当前位置:人工智能行业动态 → 正文

2030年的保险业——人工智能对未来保险业的影响

责任编辑:cres 作者:Ramnath Balasubramanian |来源:企业网D1Net  2018-07-31 09:38:57 原创文章 企业网D1Net

保险业正即将发生巨大的,技术驱动的变革。关注四个领域可以使保险公司接受这种变革。
 
欢迎来到保险业的未来,正如我们从2030年的客户Scott的眼中看到的那样。Scott的数字私人助理(digital personal assistant)为他订了一辆自动驾驶汽车,以便他在城里参加一个会议。在Scott坐进刚刚抵达的汽车时,他今天决定要自己开车并将车设为“主动”模式。Scott的私人助理绘制了一条可能的路线,并将路线分享给他的车辆保险公司(mobility insurer),该保险公司立即采用备用路线进行响应,该路线中发生事故和车辆损坏的可能性更低,以及对其每月保费的计算调整。Scott的私人助理告诉他,根据他选择的路线以及道路上其他车辆的数量和分布情况,他的车辆保险费将增加4%到8%。助理还提醒Scott,他的人寿保险单现在“按行为计费(pay-as-you-live,如保险公司可以通过智能手环了解投保人每天走了多少步、睡了几小时等“行为”,以此来计算或调整保费)”,本季度保费将增加2%。多出来的金额会自动从Scott的银行账户中扣除。
 
当Scott进入目的地的停车场时,他的汽车撞到了几个停车标志中的一个。一旦车辆停下来,其内部诊断功能将确定损坏程度。他接到了私人助理的指示,要求他对右前保险杠区域拍3张照片,再拍2张周围环境的照片。当Scott回到驾驶员座位时,仪表盘上的屏幕会告知损坏情况,确认索赔已经批准,并且已经派移动响应无人机到该停车场检查车辆。如果车还能开,无人机会在备用车抵达后将故障车辆带到最近的车库网点进行维修。
 
虽然这种情况看似异想天开,但这类用户故事将在未来十年内越来越频繁地出现在所有保险领域。实际上,上述所需的所有技术已经存在,并且很多已经可供消费者使用。由于深度学习技术(如卷积神经网络)新一波浪潮的出现,人工智能(AI)有可能兑现模仿人类感知、思维、推理,学习和问题解决的承诺。在这个演变过程中,保险将从目前的“检测和修复”状态转变为“预测和预防”,从而改变行业的方方面面。由于代理、消费者、金融中介、保险公司和供应商更善于使用先进技术来提高决策和生产力,降低成本和优化客户体验,变革步伐也将加快。
 
由于人工智能深深地集成到保险业,保险公司必须应对不断变化的业务环境。保险业高管必须了解导致这一变化的因素,了解人工智能将如何重塑索赔、销售、承保和定价。了解了这些东西,他们就可以着手发展技能和培养人才、接受新兴技术并创造未来保险业成功企业所需的文化和视角。
 
与人工智能相关的四个趋势塑造了保险
 
人工智能的基础技术已经在我们的业务、家庭和车辆以及我们的人员中得到部署。与人工智能紧密结合的四个核心技术趋势将在未来十年内重塑保险业。
 
联网设备的数据暴涨
 
在工业环境中,带传感器的设备已经无处不在,但未来几年互联消费设备的数量将大幅增加。现有设备(如汽车,健身追踪器,家庭助理,智能手机和智能手表)的普及率将继续快速增长。服装、眼镜、家电,医疗设备和鞋等增长起来的类别也经历了同样的情况。由这些设备产生的大量新数据使运营商能够更深入地了解客户,从而产生新的产品类别、更加个性化的定价以及越来越多的实时服务交付。例如,连接到精算数据库的可穿戴设备可以根据日常活动以及可能事件的概率和严重程度来计算消费者的个人风险分数。
 
实体机器人越来越盛行
 
机器人领域最近取得了很振奋人心的成就,这项创新将继续改变人类与周围世界的互动方式。别名为增材制造(Additive manufacturing)的3D打印将从根本上重塑未来的制造业和商业保险产品。到2025年,3D打印的建筑物将很常见,运营商要评估这一发展将如何改变风险评估。此外,可编程自主无人机、自动驾驶汽车、自主耕作设备、增强型手术机器人将在未来十年具备商业可行性。到2030年将有超过25%的自动驾驶汽车行驶在道路上,而四年前则为10%。运营商要了解机器人在日常生活和各行业中日益增长的影响力将如何改变风险池(risk pool),改变客户期望,并启用新的产品渠道。
 
开源和数据生态系统
 
由于数据无所不在,新的开源协议将会出现,以确保数据可以跨行业共享和使用。各种公共和私人实体将共同创建生态系统,以便在共同的监管和网络安全框架下共享多个用例的数据。例如,可穿戴数据可以直接移植到保险公司,亚马逊、苹果、谷歌和各大消费设备制造商能提供联网的家居和自动数据。
 
