保险科技竞逐“下半场”：突破口在何处？
本报记者 陈晶晶 广州报道2023年以来，多家保险公司自主创新科技成果颇丰，特别是在AI、大数据、云计算等技术领域中，取得了较大的突破。
2023年中国保险业数字化转型优秀案例显示，中国人寿保险股份有限公司推出的“分布式架构转型实践”，太平人寿保险有限公司（以下简称“太平人寿”）“AICC智能外呼助手”“实时大数据中台”等对于保险大模型的应用落地起到了推动作用。
保险科技大发展的背后离不开良好的政策环境。《中国经营报》记者注意到，国家层面和行业层面陆续出台了相关支持政策及监管政策，助力大模型技术及产业的快速、规范发展。
现阶段，摆在眼前需要解决的问题仍然很多，例如国内保险公司AI布局已较为深入，但主要以理解式AI为主，生成式AI仍在探索中。整体来看，保险科技算力资源、成熟程度、集成应用水平上与发达市场相比还有待提升。
技术突破成果丰硕
“十四五”时期，一系列支持保险科技创新的监管政策出台。2022年1月，原中国银保监会发布《关于银行业保险业数字化转型的指导意见》，明确大力推进个人金融服务数字化转型。充分利用科技手段开展个人金融产品营销和服务，拓展线上渠道，丰富服务场景，加强线上线下业务协同。同年5月，又发布了《关于印发保险业标准化“十四五”规划的通知》，提出在保险科技领域加强行业标准供给，在大数据、人工智能、云服务、区块链、下一代互联网、智慧健康、物联网等领域制定相关应用标准，以标准凝聚行业共识、积累行业经验、规范引领保险科技创新。加强跨行业生态标准建设，促进保险业在依法合规的前提下与**合作机构、数据服务提供商、其他行业产业合作，发挥更大的协同效应。
国家从宏观政策层面，强调了AI作为战略前沿领域的重要性，对AI新技术、新产业给予了巨大的支持。地方政府也积极呼应国家战略，出台大模型支持政策，推动大模型快速发展。保险等金融机构AI大模型的场景化应用获得了较好的政策支持下，自主创新科技成果涌现。
近日，记者从太平人寿采访获悉，其推出了保险AI算法领域探索实践的创新成果——“高潜客户智能圈选体系”。
太平人寿方面对记者介绍称：“高潜客户智能圈选体系”通过利用AICC智能外呼机器人对前端参与线上活动的新客户进行购买意向外呼，有效甄别出高意向客户；通过整合200多个客户特征用于多模态的智能推荐算法模型建立，在保险代理人前端客户管理页面为其服务对象打上智能推荐标签，并根据标签实现智能排序，帮助代理人快速匹配客户需求，提升服务效能。
“自上线以来，‘高潜客户智能圈选体系’在个险及服拓渠道的应用取得较好成绩，提升了个险线上活动的模型转化率，突显了数据模型在保险数字化领域的广泛应用前景。”太平人寿方面表示。
据介绍，太平人寿另一个打造的“数字化营销体系”，结合大数据和AI技术构建了以Acquire（获取）—Incubate（孵化）—Reap（收获）为核心的“AIR”数字化客户经营体系，形成全流程数字化营销网络，有效提升客户服务能力和价值转化。“实时大数据中台”致力于打造新型技术架构，包含实时计算框架、离线计算框架和多渠道数据采集整合分析框架。目前已完成14个实时任务在营销业务场景的落地，数据追踪从3小时提速至1分钟内，极大地提升了太平人寿的实时业务追踪能力。
2023年年底，中国人民保险集团发布了十项科技创新成果，其中包括“数智焕新——寿险服务升级项目”。资料显示，该项目运用大数据、算法模型、机器学习、关联图谱等技术，全面升级针对客户、代理人、基层的服务能力，有效提升了线上化经营水平。比如升级双录系统，优化智能审核和质检，有效支持全国8万多代理人；上新人保友客系统，为代理人提供十多种可定制化工具箱；上线新业务价值系统，增强精细化经营管理，系统点击量超139万次。
除了营销环节应用AI、大数据等技术取得创新突破，用户在选购保险产品环节时亦是如此。
为了让用户在选购保险产品时能看懂产品，蚂蚁集团推出了金选AIMM模型，帮助用户筛选全行业优质的保险产品。目前，AIMM金选模型已经覆盖了保险行业的五大赛道和55个细分赛道，为用户提供全方位的选购保险产品的帮助，降低了选购成本。
