保險人機大戰揭幕，AI如何參與車險改革？

市場之變

車擦碰了，保險公司會怎麼做？

接報案電話，安排現場查勘，車主在路邊等上個二、三十分鐘，一輛印著保險公司Logo的小車疾駛而來，一個掛著工牌、打著領帶的小夥子連詢問帶拍照，給出定損結果后一騎絕塵。

後來，保險公司推出了小額快速查勘定損，有時派出腳踏車前往堵塞路段，有時讓車主自己拿手機拍照上傳……已有保險公司宣稱：小額案件，15分鐘理賠到賬。

羨慕嗎？能做到的，寥寥無幾！

與所有商業服務的優化方向一樣，車險也是瞄著「快捷、方便」這一車主訴求來創新的。在車險這個高度競爭的市場里，誰能快速洞察、滿足消費者的需求，誰就能領先。

監管之變

2017年6月9日，保監會就「二次費改」發文，再給保險公司自主定價放權，通過市場化手段進一步降低商業車險費率水平、減輕消費者保費負擔，同時狠抓違規。

但這一放權，並非對所有人都有利：依賴手續費生存的保險公司和中介將被擠出市場；高頻出險的車主，不得不面臨高保費的代價。「馬太效應」的叢林法則強化優勝劣汰，一方面通過金融槓桿，撬動市場往良性方向發展，一方面倒逼保險企業向內挖潛，優化業務品質，否則，佔據70%財險份額的車險業務，就無法擺脫大面積虧損的尷尬局面。

對於中小保險公司而言，除了自律，能做的選擇並不多，既不大可能投入巨資做品牌推廣，也缺乏保險行業之外的技術積累，如何順勢、借勢而為，成了彎道超車的唯一選擇。

外圍之變

多年前，IBM公司在其一份行業分析報告中曾預言：對於保險公司而言，核心競爭力只是「品牌+定價」，其餘皆可外包。時間轉過一輪，保險行業已在「外包」的路上越走越遠，「產銷分離」就是其中的一個產物。

20年前，IBM的深藍擊敗國際象棋大師卡斯帕羅夫；20年後，AI技術開始頻頻擊敗人腦，「神話」變成現實。2015年，採用AI技術的人臉識別準確率已經可以達到99.5%。2016年， IBM公司率先在日本保險業推行人工智慧應用Watson，其更廣泛的應用已經在探索之中，比如在農業保險中，可以識別是否將一頭死豬偽裝成多頭死豬，成功地實現「反欺詐」。

在醫療領域中，「AI+影像識別」輔助醫生診斷「是否眼底病變」的準確率高達97%，對於體腔窺鏡影像的病變識別效率和準確性，更是遠勝人工。即所有看似「眼見為實」的領域，都將會有「AI+影像識別」的身影。

車險之變

北京南四環外汽車園，又一場「人機大戰」正在上演：一台計算機，一邊是六位資深定損核賠。PK的內容，是「車險定損的速度和準確度」。

從100個定損案子中，隨機抽出12件賠案，1台計算機和6位定損員同時開始定損作業。

6.07秒，計算機給出了全部12件賠案的全部定損結果，包括損害部件、噴鈑修換等維修方案和金額等一系列結論。而依賴肉眼和滑鼠鍵盤的定損員，一共花費了6分48秒！

準確率方面，人機打成平手。計算機的總體效率達到了人工的67倍！平均準確率達到98%以上，相當於10年以上老行家，而處理速度則能夠同時處理萬級的案件量，不受時間和空間的限制。

這台勝出的計算機上的應用，叫做「定損寶」，是螞蟻金服保險團隊繼上月發布「車險分」之後，為保險業推出的第二項創新型技術應用。

車險定損核賠，有「發生隨機、定損隨意、用戶等待、騙保高發」等特徵，解決這些問題已經走上了唯一的一條路：結合技術。

讓用戶自助上傳，可以減少等待時間，但是高差錯率和騙保的客觀存在，始終難以解開保險公司的心結。如果有這樣一種技術，能夠縮短客戶等待的同時，讓保險公司減少不該有的損失，那麼自助快速定損，就可以大規模鋪開來。也就從實質上，建立了保險公司與車主之間的信任。

快到「極速」的理賠，需要「調度—>查勘取證—>人工定損—>核賠—>賠付結案」五個步驟。採用「車主自助+AI圖像識別」后，變為「上傳證照和車損照片—>AI圖像定損—>核賠—>賠付結案」四個環節。對於車主而言，報案后的調度和派工、定損環節統統消失。

