AI+保险模式，尚有“三关”待闯
人工智能+保险的这锅水正在炉上煮，不过仍然有几点现实的因素告诉尝试入局的人—距离这一领域到达沸腾的时刻还需要耐心再等等。
1、保险行业特性限制数据收集速度：利用AI完善决策的制定是保险行业未来解决问题的一个最优解。但这一想法在目前看来还刚上路，与银行业不同，保险业的数据采用的是分散储存的机制。因此保险行业数据缺乏时间连贯性和观测对象完整性。每一家保险公司想要建立丰富完备的数据库只能单枪匹马靠自己，这一过程恐颇为漫长。我们都知道AI系统必须有足够多的理赔数据消化才能完善算法模型，对于AI的深度学习来说，行业数据的慢速积累是它应用于保险业发挥其高阶智能水平的“拦路虎”。如果不能在未来获得大量的闭环数据或者持续数据来完善人工智能系统，其在保险行业的应用难以突破瓶颈。
2、信息不对称之下用户安全感难以保障：随着科技的进步，保险代理人中低端服务需求增速变缓，多数发达国家的保险代理人数量呈下降趋势。但尽管如此，掌握全面的风险控制技能和理财知识的保险代理人仍是永远被需要的。保险是一个极其依托场景化的行业，理论上AI被应用后产品场景化的呈现会更好，因为AI可以通过计算针对不同情况推出最合理的方案。但是面对人类在投保时由于信息不对称而惴惴不安的心情，它无法给予的是设身处地的关怀和理解，而客户需要的恰恰就是情感交流带来的安全感而非冰冷的问答机制。在此前提之下，智能相对论（ID:aixdlun）分析师杨苏颖认为解决方案有两种，一是让区块链与人工智能打配合，在去中心化的数据库世界中从根源打破用户有效信息缺失困局；二是让人工智能更像人类，美国麻省理工的科学家正在打造一个可根据生理讯息、语音对话辨别人们情绪的人工智能系统，它可以透过穿戴装置搜集大量生理、语音数据，提高辨识人类情绪的精准度。
3、抽象重视但具象漠视科技：我国目前在保险科技方面与国际领先企业相比仍然存在一段距离。国外保险巨头在科技应用方面已有许多尝试：例如美国INSURIFY应用人工智能技术模拟保险代理；英国Sherpa获230万美元种子轮融资，打造以人工智能为驱动的平台，建立用户个人档案。反观国内，保险业建立大数据研发团队的公司占比仅为20%左右，且三分之二研发团队人数在10人以下。这意味着未来会成为保险业全部的科技，如今仅被定义为“配角”。而在此背后我们需要看到的更为深刻的问题是在传统保险行业之中，体制思维与互联网思维的绝对对立。从表面喊口号式的重视到直接落实至战略层面规划的转变，我国的保险行业仍然站在徘徊的十字路口。
集结号的吹响加速了新旧范式的对垒，一众刚诞生不久小企业或能借科技之光与大企业站在同一起跑线开始新一轮的角逐。在全面触网的时代下，AI+保险这块大饼中蕴藏的机会是无限大的。
[完]
智能相对论：深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