值得一提的是，AI在保险理赔领域也取得了重要进展。例如AI智能定损，主要应用于车险领域，利用图像识别和智能算法等技术，通过对案件现场照片风险点的分析、车损照片细节的处理、与历史影像比对等手段，有效识别车辆损失程度，并判断是否存在故意制造交通事故、套用车辆牌照等欺诈方式，提升理赔时效。反欺诈是保险风控的重中之重，通过运用建模技术，将数据多层关联，建立起“风险知识图谱”，精准预测识别行业中的欺诈行为。风控水平的提升，为金融保险服务不断加厚安全垫，对于防范和化解金融风险，起到预警和护航的作用。
从大数据的风险评估、人工智能的客户服务到AIGC、隐私计算等数智技术已广泛应用于前端销售、定损理赔、风控减损等领域，也正在深刻地改变保险业的运营模式和服务体验。随着这些技术的广泛应用，保险行业也正迅速地向更高效、更透明、更个性化的方向发展。
截至2023年年底，有上百家保险机构推出的130多个数字化创新项目入选了中国保险业数字化转型优秀案例，技术成果丰硕。
此外，保险科技领域不断涌现出创新的商业模式和技术手段，或将为保险行业带来新的业务增量。
《2023全球保险科技报告》预计，到2032年，全球生成式AI保险市场规模将从目前的3.463亿美元增至55.431亿美元，并在未来10年以32.9%的复合年增长率增长。生成式AI在提升效率、简化流程以及风险管理上将有巨大突破。
数据问题尚待指引
目前，大部分保险机构已经意识到数智化转型的重要性并积极开展相关布局，不过散点式业务改造升级较难达到理想的效果。
大童保险销售服务有限公司联合创始人、董事长兼总裁蒋铭对本报记者分析表示：“目前国内保险业对于AIGC、大语言模型的应用，更多还停留在对未来可能性的描绘，以及创新企业对新模式艺术性的勾勒，真正具有商业价值的实践性规模化应用，目前尚未出现可靠的垂直大模型用例。”
《2023保险科技洞察报告》也分析指出，目前我国保险科技成果面临成熟程度低的难题。对于能够广泛应用的科技成果，需要前期的技术试验，小范围试点以及商品化应用等环节。然而我国保险科技相关研发起步时间较短，大部分科技成果还处于试验和示范阶段，为落实到大范围应用层面，其成熟程度需要进一步加速提升。此外，我国保险科技还面临技术集成应用不充足的问题。实现保险科技的高效应用，需要成套技术联合集成应用，单一的技术很难解决现阶段保险业发展遇到的难题，现阶段我国保险科技的发展更加偏重单一技术以及单个产品，对于全流程的综合技术集成体系建设整体拓展能力还不足。
值得一提的是，在保险科技快速发展的当下，还受到了部分因素限制，包括数据资源不足和保险科技规范和法律的不健全。
一位大型寿险公司金融科技相关负责人表示，保险业是一个数据驱动的行业，大模型的训练需要大量的数据资源、计算资源和存储资源，在大模型研究和应用场景落地的过程中，明确感受到最大的限制是保险数据供给不充分，算力资源严重不足，这对持续开展大模型研究和推广应用是一个巨大的挑战。
“数据是保险产品设计开发的最基本条件，关系到产品各项关键指标设定的科学性。可以说，技术的突破，必须从最基础的保险数据入手，保险基础数据的标准化、全面性、持续性的供给，是保险创新的根本支撑。而中国保险业所需要的基础数据和相关数据还没有得到充分地收集和标准化处理，也没有实现充分联通和充分公开，使得保险公司无法获取和使用，其中包括居民医疗数据、健康管理数据、长期照护数据、企业经营风险数据、灾害数据、车辆成本数据等在内的相关产业数据。这些数据因为与保险业归属于不同的行业领域，在调取收集这些数据过程中往往协调成本很高且缺乏通道。如何打破这些壁垒，实现这些数据的互联互通和公开化是当下亟待解决的问题。”上述寿险公司金融科技相关负责人表示。
同时，保险行业数智化的深入发展，还面临着监管和合规要求的挑战。
监管机构要求保险科技机构合规运营，保护用户权益，但有些技术创新可能会超出监管政策框架的范畴。
“大模型算法技术门槛高，底层算力资源需求大，必须借助相关产业公司的技术和算力共同开展大模型的底座研究和训练，这就涉及到脱敏数据出域的问题，但目前法律和监管层尚无明确的规定和指引，同业普遍都秉持谨慎的态度，其应用效果也受限。这些都亟待政府与监管部门给予政策指引，明确AIGC技术商业应用的法律及合规边界，确保金融科技安全稳健发展。”上述寿险公司金融科技相关负责人进一步认为。
举报/反馈
页:
[1]