认知技术的进步
 
目前主要用于图像、语音和非结构化文本处理的卷积神经网络和其它深度学习技术将在各种各样的应用程序中得到应用。这些大体上基于人脑通过分解(decomposition)和推理学习的能力的认知技术将成为处理与个人行为和活动相关的“主动的”保险产品所产生的极其庞大且复杂的数据流的标准方法。随着这类技术商业化程度的提高,运营商将能够使用持续学习和适应周围世界的模型——实现新的产品类别和互动手段,同时实时地对潜在风险或行为的变化做出响应。
 
2030年保险业状况
 
人工智能及其相关技术将对保险业的各个方面产生巨大的影响——从分销到承保,从定价到理赔。先进的技术和数据已经在影响分销和承保,保单近乎实时地被定价和购买。深入调查保险业2030的可能状况就能突显保险价值链的巨大变化。
 
分销
 
人们能体验更快的保险买卖,保险公司和客户无需过多地介入。人们对个人行为的信息有足够的了解,人工智能算法会创建风险概况(risk profile),因此完成购买汽车,商业或人寿保单的周期时间将缩短至几分钟甚至几秒。汽车和家庭承保人启用即时报价已经有一段时间了,但随着远程信息处理(telematics)和室内物联网(IoT)设备的激增和定价算法的成熟,这些承保人将继续提升即时向更广大客户发放保单的能力。很多人寿保险商正在试验简化核保产品(simplified issue product),但大多数核保产品只限于最健康的申请人,价格高于同等的完全承保产品(fully underwritten product)。随着人工智能渗透到寿险核保中,运营商能够以更加精细和复杂的方式发现风险,我们将看到新一波面向大众市场的即时核保产品(instant issue product)的到来。
 
由区块链支持的智能合约能即时对客户金融账户的付款进行授权。同时,人们取消或简化了合同处理和支付验证,从而降低了保险公司的客户获取成本。人们购买商业保险的效率加快了,因为无人机、物联网和其它可用数据的统一为基于人工智能的认知模型提供了足够的信息,以主动生成最终报价(bindable quote)。
 
高度动态的、基于使用的保险(usage-based insurance,UBI)产品日益激增,这些产品根据个人消费者的行为量身定制。由于产品供应不断适应个人的行为模式,保险从“购买和按年续签”模式转变为连续的周期。此外,产品大量分解为微保险(例如,手机电池保险、航班延误保险、家中洗衣机和烘干机等不同的保险),消费者可根据自己的特定需求进行定制,即时比较由各大保险商提供的一系列个人化保险产品的各种价格。新产品层出不穷,为充满变数的生活安排和旅行提供保险。因为实物资产多方共享,基于使用的保险成为常态,其中包括用于汽车共享的按单位付费或按需付费模式以及用于家庭共享服务的按住付费保险,例如爱彼迎(Airbnb)。
 
到2030年,保险代理人的角色发生了巨变。由于活跃的代理商的退出,他们的数量大幅减少,其余代理商严重依赖技术来提高生产力。代理的角色变为流程推动者(process facilitator)和产品培训师(product educator)。未来的代理几乎可以销售所有险种,并通过帮助客户管理他们在体验、健康、生活、移动性、个人财产和住宅方面的保险组合来增加价值。代理使用智能个人助理来优化任务和支持人工智能的机器人,以便为客户找到潜在的交易。这些工具有助于代理支持更大的客户群,同时使客户交互(面对面的,虚拟的和数字的,统统结合在一起)的时间变得更短,更有意义,因为每次交互都将根据每个客户的当前和未来需求进行定制。
 
承保和定价
 
在2030年,人寿和财产保险领域针对个人和小型企业的大多数产品都不再由人工承保。承保过程减少到几秒钟,因为大多数承保都是自动化的,并且由技术栈内部的机器学习和深度学习模型一同提供支持。这些模型由内部数据以及通过应用程序编程接口和外部数据和分析提供商访问的大量外部数据提供支持。从主流保险商、再保险公司(reinsurers)、产品制造商和产品分销商的设备收集的信息将汇总在各种数据存储库和数据流中。这些信息来源使保险公司能够就承保和定价做出事前决策,通过买方的风险状况和承保需求量身定制一系列产品的最终报价实现主动推广。
 
监管机构负责评估由人工智能实现的基于机器学习的模型,这项任务要求有确定分数可追溯性的透明方法(类似于今天使用的基于回归的系数的评级因子推导)。为了验证用于营销和承保的数据使用是否适合,监管机构评估了很多模型输入的组合。他们还在确定在线计划中的费率时为提供商制定测试保单(test policy),以确保算法结果在允许的范围内。公共政策方面的因素限制了人们对某些敏感和预测性数据(如健康和遗传信息)的访问,这些数据会降低承保和定价的灵活性,并增加某些细分市场的逆向选择风险。
 
