答消费者提问，解决投诉，处理索赔，它还能够通过分析客户的意图，提供某些定制化的产品和服务。

        Conversica 可以说是一款虚拟的销售助手，它能够利用人工智能来对潜在客户进行一些自动化的引导。在沟通过程中，它能够非常敏锐地察觉出来潜在的销售机会，并将这些机会转发给真实的人类员工，让他们在后续的销售中适时的介入进来。

        Conversica是美国的公司，在中国，同样也有公司走在了前列，这家公司叫做灵智优诺，它对自己的定位是用人工智能手段做保险解决方案，或者说是“智能投顾”，具体流程是，用户到它们平台咨询，通过问答形式，客服会推荐合适的保险产品给到用户。

        这过程听起来好像很简单，但在使用中，它到底是个智能投顾还是个智障投顾，NLP的成熟度在这里决定性的作用。调戏过智能机器人的朋友一定知道，当你问它一些冷僻的问题时，机器人往往不能给你一个很好的回答，这是因为它的知识图谱不够广不够深，也就是我们说的懂的太少。因为在以前，我们主要是通过人工的方式给计算机添加一些关键词来匹配结果，如果提问的问题不在给定的关键词范围内，机器人就傻了，这的就是典型的智障机器人。

        怎么样解决智能客服知识图谱深度，也就是让它学的更多，现在主要是通过线上抓取也就是用爬虫来获取是一个比较主流的方式，我们去论坛或平台搜集一些普通人对话的内容，然后把这些抓取出来的数据导入系统用于AI的训练，当数据量足够大的时候，就能够得到一个比较聪明的客服机器人。从这里我们也可以看到传统保险公司的优势，如果他们能够通过语言识别技术，把电销的打电话的内容转化为文字，然后全都录入智能机器人的系统里，很快就能训练出一个智能机器人，而保单本身对于机器来说，是完全结构化的东西，保险公司只需针对不同条款，建立特别的语料库。那么两者想结合，就可以构建出一个智能的电话销售。

        保险公司这时候其实只需要保留几个最好的人类电话销售，然后让他去帮AI优化话术或者找错，进而修正回复的模型，这样就能得到完美的智能电销，其实这时候叫它智能电销已经不太合适了，因为对于AI来说，售前和售后其实没什么区别，只是一点数据差异，因此以后的情况可能是一套AI系统，同时协管公司所有的内外沟通，无论展业，客服还是培训都全都包了。最最重要的是，一次培养永久使用，365天24小时在岗，需要几个AI就COPY几个副本，数据储存在云上价格还便宜，再加上AI本身还在不断进步，会变得更聪明，这样久而久之，传统的电销和客服恐怕就没有存在的必要了。

        刚刚说的是思路，还是讲回到例子上，依旧说灵智优诺的智能客服，它主打的是重疾险和健康险，通过与B端保险公司合作及线上抓取获取保单信息，并且由专业精算师团队拆解保单，转换为技术语言，由他们自己建立语料库，这样就解决了和客户沟通时候的语言信息数据，再加上他们是从单一领域切入，不存在因为方向太宽泛可能会存在的不精准问题，把重疾和健康当做一个突破口，实现的难度就会大大下降。

        NLP大概给大家讲到这儿，最后一个是机器学习和深度学习，这个也是整个人工智能最为和核心，也就是我们说的脑的部分，包括刚才提到的智能客服或图像识别，如果没有深度学习，很多实现起来都是非常困难的。但是很抱歉，这部分本身的专业性过高，我目前没办法给大家很清楚的讲明，只能告诉你们为什么人工智能技术近几年突然有了大跨步的前进。

        主要原因是因为三点，第一点是硬件价格大幅度下降，科学家研究普遍都能用的起了，客观上推动了研究工作;而第二点是大数据构建起来了，科学家有了充足的实验材料，而第三点也是最关键的，算法的得到了巨大的优化，深度学习理念的出现使电脑更聪明了，我们熟知的Alpha go，IBM的Watson无不是基于深度学习算法研发出的系统，这三点再加上现在的云计算和很多算法国际上都开源了，也扶植起了一大批人工智能企业。

        很早就有人说过，做AI比的不是你的算法有多么优秀，比的是你的数据量够不够支撑你训练出一个足够智能的AI，而如果说哪个行业数据最丰富充裕，那保险业绝对是当仁不让的第一名，如果有朋友是做大型项目保险的，可以回想一下自己曾经做过项目的项目数据有多少，如果能你们手头的数据和地区其他所有人的收集、清洗，整合、储存起来，那么无论是在核保上的便利，还是企业征信方面的帮助，能够起到的意义都是非凡的。

        因为保险业的数据实在太多，不同保险公司之间的隔绝性，导致更多的是offline的数据，保险公司也没有技术能力去整合储存如此庞大的数据，因此这些数据中所藏有的珍贵信息都被忽视了。但是放到今天，大数据和云计算的出现已经解决了这些问题，这也是为什么这两年越来越多的创业公司盯上了保险这个行业的原因，当大趋势是向IT智能化前进的时候，保险业本身存在的问题终将被解决，无论是从外部还是从内部，保险公司这些包罗万象的数据，都是一个静待开发的金矿，一旦真的把这个庞大的数据库调动起来，其可能产生的现象谁都无法描述。

        还是那句话，对于AI来说，谁掌握了数据谁就掌握了主动权，在未来保险行业的博弈中究竟是传统保险公司还是第三方公司掌握主动，AI接入这个领域的趋势都是不可逆转的，通过了解“过去发生的”，理解“现在正在发生的”，并基于数据分析向人们提供及时、且正确的指引、提示和建议，这是未来的方向。

        这里再给大家介绍一家公司，它叫做Lemonade，这是一家美国公司，同样是基于AI的保险公司，目前主要从事的房屋财产保险，我曾体验过他们的产品，一开始同样是一个智能客服和你进行聊天，他会询问你的房屋位置和家庭财产情况，仅仅进行非常简单的询问之后就能给你保险方案，并且价格非常便宜。我的猜测是，Leomoade是通过大数据把整个纽约的房产风险全都匹配进了自己的数据库，因此它根本不需要去问你房屋的情况，只需要了解一些你的个人特例，所有操作都很简便。

        基于Lemonade我们可以做一个想象，在未来有一家生产型出口企业想要买保险，客户只需要告诉智能客服他的基本情况，AI就能够从地震局中抽调出该企业所处地区的地震发生几率，从气象局抽调水灾发生几率，从厂里人员的就医记录了解到人员风险情况，基于这些做一个基本评估，然后让无人机进入工厂内考察消防设备等是否齐备，从网络调查企业主的个人信誉情况，等到全部工作完成后智能生成一份核保报告，核保人只需要躺在摇椅上拍板。

        同样，企业一旦出险报案，AI能够从卫星或联网监控系统第一时间了解险情，并安排对应的人员处，帮助企业和保险公司减少损失，或是再次派出无人机勘探现场，由AI进行定损，再交给理赔人员。当AI足够成熟时，甚至能够自行决定是否承保或者是否理赔，这也不是不可能出现的情况。

        就像刚刚说的，其实现在不存在人工智能是否能撼动报信业这个说法，因为人工智能未来一定会改变人类的生产生活，而只保险是人类生活中的一环，因此被改变就是一个很正常的现象了，但是我要说明的是，由于保险本身在信息储量上的特殊性，相较于其他AI项目一开始的门槛可能较高，但是当其他领域的AI模式发展达到一定水准以后，保险业的庞大的数据量就能更加积极地促进AI的发展，从而形成一个更加快速的发展。

来源：中国网 2017-06-23