查勘定損的事兒總是要做的，畢竟還是要「核對、察驗」。只是，這些以前需要人工來做的工作，現在都由計算機來做了。確切地說，是「圖像識別+AI」來做了。

▪ 用戶上傳的證件照片和車況照片，通過與投保時的數據比對，可以校驗「人、車」是否相符；

▪ 車損部位、損傷程度可以通過「圖像分類識別技術」，提取大燈、保險杠、格柵、後視鏡等部位的特徵，與完好車輛比對差異，得出車輛總成的定損結論。

▪ 甚至某些部位如車門，可以快速、輕易判別出輕、中、重度等車損程度；

▪ 如果是多處受損，或者側翻等非正常的位置，也可以通過與資料庫中的「車損歷史圖像數據、車身姿態圖像數據」等比對，推算出車身內部的損壞，進而深入定位。

可以看出，基於「圖像識別+AI」技術的定損，背後有大量的原始數據，包括車型庫、車輛影像特徵、出險圖像特徵、零配件等級庫等等，亦即所謂「大數據」。如果僅僅是仿照人腦的做法，那麼需要先把經驗和規則抽象出來，建立「知識庫」，再使用「搜索+肉眼比對」才能完成定損。但這明顯不行，那麼乾脆拋棄這一思路，讓計算機「自己學習、建模、判斷」！

所有的判斷得出結論之前，只需要對每一類情況，用幾十幅影像來「訓練」計算機學會「看圖」就可以了！

「通過機器的學習、大規模資料庫、複雜的感測器和巧妙的演算法，來完成分散的任務」是人工智慧的最新定義，已取代了「模仿人腦、重建人腦」的人工智慧傳統定義。而保險定價和定損，除了「沒有感測器」之外，恰好符合這一定義。

而且，全程透明的過程，保證了統一的標準、避免了人為的差錯。圖像識別技術的厲害之處，不僅在於可以有效減小拍照技術不足、光線角度等帶來的偏差，更可以搜索、識別出影像是否經是網上摘下來的，亦或經過人為二次加工，即「P圖」無法矇混過關，起到反欺詐作用。

模式之變

與其他人機大戰一樣，賽果同樣是計算機毫無懸念地完勝，無論是比速度，還是比準確性；與其他人機大戰不同，這一次是人自己的比賽，不是娛樂，而是行業實用能力。或許計算機勝出已不新鮮，但對於保險業來說，意義非凡！

首先，與基於大數據的「車險分」一樣，「定損寶」是「圖像識別+AI」技術第一次走出實驗室、進入保險行業實踐。其意義之大，用「劃時代」來形容並不為過。螞蟻金服用實力和行動，幫助保險行業一舉甩掉了「封閉、保守」的帽子，而且恰到好處地切入了保險業流程再造、產業升級的最佳時機。

其次，「車險分」在定價前端，「定損寶」在定損後端，一前一後給車險業務品質上了雙保險，意味著保險業「從粗放走向精細化運營」正式拉開帷幕。「車險分」帶來的是一人一價、精準營銷，「定損寶」則同時把「服務」和「成本」做到極致最優，在滿足運營性能和成本最優同時，兼顧到了用戶體驗最佳，推動保險公司敢於放手讓用戶自助索賠、充分感受信任。

第三，技術的演進無可限量，部分或全部取代人或者現有生產力要素，只是時間問題。眼見著「定損寶上崗，定損員升級迭代」已成不爭的事實，放眼開去，擁有最龐大從業人口的保險業，幾乎每160-170人中就有一個從事保險業，從業人口總量已達800-900萬之巨，人均成本攀升的同時，人均效能卻並未有顯著提升，其中以壽險為甚。那麼保險代理人會被AI或者什麼技術代替嗎？

科技迅速發展，我們需要準備好的，不僅僅是如何迎接新技術，還有機器替代人之後，如何處理現有勞動力轉崗的問題。因此，筆者猜測，「定損寶」推出初期，需要給「查勘定損分離」的大型財險公司預留一些時間，處理好「定損員轉崗」的問題。反而是中小型保險公司，因為原來查勘定損職能合一，「人工定損」職能消失帶來的影響和衝擊較小，可能會早一些使用定損寶。而以「查勘定損」為核心業務的公估公司，極有可能面臨丟失業務的尷尬。

擁有「大數據、雲計算、AI、圖像識別」等深厚積澱的螞蟻金服，帶給行業的，絕不僅僅是一系列Tech，更是「開放、共享」的胸懷。

對於保險公司而言，除了保單數據，客戶已悉數成為阿里騰訊的用戶，已沒有各自封閉的必要。與其「你的是你的、我的是我的」一般抱殘守缺，不如「我們的是我們的」擁抱共享，一起做大蛋糕、減少浪費。

互聯網保險似乎已經進入中場休息，勝負未分，可以看到的是渠道模式已經漸漸明朗，而下半場將是技術帶來的變化。不管怎麼變，只有變化本身是不變的，可以預見：下一個競爭，是擁抱變化的速度和深度競爭，是開放程度的競爭。