价格仍然是消费者决策的核心,但运营商做出了创新,以纯粹在价格上削弱竞争对手。先进的专有平台将客户和保险公司联系起来,为客户提供差异化体验、功能和价值。在某些细分市场中,价格竞争加剧,利润微薄是常态,而在另一些细分市场,独特的保险产品可以实现利润率的扩张和差异化。在接受变革的地方,定价创新的步伐很快。定价可根据使用情况和动态的,满是数据的风险评估实时提供,使消费者能够决定其行为如何影响保险、可保险性和定价。
 
索赔
 
理赔在2030年仍然是保险商的主要智能,但与2018年的水平相比,与索赔相关的人数减少了70%至90%。先进的算法能处理原始索赔路由(initial claims routing,因为保险涉及到保险公司、再保险公司、投保人、受益人、保险代理商等很多利益相关方,所以出问题时就涉及到谁对谁负责的“路由”问题,和工单路由的意思差不多),提高了效率和准确性。个人险种和小型企业保险的索赔在很大程度上自动化了,这使运营商能够实现逾90%的直通处理率(straight-through-processing rate),并将理赔时间从几天缩短到几小时或几分钟。
 
物联网传感器和无人机等一系列数据捕获技术在很大程度上取代了传统的手动方法,即第一时间损失通知。索赔分类和维修服务通常会在损失发生时自动触发。例如,在发生车祸的情况下,保单持有人将损坏情况拍成流媒体视频(streaming video),损失情况将转化为损失状况描述和估计金额。经受轻微损坏的自动驾驶车辆会自动驶去维修车间进行维修,同时在此期间派遣备用的自动驾驶车辆。在家中,物联网设备日益用于主动监控水位、温度和其他关键风险因子(risk factor),它会在问题出现之前主动向租户和保险公司发出警报。
 
自动客户服务应用通过语音和文本与大多数保单持有人进行互动处理,直接遵循与索赔、欺诈、医疗服务、保单和维修系统相关的自学脚本(self-learning script)。解决很多索赔所需的周转时间以分钟而非数天或数周来衡量。人工理赔管理侧重于几个领域:复杂和不寻常的索赔、有争议的索赔,在这类索赔中,人工交互和谈判由分析和数据驱动的洞察以及与系统性问题相关的索赔和新技术带来的风险(例如,黑客渗入关键的物联网系统)而得以介入,并随机对索赔进行人工评估,以确保算法决策得到了充分监督。
 
理赔机构增加了对风险监控、风险预防和风险缓解的关注。当因子(factor)超过人工智能定义的阈值时,物联网和新数据源则用于监控风险并触发干预。客户与保险理赔机构的互动把重点放在如何避免可能的损失。个人能收到可能与检查、维护和维修的自动干预相关联的实时警报。对于大规模灾情理赔,保险公司使用集成的物联网、远程信息处理和移动电话数据实时监控家庭和车辆,前提是该受灾地区的移动电话服务和电源没有中断。在电力耗尽时,保险公司可以使用数据聚合器(data aggregator)预先提出理赔,数据聚合器可以实时整合来自卫星、网络无人机、气象服务和保单持有人的数据。该系统由处理多种灾难类型的最大型的保险商进行预测试,因此它可以在真实的紧急情况下可靠地提交高度准确的损失估计。详细报告将自动提供给再保险公司,以加快再保险的资金流动。
 
保险公司如何为加速变革做好准备
 
自动化、深度学习和外部数据生态系统的广泛采用和集成将推动保险业的快速发展。虽然没人能够准确预测2030年的保险状况,但保险商现在可以采取几个步骤来为变革做准备。
 
1. 深谙与人工智能相关的技术和趋势
 
虽然行业的巨变将以技术为主,但应对这些转变不是IT团队的分内事。相反,董事会成员和客户体验团队应该投入时间和资源来深入了解这些与人工智能相关的技术。部分工作将需要对基于假设的情景进行探索,以便了解和突出颠覆可能发生的地点和时间——以及这部分工作内容对某些业务线的意义。例如,保险公司不太可能从业务的不连续部分的规模有限的物联网试点项目中获得太多的洞察。相反,他们必须有的放矢,进而了解组织如何大规模地加入物联网生态系统。试点项目和概念验证(POC)项目不仅要测试技术如何工作,还要测试保险商在基于数据或物联网的生态系统中以特定角色运作的成功度。
 
2. 制定并开始实施连贯的战略计划
 
运营商必须根据人工智能探索的洞察来决定如何使用技术来支持业务战略。高级领导团队的长期战略计划少不了为期多年的涉及运营、人才和技术的转型。有些保险商已经开始采取创新方法,例如创办自己的风投公司、收购有前景的保险技术(insurtech)公司,以及与领先的学术机构建立合作关系。保险公司应该对要投资的领域有所了解,以迎合或超越市场,保险公司还要了解什么样的战略方法(例如,组建新实体或发展内部战略能力)最适合组织。
 
