2030年的保險業——人工智能對未來保險業的影響






點擊上方「藍色字體」,選擇 「設為星標」

關鍵訊息,D1時間送達!

2030年的保險業——人工智能對未來保險業的影響

與人工智能相關的四個趨勢塑造了保險

人工智能的基礎技術已經在我們的業務、家庭和車輛以及我們的人員中得到部署。與人工智能緊密結合的四個核心技術趨勢將在未來十年內重塑保險業。

聯網設備的數據暴漲

在工業環境中,帶傳感器的設備已經無處不在,但未來幾年互聯消費設備的數量將大幅增加。現有設備(如汽車,健身追蹤器,家庭助理,智慧型手機和智能手表)的普及率將繼續快速增長。服裝、眼鏡、家電,醫療設備和鞋等增長起來的類別也經歷了同樣的情況。由這些設備產生的大量新數據使經營商能夠更深入地了解客戶,從而產生新的產品類別、更加個性化的定價以及越來越多的實時服務交付。例如,連接到精算數據庫的可穿戴設備可以根據日常活動以及可能事件的概率和嚴重程度來計算消費者的個人風險分數。

實體機器人越來越盛行

機器人領域最近取得了很振奮人心的成就,這項創新將繼續改變人類與周圍世界的互動方式。別名為增材製造(Additive manufacturing)的3D列印將從根本上重塑未來的製造業和商業保險產品。到2025年,3D列印的建築物將很常見,經營商要評估這一發展將如何改變風險評估。此外,可編程自主無人機、自動駕駛汽車、自主耕作設備、增強型手術機器人將在未來十年具備商業可行性。到2030年將有超過25%的自動駕駛汽車行駛在道路上,而四年前則為10%。經營商要了解機器人在日常生活和各行業中日益增長的影響力將如何改變風險池(risk pool),改變客戶期望,並啟用新的產品管道。

開源和數據生態系統

由於數據無所不在,新的開源協議將會出現,以確保數據可以跨行業共享和使用。各種公共和私人實體將共同創建生態系統,以便在共同的監管和網路安全框架下共享多個用例的數據。例如,可穿戴數據可以直接移植到保險公司,亞馬遜、蘋果、Google和各大消費設備製造商能提供聯網的家居和自動數據。

認知技術的進步

目前主要用於圖像、語音和非結構化文本處理的卷積神經網路和其它深度學習技術將在各種各樣的應用程序中得到應用。這些大體上基於人腦通過分解(decomposition)和推理學習的能力的認知技術將成為處理與個人行為和活動相關的「主動的」保險產品所產生的極其龐大且複雜的數據流的標準方法。隨著這類技術商業化程度的提高,經營商將能夠使用持續學習和適應周圍世界的模型——做到新的產品類別和互動手段,同時實時地對潛在風險或行為的變化做出響應。

2030年保險業狀況

人工智能及其相關技術將對保險業的各個方面產生巨大的影響——從分銷到承保,從定價到理賠。先進的技術和數據已經在影響分銷和承保,保單近乎實時地被定價和購買。深入調查保險業2030的可能狀況就能突顯保險價值鏈的巨大變化。

分銷

人們能體驗更快的保險買賣,保險公司和客戶無需過多地介入。人們對個人行為的信息有足夠的了解,人工智能算法會創建風險概況(risk profile),因此完成購買汽車,商業或人壽保單的周期時間將縮短至幾分鐘甚至幾秒。汽車和家庭承保人啟用即時報價已經有一段時間了,但隨著遠程信息處理(telematics)和室內物聯網(IoT)設備的激增和定價算法的成熟,這些承保人將繼續提升即時向更廣大客戶發放保單的能力。很多人壽保險商正在試驗簡化核保產品(simplified issue product),但大多數核保產品只限於最健康的申請人,價格高於同等的完全承保產品(fully underwritten product)。隨著人工智能滲透到壽險核保中,經營商能夠以更加精細和複雜的方式發現風險,我們將看到新一波面向大眾市場的即時核保產品(instant issue product)的到來。

由區塊鏈支持的智能合約能即時對客戶金融帳戶的付款進行授權。同時,人們取消或簡化了合同處理和支付驗證,從而降低了保險公司的客戶獲取成本。人們購買商業保險的效率加快了,因為無人機、物聯網和其它可用數據的統一為基於人工智能的認知模型提供了足夠的信息,以主動生成最終報價(bindable quote)。

