【最前沿】人工智慧真的能代替車險雙核嗎？

又一勁爆消息！最近網上有一則報道，日本富國生命保險宣布從今年1月起，運用IBM的人工智慧平台取代原有34名「人類」員工，以執行保險索賠類分析工作。在保險業，規則引擎加快向人工智慧轉變。

最近網上有一則報道，日本富國生命保險宣布從今年1月起，運用IBM的人工智慧平台取代原有34名「人類」員工，以執行保險索賠類分析工作。日本第一大人壽保險公司簡保人壽保險、第二大公司日本生命保險也已經開始了人工智慧的替代方案，除了完成保險賠案的處理，還向客戶提供保險方案，當然在起步階段，仍採用人工檢查與人工智慧并行。在保險業，規則引擎加快向人工智慧轉變。

和醫療險相比，車險的承保理賠規則更要簡單一些。醫療險的承保給付，需要有豐富醫學經驗的雙核人員來操作，而車險的雙核，就日常了解來看，如果保險公司已經制定了規則，那麼經過一年甚至半年培訓，就可以適應初級核保、核賠崗位。

雙核崗位在車險管理中技術含量最高，高就高在工作經驗需要時間和敬業的積累。這種人才培養方式，是當前我們身邊許許多多財險公司多年來形成的一個慣例。雖然在承保端，為提高核保的效率，對於常規性的承保，採用了規則引擎審核。規則引擎就是將一個業務決策從應用程序代碼中分離出來，編寫成一個盒子，前端進口是千奇百怪的業務數據，後端出口是yes或者No。有過計算機軟體編程經驗的，經常運用最簡單的多重IF和循環命令來實現。規則引擎則將各類條件資料庫化，隨時進行增補，而不需要去修原代碼。

相對於理賠端來說，車險承保端規則引擎使用更加廣泛，一則是承保規則相對簡單，絕大部分車輛的歷史數據都很明晰，特別是新車業務，基本上無需核保。二則是承保對效率要求更高。理賠時長可能在一天、十天完成，但承保必須控制在客戶等待的心理預期內，幾分鐘之內交費出單。規則引擎將人工核保需要10分鐘、半小時的時間，減少到秒級，這大大改善了工作效率和服務滿意度。值得引起注意的是，規則引擎核保的保單理賠統計數據要好於人工核保，這裡面有規則引擎處理的是相比簡單的保單，而轉入人工核保都是疑難問題的原因。

凡是有規則可以遵循的，都可以儲存到資料庫中，如果儲存成為規則引擎的自我實現，也就可以由規則引擎邁入人工智慧。

當前全行業車險處於微利和虧損之間，除了市場競爭環境影響外，還有各家保險公司的管控水平。在同一個市場、面對同樣的客戶群體，還有個別公司車險利潤率超過5個百分點。如果試圖解析他們盈利的原因，在車險經營管理的每一個環節，都通過互聯網、大數據和規則引擎，實現效能和效益的盡善盡美。流行的雙核集中，是找一個技術密集、人才密集的地區建立運營中心，集中一大批優秀人才在計算機前面操作。但這無形中也抬高了人力成本和固定資產支出。

管理集中度越強、基層操作彈性越小的公司，往往車險的盈利就越高。車險經營的高度趨同性和市場競爭的激烈性，在倒逼保險公司提高運行效率。毫無疑問，最傷害規則的是個人情感，除非遠離客戶和承保機構，比如說全國集中，否則很容易找到人打招呼。事實上，雙核人員操作性失誤和沒有利益交換的懈怠，保險公司很難責任追究，系統也不可能強大到關注和比對每一個細微之處。

人工智慧應用具備有利條件

更廣泛的使用規則引擎和人工智慧將給車險經營管理帶來革命性的變化。除了提高服務效率，大量減少人力成本和職場成本之外，更有吸引力的是，可以最大程度防止人工操作帶來的工作失誤和徇私舞弊。在國外有成熟案件，通過使用人工智慧技術實現車輛自動定損，客戶按照要求拍攝6-12張標準的汽車損失圖片，然後上傳給定損系統，系統大約需要5分鐘就可以有效預測損失部位和損失程度，對於一般性的造假而言，不太可能熟悉保險公司的演算法。

缺少優秀的雙核人員，是許多財險公司改善車險經營主要障礙。人工智慧的更廣泛使用必然減少對雙核人員的依賴，這部分的成本完全可以轉移到人工智慧的開發上來。全球最盛名的投資銀行高盛，在紐約交易所最多時雇傭了600名交易員，而今天只剩下兩人，這兩人的工作除了看守機器外，就是抽樣核對。李開復也有一個預言，未來10到15年，90%的崗位會被人工智慧替代或者部分替代。如此變化，當然會引起傳統思維管理者的質疑，人工智慧會代替雙核員工嗎？機器會比人更可靠么？此外，人工智慧的成本和裁員帶來的利弊也需要一個權衡。

擔心也不是沒有道理。人工智慧的應用能使一些任務變得自動化，但所有的判斷全部交由程序來實現也是不可能，深度學習是當前規則引擎一個致命性的缺陷，比如資料庫更新不及時，模糊處理的技術有待提高，圖像識別技術有待改進等。這就給雙核人員提供了新的就業機會，將雙核人員從低價值和重複勞動的滑鼠點擊中釋放出來，去一線為客戶提供現場支持，去抽樣分析承保理賠的漏洞，去採集零配件報價，去協調法津法規和行業規則的適用。任何一個不斷完善的人工智慧系統，都需要有最專業的人員，將經驗索引為數據，前提是保證客戶單證的準確，儘可能列印或電子化。

保險的本質是服務，體現的是保險人、被保險人之間的雙向溝通和情感訴求。人工智慧雖然能讓機器擁有人一樣的邏輯思維，但畢竟缺少溫度，在當前的市場競爭下，過於機械化和剛性的操作，有可能會失去客戶。但是我們也會樂觀地預計到，幾年之後，當和客服中心電話專員溝通時，你很難想象電話線對面是一位美麗的女士還是人工智慧合成的嗓音。

這裡還要澄清一個誤區，規則引擎只是利用了大數據和簡單的演算法，人工智慧和規則引擎的最大區別是深度學習功能，基於承保理賠特別是理賠工作的複雜性，研發具有深度自主學習的軟體是一項艱巨工程。這也是人工智慧在保險業缺少更多經典案例的又一個主要原因。