该计划应将所有大规模、基于分析的计划所涉及的所有四个方面囊括进来——从数据到人员再到文化。该计划应概述基于人工智能的试点项目和概念验证的路线图,并详细说明该组织的哪些部分需要在技能培养或有针对性的变革管理方面进行投资。最重要的是,里程碑和检查点(milestones and checkpoints,项目生命周期中的两个重要概念)的详细计划至关重要,该计划使组织能定期确定如何修改计划才能应对人工智能技术发展的变化以及行业内的重大变化或颠覆。
 
保险公司除了要理解和实施人工智能技术外还要制定战略响应,以应对宏观层面的变化。由于很多生产线转向“预测和预防”的方法,保险公司需要反思客户关系、品牌建设、产品设计和核心收益。自动驾驶车辆可以减少汽车事故,物联网设备可以防止室内洪灾、建筑物在发生自然灾害后可以重新打印,医疗的改善可以挽救和延长生命。同样地,自动驾驶汽车也会发生故障,自然灾害则将继续破坏沿海地区,个人将需要有效的医疗护理,以及亲人过世时的支持。由于这些变革已深入人心,利润池(profit pool)将发生变化,新的产品类型和产品线将会出现,消费者与保险公司的互动方式将发生重大变化。未来优胜的保险公司将制定和实施战略计划,成功地定位其品牌、产品、客户互动和技术、以利用终将到来的新经济结构。
 
这一切努力都可以产生能应对业务方方面面的一致的分析和技术战略,伴随对价值创造和差异化的密切关注。
 
3. 创建并执行全面的数据策略
 
数据正迅速成为所有组织中最有价值的资产之一。保险业也不例外:保险公司发现、量化、判断和管理风险的方法皆取决于它们在保单生命周期中获得的数据的数量和质量。大多数人工智能技术在拥有来源不一的海量数据时表现最佳。因此,运营商必须针对内部和外部数据制定精良且可操作的策略。内部数据要以一种足以实现和支持新分析洞察和功能的敏捷开发的方式组织起来。因为有了外部数据,保险公司必须专注于保障数据访问的安全,从而丰富和补充内部数据集。真正的难题就在于以具有成本效益的方式获得访问权限。由于外部数据生态系统的不断扩展,外部数据可能仍然高度分散,因此很难以合理的成本发现高质量的数据。总体而言,数据战略需要将各种获取外部数据和保障外部数据访问安全的方法,以及将这些数据与内部资源相结合的方法囊括进来。保险商应准备好采取多方面的采购策略,包括直接获取数据资产和收购供应商、数据来源授权、数据API的使用以及与数据代理(data broker)的合作。
 
4. 创建合适的人才和技术基础架构
 
在增强现实的国际象棋中,由人工智能实现的普通玩家往往比由同一人工智能实现的专业棋手表现更佳。产生这种违反直觉的结果的根本原因取决于与人工智能交互的个人是否接受、信任和理解这种支撑技术。为了确保组织的每个部分都将高级分析视为必备功能,保险商必须对人员进行有慎重但持续的投资。未来的保险组织需要具备正确的思维,有合适技能的人才。新一代成功的一线保险工作人员将越来越走俏,他们必须身兼这些特点——谙于技术、富有创造力并愿意致力于半自动化和由机器支持(而不是静态过程)的不断变化的任务。从未来的人工智能用例中获取价值将要求保险公司整合整个组织的技能、技术和洞察,以提供独特的整体客户体验。这样做将要求大多数保险公司有意识地做出文化转变,这种转变有赖于高层的支持和领导。制定积极的战略来吸引、培养和留住具备关键技能的各种工作人员,这对于跟上发展步伐来说至关重要。这些角色将包括数据工程师、数据科学家、技术专家、云计算专家和体验设计师。为了保住知识,同时确保企业具备竞争所需的新技能和能力,很多组织将设计和实施再培训计划。作为发展新员工队伍的最后一个组成部分,组织将发现外部资源和合作伙伴,以增强有助于保险商获得业务发展和执行力所需的支持的内部能力。未来的IT架构也将与今天的完全不同。保险公司应该着手进行有针对性的投资,以便向支持更前瞻的双速IT架构(two-speed IT architecture)的技术栈实现迁移。
 
未来十年技术的快速发展将使保险业发生颠覆性变革。保险业基于人工智能的保险商将成为赢家,这些保险商使用新技术创造创新产品,利用来自新数据源的认知获得洞察、简化流程并降低成本,以及超越客户对个性化和动态适应的期望。最重要的是,采纳了以颠覆性技术创造机会(而不是将其视为对当前业务的威胁)的思维模式的运营商将在2030年的保险业蓬勃发展。