高度動態的、基於使用的保險(usage-based insurance,UBI)產品日益激增,這些產品根據個人消費者的行為量身定制。由於產品供應不斷適應個人的行為模式,保險從「購買和按年續簽」模式轉變為連續的周期。此外,產品大量分解為微保險(例如,手機電池保險、航班延誤保險、家中洗衣機和烘幹機等不同的保險),消費者可根據自己的特定需求進行定制,即時比較由各大保險商提供的一系列個人化保險產品的各種價格。新產品層出不窮,為充滿變數的生活安排和旅行提供保險。因為實物資產多方共享,基於使用的保險成為常態,其中包括用於汽車共享的按單位付費或按需付費模式以及用於家庭共享服務的按住付費保險,例如愛彼迎(Airbnb)。

到2030年,保險代理人的角色發生了巨變。由於活躍的代理商的退出,他們的數量大幅減少,其餘代理商嚴重依賴技術來提高生產力。代理的角色變為流程推動者(process facilitator)和產品培訓師(product educator)。未來的代理幾乎可以銷售所有險種,並通過幫助客戶管理他們在體驗、健康、生活、移動性、個人財產和住宅方面的保險組合來增加價值。代理使用智能個人助理來優化任務和支持人工智能的機器人,以便為客戶找到潛在的交易。這些工具有助於代理支持更大的客戶群,同時使客戶交互(面對面的,虛擬的和數字的,統統結合在一起)的時間變得更短,更有意義,因為每次交互都將根據每個客戶的當前和未來需求進行定制。

承保和定價

在2030年,人壽和財產保險領域針對個人和小型企業的大多數產品都不再由人工承保。承保過程減少到幾秒鐘,因為大多數承保都是自動化的,並且由技術棧內部的機器學習和深度學習模型一同提供支持。這些模型由內部數據以及通過應用程序編程接口和外部數據和分析提供商訪問的大量外部數據提供支持。從主流保險商、再保險公司(reinsurers)、產品製造商和產品分銷商的設備收集的信息將匯總在各種數據存儲庫和數據流中。這些信息來源使保險公司能夠就承保和定價做出事前決策,通過買方的風險狀況和承保需求量身定制一系列產品的最終報價做到主動推廣。

監管機構負責評估由人工智能做到的基於機器學習的模型,這項任務要求有確定分數可追溯性的透明方法(類似於今天使用的基於回歸的系數的評級因子推導)。為了驗證用於行銷和承保的數據使用是否適合,監管機構評估了很多模型輸入的組合。他們還在確定在線計劃中的費率時為提供商制定測試保單(test policy),以確保算法結果在允許的範圍內。公共政策方面的因素限制了人們對某些敏感和預測性數據(如健康和遺傳信息)的訪問,這些數據會降低承保和定價的靈活性,並增加某些細分市場的逆向選擇風險。

價格仍然是消費者決策的核心,但經營商做出了創新,以純粹在價格上削弱競爭對手。先進的專有平台將客戶和保險公司聯繫起來,為客戶提供差異化體驗、功能和價值。在某些細分市場中,價格競爭加劇,利潤微薄是常態,而在另一些細分市場,獨特的保險產品可以做到利潤率的擴張和差異化。在接受變革的地方,定價創新的步伐很快。定價可根據使用情況和動態的,滿是數據的風險評估實時提供,使消費者能夠決定其行為如何影響保險、可保險性和定價。

索賠

理賠在2030年仍然是保險商的主要智能,但與2018年的水平相比,與索賠相關的人數減少了70%至90%。先進的算法能處理原始索賠路由(initial claims routing,因為保險涉及到保險公司、再保險公司、投保人、受益人、保險代理商等很多利益相關方,所以出問題時就涉及到誰對誰負責的「路由」問題,和工單路由的意思差不多),提高了效率和準確性。個人險種和小型企業保險的索賠在很大程度上自動化了,這使經營商能夠做到逾90%的直通處理率(straight-through-processing rate),並將理賠時間從幾天縮短到幾小時或幾分鐘。

物聯網傳感器和無人機等一系列數據捕獲技術在很大程度上取代了傳統的手動方法,即第一時間損失通知。索賠分類和維修服務通常會在損失發生時自動觸發。例如,在發生車禍的情況下,保單持有人將損壞情況拍成流媒體視頻(streaming video),損失情況將轉化為損失狀況描述和可能金額。經受輕微損壞的自動駕駛車輛會自動駛去維修車間進行維修,同時在此期間派遣備用的自動駕駛車輛。在家中,物聯網設備日益用於主動監控水位、溫度和其他關鍵風險因子(risk factor),它會在問題出現之前主動向租戶和保險公司發出警報。

