文|杨苏颖
来源|智能相对论
中国的保险业一直是一个大餐桌，远观是满汉全席。近看，难咀嚼的菜还是不少。保险业快速发展带来的巨大吸引力已经使行业忘记了“保险姓保”这一圭臬。国外的保险科技正如火如荼地发展，AI+保险这一模式似乎有助于帮助我国保险业突破目前存在的瓶颈。
在解决痛点这件事上，AI的瞳孔张得很大
想必很多人都有这样的体验，在现实生活当中自己总是想买保险却又在买保险这件事情犹豫再三，甚至最后干脆不买了。究其原因就是保险行业的的痛点实在俯拾皆是：代理人素质低、条款复杂、产品需求不匹配、理赔难、过度营销……每一条都让消费者望而却步，也让保险行业从业者头痛不已。而AI的入局，虽不说能够短时间之内将问题全部解决，但确实能打破传统保险业的“玻璃屋顶”。
1、差异化定价逐步成为可能选项
“我开车少，平常遵守交通规则，一年很少违章，为什么还要和别人交一样的保费？”传统“一刀切”式的车险定价不仅让车主困惑，也让保险行业思考，如何才能如何让客户的风险状况与保费相匹配？人工智能在保险业的试水，“从人”本身入手，采用大数据分析，对不同的投保人进行差异化定价或者说精准营销。去年，蚂蚁金服保险数据科技实验室推出的“车险分”，可以对车主进行精准画像和风险分析，量化为300—700不等的车险标准，分数越高代表风险越低。比如，已婚已育人群的风险往往比单身人士低；长期在两个地点之间往来的人群，比没有固定出行线路的人群要低。类似这样通过一系列不同车主包括驾驶习惯在内等多维度因子的考量，保险业总体的精准定价能力得到提高。对客户个人来说，可以进行最匹配其自身情况的投保，避免不必要的支出；对企业来说，提供更有竞争力的服务和价格，可以使它们在自由市场之中实现从亏损到盈利的转变。
2、AI反欺诈能力破局传统人工识别
人工智能在我国保险业的反欺诈运用中同样添了一笔。保险人士曾做过估算，目前我国因保险诈骗产生的费用占保险公司支出费用的15%—20%。美国金融科技公司ZestFinance，利用机器的深度学习，从传统反欺诈的脆弱点着手，通过机器收集大量异构、多源化信息，形成共享库。之后，发挥机器学习的功能，搭配模型算法技术，可以从传统历史数据中量化抽取风险特征指标，建立人工智能反欺诈模型。这一模型已经在国外的银行业实现了实时在线对交易数据进行欺诈识别。但事实上，在国内，目前将人工智能的深度学习技术与反欺诈相结合的应用还比较少，如果未来国内保险行业能引入这一技术，无疑将向市场健康化发展迈进一大步。