关键字:人工智能AI

原创文章 企业网D1Net

x 2030年的保险业——人工智能对未来保险业的影响 扫一扫
分享本文到朋友圈
当前位置:人工智能行业动态 → 正文

2030年的保险业——人工智能对未来保险业的影响

责任编辑:cres 作者:Ramnath Balasubramanian |来源:企业网D1Net  2018-07-31 09:38:57 原创文章 企业网D1Net

保险业正即将发生巨大的,技术驱动的变革。关注四个领域可以使保险公司接受这种变革。
 
欢迎来到保险业的未来,正如我们从2030年的客户Scott的眼中看到的那样。Scott的数字私人助理(digital personal assistant)为他订了一辆自动驾驶汽车,以便他在城里参加一个会议。在Scott坐进刚刚抵达的汽车时,他今天决定要自己开车并将车设为“主动”模式。Scott的私人助理绘制了一条可能的路线,并将路线分享给他的车辆保险公司(mobility insurer),该保险公司立即采用备用路线进行响应,该路线中发生事故和车辆损坏的可能性更低,以及对其每月保费的计算调整。Scott的私人助理告诉他,根据他选择的路线以及道路上其他车辆的数量和分布情况,他的车辆保险费将增加4%到8%。助理还提醒Scott,他的人寿保险单现在“按行为计费(pay-as-you-live,如保险公司可以通过智能手环了解投保人每天走了多少步、睡了几小时等“行为”,以此来计算或调整保费)”,本季度保费将增加2%。多出来的金额会自动从Scott的银行账户中扣除。
 
当Scott进入目的地的停车场时,他的汽车撞到了几个停车标志中的一个。一旦车辆停下来,其内部诊断功能将确定损坏程度。他接到了私人助理的指示,要求他对右前保险杠区域拍3张照片,再拍2张周围环境的照片。当Scott回到驾驶员座位时,仪表盘上的屏幕会告知损坏情况,确认索赔已经批准,并且已经派移动响应无人机到该停车场检查车辆。如果车还能开,无人机会在备用车抵达后将故障车辆带到最近的车库网点进行维修。
 
虽然这种情况看似异想天开,但这类用户故事将在未来十年内越来越频繁地出现在所有保险领域。实际上,上述所需的所有技术已经存在,并且很多已经可供消费者使用。由于深度学习技术(如卷积神经网络)新一波浪潮的出现,人工智能(AI)有可能兑现模仿人类感知、思维、推理,学习和问题解决的承诺。在这个演变过程中,保险将从目前的“检测和修复”状态转变为“预测和预防”,从而改变行业的方方面面。由于代理、消费者、金融中介、保险公司和供应商更善于使用先进技术来提高决策和生产力,降低成本和优化客户体验,变革步伐也将加快。
 
由于人工智能深深地集成到保险业,保险公司必须应对不断变化的业务环境。保险业高管必须了解导致这一变化的因素,了解人工智能将如何重塑索赔、销售、承保和定价。了解了这些东西,他们就可以着手发展技能和培养人才、接受新兴技术并创造未来保险业成功企业所需的文化和视角。
 
与人工智能相关的四个趋势塑造了保险
 
人工智能的基础技术已经在我们的业务、家庭和车辆以及我们的人员中得到部署。与人工智能紧密结合的四个核心技术趋势将在未来十年内重塑保险业。
 
联网设备的数据暴涨
 
在工业环境中,带传感器的设备已经无处不在,但未来几年互联消费设备的数量将大幅增加。现有设备(如汽车,健身追踪器,家庭助理,智能手机和智能手表)的普及率将继续快速增长。服装、眼镜、家电,医疗设备和鞋等增长起来的类别也经历了同样的情况。由这些设备产生的大量新数据使运营商能够更深入地了解客户,从而产生新的产品类别、更加个性化的定价以及越来越多的实时服务交付。例如,连接到精算数据库的可穿戴设备可以根据日常活动以及可能事件的概率和严重程度来计算消费者的个人风险分数。
 
实体机器人越来越盛行
 
机器人领域最近取得了很振奋人心的成就,这项创新将继续改变人类与周围世界的互动方式。别名为增材制造(Additive manufacturing)的3D打印将从根本上重塑未来的制造业和商业保险产品。到2025年,3D打印的建筑物将很常见,运营商要评估这一发展将如何改变风险评估。此外,可编程自主无人机、自动驾驶汽车、自主耕作设备、增强型手术机器人将在未来十年具备商业可行性。到2030年将有超过25%的自动驾驶汽车行驶在道路上,而四年前则为10%。运营商要了解机器人在日常生活和各行业中日益增长的影响力将如何改变风险池(risk pool),改变客户期望,并启用新的产品渠道。
 
开源和数据生态系统
 
由于数据无所不在,新的开源协议将会出现,以确保数据可以跨行业共享和使用。各种公共和私人实体将共同创建生态系统,以便在共同的监管和网络安全框架下共享多个用例的数据。例如,可穿戴数据可以直接移植到保险公司,亚马逊、苹果、谷歌和各大消费设备制造商能提供联网的家居和自动数据。
 