自動客戶服務應用通過語音和文本與大多數保單持有人進行互動處理,直接遵循與索賠、欺詐、醫療服務、保單和維修系統相關的自學腳本(self-learning script)。解決很多索賠所需的周轉時間以分鐘而非數天或數周來衡量。人工理賠管理側重於幾個領域:複雜和不尋常的索賠、有爭議的索賠,在這類索賠中,人工交互和談判由分析和數據驅動的洞察以及與系統性問題相關的索賠和新技術帶來的風險(例如,黑客滲入關鍵的物聯網系統)而得以介入,並隨機對索賠進行人工評估,以確保算法決策得到了充分監督。

理賠機構增加了對風險監控、風險預防和風險緩解的關注。當因子(factor)超過人工智能定義的閾值時,物聯網和新數據源則用於監控風險並觸發干預。客戶與保險理賠機構的互動把重點放在如何避免可能的損失。個人能收到可能與檢查、維護和維修的自動干預相關聯的實時警報。對於大規模災情理賠,保險公司使用集成的物聯網、遠程信息處理和移動電話數據實時監控家庭和車輛,前提是該受災地區的移動電話服務和電源沒有中斷。在電力耗盡時,保險公司可以使用數據聚合器(data aggregator)預先提出理賠,數據聚合器可以實時整合來自衛星、網路無人機、氣象服務和保單持有人的數據。該系統由處理多種災難類型的最大型的保險商進行預測試,因此它可以在真實的緊急情況下可靠地提交高度準確的損失可能。詳細報告將自動提供給再保險公司,以加快再保險的資金流動。

保險公司如何為加速變革做好準備

自動化、深度學習和外部數據生態系統的廣泛採用和集成將推動保險業的快速發展。雖然沒人能夠準確預測2030年的保險狀況,但保險商現在可以採取幾個步驟來為變革做準備。

1. 深諳與人工智能相關的技術和趨勢

雖然行業的巨變將以技術為主,但應對這些轉變不是IT團隊的分內事。相反,董事會成員和客戶體驗團隊應該投入時間和資源來深入了解這些與人工智能相關的技術。部分工作將需要對基於假設的情景進行探索,以便了解和突出顛覆可能發生的地點和時間——以及這部分工作內容對某些業務線的意義。例如,保險公司不太可能從業務的不連續部分的規模有限的物聯網試點項目中獲得太多的洞察。相反,他們必須有的放矢,進而了解組織如何大規模地加入物聯網生態系統。試點項目和概念驗證(POC)項目不僅要測試技術如何工作,還要測試保險商在基於數據或物聯網的生態系統中以特定角色運作的成功度。

2. 制定並開始實施連貫的戰略計劃

經營商必須根據人工智能探索的洞察來決定如何使用技術來支持業務戰略。高級主管團隊的長期戰略計劃少不了為期多年的涉及經營、人才和技術的轉型。有些保險商已經開始採取創新方法,例如創辦自己的風投公司、收購有前景的保險技術(insurtech)公司,以及與領先的學術機構建立合作關係。保險公司應該對要投資的領域有所了解,以迎合或超越市場,保險公司還要了解什麼樣的戰略方法(例如,組建新實體或發展內部戰略能力)最適合組織。

該計劃應將所有大規模、基於分析的計劃所涉及的所有四個方面囊括進來——從數據到人員再到文化。該計劃應概述基於人工智能的試點項目和概念驗證的路線圖,並詳細說明該組織的哪些部分需要在技能培養可能有針對性的變革管理方面進行投資。最重要的是,里程碑和檢查點(milestones and checkpoints,項目生命周期中的兩個重要概念)的詳細計劃至關重要,該計劃使組織能定期確定如何修改計劃才能應對人工智能技術發展的變化以及行業內的重大變化或顛覆。

保險公司除了要理解和實施人工智能技術外還要制定戰略響應,以應對宏觀層面的變化。由於很多生產線轉向「預測和預防」的方法,保險公司需要反思客戶關係、品牌建設、產品設計和核心收益。自動駕駛車輛可以減少汽車事故,物聯網設備可以防止室內洪災、建築物在發生自然災害後可以重新列印,醫療的改善可以挽救和延長生命。同樣地,自動駕駛汽車也會發生故障,自然災害則將繼續破壞沿海地區,個人將需要有效的醫療護理,以及親人過世時的支持。由於這些變革已深入人心,利潤池(profit pool)將發生變化,新的產品類型和產品線將會出現,消費者與保險公司的互動方式將發生重大變化。未來優勝的保險公司將制定和實施戰略計劃,成功地定位其品牌、產品、客戶互動和技術、以利用終將到來的新經濟結構。