认知技术的进步
 
目前主要用于图像、语音和非结构化文本处理的卷积神经网络和其它深度学习技术将在各种各样的应用程序中得到应用。这些大体上基于人脑通过分解(decomposition)和推理学习的能力的认知技术将成为处理与个人行为和活动相关的“主动的”保险产品所产生的极其庞大且复杂的数据流的标准方法。随着这类技术商业化程度的提高,运营商将能够使用持续学习和适应周围世界的模型——实现新的产品类别和互动手段,同时实时地对潜在风险或行为的变化做出响应。
 
2030年保险业状况
 
人工智能及其相关技术将对保险业的各个方面产生巨大的影响——从分销到承保,从定价到理赔。先进的技术和数据已经在影响分销和承保,保单近乎实时地被定价和购买。深入调查保险业2030的可能状况就能突显保险价值链的巨大变化。
 
分销
 
人们能体验更快的保险买卖,保险公司和客户无需过多地介入。人们对个人行为的信息有足够的了解,人工智能算法会创建风险概况(risk profile),因此完成购买汽车,商业或人寿保单的周期时间将缩短至几分钟甚至几秒。汽车和家庭承保人启用即时报价已经有一段时间了,但随着远程信息处理(telematics)和室内物联网(IoT)设备的激增和定价算法的成熟,这些承保人将继续提升即时向更广大客户发放保单的能力。很多人寿保险商正在试验简化核保产品(simplified issue product),但大多数核保产品只限于最健康的申请人,价格高于同等的完全承保产品(fully underwritten product)。随着人工智能渗透到寿险核保中,运营商能够以更加精细和复杂的方式发现风险,我们将看到新一波面向大众市场的即时核保产品(instant issue product)的到来。
 
由区块链支持的智能合约能即时对客户金融账户的付款进行授权。同时,人们取消或简化了合同处理和支付验证,从而降低了保险公司的客户获取成本。人们购买商业保险的效率加快了,因为无人机、物联网和其它可用数据的统一为基于人工智能的认知模型提供了足够的信息,以主动生成最终报价(bindable quote)。
 
高度动态的、基于使用的保险(usage-based insurance,UBI)产品日益激增,这些产品根据个人消费者的行为量身定制。由于产品供应不断适应个人的行为模式,保险从“购买和按年续签”模式转变为连续的周期。此外,产品大量分解为微保险(例如,手机电池保险、航班延误保险、家中洗衣机和烘干机等不同的保险),消费者可根据自己的特定需求进行定制,即时比较由各大保险商提供的一系列个人化保险产品的各种价格。新产品层出不穷,为充满变数的生活安排和旅行提供保险。因为实物资产多方共享,基于使用的保险成为常态,其中包括用于汽车共享的按单位付费或按需付费模式以及用于家庭共享服务的按住付费保险,例如爱彼迎(Airbnb)。
 
到2030年,保险代理人的角色发生了巨变。由于活跃的代理商的退出,他们的数量大幅减少,其余代理商严重依赖技术来提高生产力。代理的角色变为流程推动者(process facilitator)和产品培训师(product educator)。未来的代理几乎可以销售所有险种,并通过帮助客户管理他们在体验、健康、生活、移动性、个人财产和住宅方面的保险组合来增加价值。代理使用智能个人助理来优化任务和支持人工智能的机器人,以便为客户找到潜在的交易。这些工具有助于代理支持更大的客户群,同时使客户交互(面对面的,虚拟的和数字的,统统结合在一起)的时间变得更短,更有意义,因为每次交互都将根据每个客户的当前和未来需求进行定制。
 
承保和定价
 
在2030年,人寿和财产保险领域针对个人和小型企业的大多数产品都不再由人工承保。承保过程减少到几秒钟,因为大多数承保都是自动化的,并且由技术栈内部的机器学习和深度学习模型一同提供支持。这些模型由内部数据以及通过应用程序编程接口和外部数据和分析提供商访问的大量外部数据提供支持。从主流保险商、再保险公司(reinsurers)、产品制造商和产品分销商的设备收集的信息将汇总在各种数据存储库和数据流中。这些信息来源使保险公司能够就承保和定价做出事前决策,通过买方的风险状况和承保需求量身定制一系列产品的最终报价实现主动推广。
 
监管机构负责评估由人工智能实现的基于机器学习的模型,这项任务要求有确定分数可追溯性的透明方法(类似于今天使用的基于回归的系数的评级因子推导)。为了验证用于营销和承保的数据使用是否适合,监管机构评估了很多模型输入的组合。他们还在确定在线计划中的费率时为提供商制定测试保单(test policy),以确保算法结果在允许的范围内。公共政策方面的因素限制了人们对某些敏感和预测性数据(如健康和遗传信息)的访问,这些数据会降低承保和定价的灵活性,并增加某些细分市场的逆向选择风险。
 
价格仍然是消费者决策的核心,但运营商做出了创新,以纯粹在价格上削弱竞争对手。先进的专有平台将客户和保险公司联系起来,为客户提供差异化体验、功能和价值。在某些细分市场中,价格竞争加剧,利润微薄是常态,而在另一些细分市场,独特的保险产品可以实现利润率的扩张和差异化。在接受变革的地方,定价创新的步伐很快。定价可根据使用情况和动态的,满是数据的风险评估实时提供,使消费者能够决定其行为如何影响保险、可保险性和定价。
 
索赔
 
理赔在2030年仍然是保险商的主要智能,但与2018年的水平相比,与索赔相关的人数减少了70%至90%。先进的算法能处理原始索赔路由(initial claims routing,因为保险涉及到保险公司、再保险公司、投保人、受益人、保险代理商等很多利益相关方,所以出问题时就涉及到谁对谁负责的“路由”问题,和工单路由的意思差不多),提高了效率和准确性。个人险种和小型企业保险的索赔在很大程度上自动化了,这使运营商能够实现逾90%的直通处理率(straight-through-processing rate),并将理赔时间从几天缩短到几小时或几分钟。
 
物联网传感器和无人机等一系列数据捕获技术在很大程度上取代了传统的手动方法,即第一时间损失通知。索赔分类和维修服务通常会在损失发生时自动触发。例如,在发生车祸的情况下,保单持有人将损坏情况拍成流媒体视频(streaming video),损失情况将转化为损失状况描述和估计金额。经受轻微损坏的自动驾驶车辆会自动驶去维修车间进行维修,同时在此期间派遣备用的自动驾驶车辆。在家中,物联网设备日益用于主动监控水位、温度和其他关键风险因子(risk factor),它会在问题出现之前主动向租户和保险公司发出警报。
 
自动客户服务应用通过语音和文本与大多数保单持有人进行互动处理,直接遵循与索赔、欺诈、医疗服务、保单和维修系统相关的自学脚本(self-learning script)。解决很多索赔所需的周转时间以分钟而非数天或数周来衡量。人工理赔管理侧重于几个领域:复杂和不寻常的索赔、有争议的索赔,在这类索赔中,人工交互和谈判由分析和数据驱动的洞察以及与系统性问题相关的索赔和新技术带来的风险(例如,黑客渗入关键的物联网系统)而得以介入,并随机对索赔进行人工评估,以确保算法决策得到了充分监督。
 
理赔机构增加了对风险监控、风险预防和风险缓解的关注。当因子(factor)超过人工智能定义的阈值时,物联网和新数据源则用于监控风险并触发干预。客户与保险理赔机构的互动把重点放在如何避免可能的损失。个人能收到可能与检查、维护和维修的自动干预相关联的实时警报。对于大规模灾情理赔,保险公司使用集成的物联网、远程信息处理和移动电话数据实时监控家庭和车辆,前提是该受灾地区的移动电话服务和电源没有中断。在电力耗尽时,保险公司可以使用数据聚合器(data aggregator)预先提出理赔,数据聚合器可以实时整合来自卫星、网络无人机、气象服务和保单持有人的数据。该系统由处理多种灾难类型的最大型的保险商进行预测试,因此它可以在真实的紧急情况下可靠地提交高度准确的损失估计。详细报告将自动提供给再保险公司,以加快再保险的资金流动。
 
保险公司如何为加速变革做好准备
 
自动化、深度学习和外部数据生态系统的广泛采用和集成将推动保险业的快速发展。虽然没人能够准确预测2030年的保险状况,但保险商现在可以采取几个步骤来为变革做准备。
 
1. 深谙与人工智能相关的技术和趋势
 
虽然行业的巨变将以技术为主,但应对这些转变不是IT团队的分内事。相反,董事会成员和客户体验团队应该投入时间和资源来深入了解这些与人工智能相关的技术。部分工作将需要对基于假设的情景进行探索,以便了解和突出颠覆可能发生的地点和时间——以及这部分工作内容对某些业务线的意义。例如,保险公司不太可能从业务的不连续部分的规模有限的物联网试点项目中获得太多的洞察。相反,他们必须有的放矢,进而了解组织如何大规模地加入物联网生态系统。试点项目和概念验证(POC)项目不仅要测试技术如何工作,还要测试保险商在基于数据或物联网的生态系统中以特定角色运作的成功度。
 
2. 制定并开始实施连贯的战略计划
 
运营商必须根据人工智能探索的洞察来决定如何使用技术来支持业务战略。高级领导团队的长期战略计划少不了为期多年的涉及运营、人才和技术的转型。有些保险商已经开始采取创新方法,例如创办自己的风投公司、收购有前景的保险技术(insurtech)公司,以及与领先的学术机构建立合作关系。保险公司应该对要投资的领域有所了解,以迎合或超越市场,保险公司还要了解什么样的战略方法(例如,组建新实体或发展内部战略能力)最适合组织。
 