這一切努力都可以產生能應對業務方方面面的一致的分析和技術戰略,伴隨對價值創造和差異化的密切關注。

3. 創建並執行全面的數據策略

數據正迅速成為所有組織中最有價值的資產之一。保險業也不例外:保險公司發現、量化、判斷和管理風險的方法皆取決於它們在保單生命周期中獲得的數據的數量和質量。大多數人工智能技術在擁有來源不一的海量數據時表現最佳。因此,經營商必須針對內部和外部數據制定精良且可操作的策略。內部數據要以一種足以做到和支持新分析洞察和功能的敏捷開發的方式組織起來。因為有了外部數據,保險公司必須專注於保障數據訪問的安全,從而豐富和補充內部數據集。真正的難題就在於以具有成本效益的方式獲得訪問權限。由於外部數據生態系統的不斷擴展,外部數據可能仍然高度分散,因此很難以合理的成本發現高質量的數據。總體而言,數據戰略需要將各種獲取外部數據和保障外部數據訪問安全的方法,以及將這些數據與內部資源相結合的方法囊括進來。保險商應準備好採取多方面的採購策略,包括直接獲取數據資產和收購供應商、數據來源授權、數據API的使用以及與數據代理(data broker)的合作。

4. 創建合適的人才和技術基礎架構

在增強現實的國際象棋中,由人工智能做到的普通玩家往往比由同一人工智能做到的專業棋手表現更佳。產生這種違反直覺的結果的根本原因取決於與人工智能交互的個人是否接受、信任和理解這種支撐技術。為了確保組織的每個部分都將高級分析視為必備功能,保險商必須對人員進行有慎重但持續的投資。未來的保險組織需要具備正確的思維,有合適技能的人才。新一代成功的一線保險工作人員將越來越走俏,他們必須身兼這些特點——諳於技術、富有創造力並願意致力於半自動化和由機器支持(而不是靜態過程)的不斷變化的任務。從未來的人工智能用例中獲取價值將要求保險公司整合整個組織的技能、技術和洞察,以提供獨特的整體客戶體驗。這樣做將要求大多數保險公司有意識地做出文化轉變,這種轉變有賴於高層的支持和主管。制定積極的戰略來吸引、培養和留住具備關鍵技能的各種工作人員,這對於跟上發展步伐來說至關重要。這些角色將包括數據工程師、數據科學家、技術專家、雲計算專家和體驗設計師。為了保住知識,同時確保企業具備競爭所需的新技能和能力,很多組織將設計和實施再培訓計劃。作為發展新員工隊伍的最後一個組成部分,組織將發現外部資源和合作夥伴,以增強有助於保險商獲得業務發展和執行力所需的支持的內部能力。未來的IT架構也將與今天的完全不同。保險公司應該著手進行有針對性的投資,以便向支持更前瞻的雙速IT架構(two-speed IT architecture)的技術棧做到遷移。

未來十年技術的快速發展將使保險業發生顛覆性變革。保險業基於人工智能的保險商將成為贏家,這些保險商使用新技術創造創新產品,利用來自新數據源的認知獲得洞察、簡化流程並降低成本,以及超越客戶對個性化和動態適應的期望。最重要的是,采納了以顛覆性技術創造機會(而不是將其視為對當前業務的威脅)的思維模式的經營商將在2030年的保險業蓬勃發展。

(來源:企業網D1Net)

如果您在企業IT、網路、通信行業的某一領域工作,並希望分享觀點,歡迎給企業網D1Net投稿

2030年的保險業——人工智能對未來保險業的影響

2030年的保險業——人工智能對未來保險業的影響

投稿郵箱:[email protected]

點擊藍色字體

2030年的保險業——人工智能對未來保險業的影響

關注

您還可以搜尋公眾號「D1net」選擇關注D1net旗下的各領域(雲計算,數據中心,大數據,CIO, 企業通信 ,企業應用軟件,網路數通,信息安全,服務器,存儲,AI人工智能,物聯網智慧城市等)的子公眾號。

企業網D1net已推出企業應用商店(www.enappstore.com),面向企業級軟件,SaaS等提供商,提供陳列,點評功能,不參與交易和交付。現可免費入駐,入駐後,可獲得在企業網D1net 相應公眾號推薦的機會。歡迎入駐。

掃描下方「二維」即可註冊,註冊後讀者可以點評,廠商可以免費入

2030年的保險業——人工智能對未來保險業的影響