该计划应将所有大规模、基于分析的计划所涉及的所有四个方面囊括进来——从数据到人员再到文化。该计划应概述基于人工智能的试点项目和概念验证的路线图,并详细说明该组织的哪些部分需要在技能培养或有针对性的变革管理方面进行投资。最重要的是,里程碑和检查点(milestones and checkpoints,项目生命周期中的两个重要概念)的详细计划至关重要,该计划使组织能定期确定如何修改计划才能应对人工智能技术发展的变化以及行业内的重大变化或颠覆。
 
保险公司除了要理解和实施人工智能技术外还要制定战略响应,以应对宏观层面的变化。由于很多生产线转向“预测和预防”的方法,保险公司需要反思客户关系、品牌建设、产品设计和核心收益。自动驾驶车辆可以减少汽车事故,物联网设备可以防止室内洪灾、建筑物在发生自然灾害后可以重新打印,医疗的改善可以挽救和延长生命。同样地,自动驾驶汽车也会发生故障,自然灾害则将继续破坏沿海地区,个人将需要有效的医疗护理,以及亲人过世时的支持。由于这些变革已深入人心,利润池(profit pool)将发生变化,新的产品类型和产品线将会出现,消费者与保险公司的互动方式将发生重大变化。未来优胜的保险公司将制定和实施战略计划,成功地定位其品牌、产品、客户互动和技术、以利用终将到来的新经济结构。
 
这一切努力都可以产生能应对业务方方面面的一致的分析和技术战略,伴随对价值创造和差异化的密切关注。
 
3. 创建并执行全面的数据策略
 
数据正迅速成为所有组织中最有价值的资产之一。保险业也不例外:保险公司发现、量化、判断和管理风险的方法皆取决于它们在保单生命周期中获得的数据的数量和质量。大多数人工智能技术在拥有来源不一的海量数据时表现最佳。因此,运营商必须针对内部和外部数据制定精良且可操作的策略。内部数据要以一种足以实现和支持新分析洞察和功能的敏捷开发的方式组织起来。因为有了外部数据,保险公司必须专注于保障数据访问的安全,从而丰富和补充内部数据集。真正的难题就在于以具有成本效益的方式获得访问权限。由于外部数据生态系统的不断扩展,外部数据可能仍然高度分散,因此很难以合理的成本发现高质量的数据。总体而言,数据战略需要将各种获取外部数据和保障外部数据访问安全的方法,以及将这些数据与内部资源相结合的方法囊括进来。保险商应准备好采取多方面的采购策略,包括直接获取数据资产和收购供应商、数据来源授权、数据API的使用以及与数据代理(data broker)的合作。
 
4. 创建合适的人才和技术基础架构
 
在增强现实的国际象棋中,由人工智能实现的普通玩家往往比由同一人工智能实现的专业棋手表现更佳。产生这种违反直觉的结果的根本原因取决于与人工智能交互的个人是否接受、信任和理解这种支撑技术。为了确保组织的每个部分都将高级分析视为必备功能,保险商必须对人员进行有慎重但持续的投资。未来的保险组织需要具备正确的思维,有合适技能的人才。新一代成功的一线保险工作人员将越来越走俏,他们必须身兼这些特点——谙于技术、富有创造力并愿意致力于半自动化和由机器支持(而不是静态过程)的不断变化的任务。从未来的人工智能用例中获取价值将要求保险公司整合整个组织的技能、技术和洞察,以提供独特的整体客户体验。这样做将要求大多数保险公司有意识地做出文化转变,这种转变有赖于高层的支持和领导。制定积极的战略来吸引、培养和留住具备关键技能的各种工作人员,这对于跟上发展步伐来说至关重要。这些角色将包括数据工程师、数据科学家、技术专家、云计算专家和体验设计师。为了保住知识,同时确保企业具备竞争所需的新技能和能力,很多组织将设计和实施再培训计划。作为发展新员工队伍的最后一个组成部分,组织将发现外部资源和合作伙伴,以增强有助于保险商获得业务发展和执行力所需的支持的内部能力。未来的IT架构也将与今天的完全不同。保险公司应该着手进行有针对性的投资,以便向支持更前瞻的双速IT架构(two-speed IT architecture)的技术栈实现迁移。
 
未来十年技术的快速发展将使保险业发生颠覆性变革。保险业基于人工智能的保险商将成为赢家,这些保险商使用新技术创造创新产品,利用来自新数据源的认知获得洞察、简化流程并降低成本,以及超越客户对个性化和动态适应的期望。最重要的是,采纳了以颠覆性技术创造机会(而不是将其视为对当前业务的威胁)的思维模式的运营商将在2030年的保险业蓬勃发展。

关键字:人工智能AI

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^