專訪平安健康險張守春：我們是如何利用AI更新保險業務，完善技術商業閉環的？

AI掘金志（公衆号）：雷鋒網旗下隻專注于報道AI商業化與落地的垂直内容頻道。助力“AI技術輸出者”尋找商業潛力大的落地場景，服務“AI技術消費者”選擇适合自身的技術供應商。

AI掘金志主要推送兩類文章：

1.深入挖掘AI公司與傳統機構的合作案例。

2.剖析各地醫院、銀行、制造企業、零售商、政府部門等傳統機構對AI的需求與實際應用情況。

資料顯示，2016年的健康保險市場是2015年的4.8倍，随着老齡化政策的逐漸放開以及消費更新，預計到2020年整個健康保險市場高達9000億。

保險以營銷為導向，是以整個行業的IT基礎比較薄弱。單純做大資料分析對普通的保險公司來說就已經較為吃力，而且營銷合同數量一多後就存在壓跨系統的風險。抛開IT基礎薄弱不談，如果保險公司想直接跨入到人工智能階段，要解決問題更多。

保險的一大痛點是不少群體認為保險價格太貴，其中重要原因出于線下代理人層級過多問題，目前國内擁有 737萬的代理人。

如果可以用AI替代大量代理人，相應的，保險價格也會随之下降。除此之外，還可通過用人工智能去提升營銷的精準度，減少溝通時的誤判和銷售誤導。

平安集團在保險行業的解決方案是跳過中介流程，在APP端進行投保交費、保單咨詢、保單服務、理賠、給付等流程。而這些流程中也相應的內建了人臉識别、OCR、指紋識别、語音識别、電子簽名等技術，用于業務辦理與投保資訊的錄入。

平安健康險北京分公司副總經理張守春向雷鋒網介紹到，平安集團所有業務背後的IT和算法都是由平安科技支援，而且近些年在資料結構化和多元資料之間的互聯互通上投入較多。

其中，AI在保險中的應用主要展現在理賠流程的反欺詐和風控，反欺詐可以找到欺詐線索，發現欺詐嫌疑，控制風險。資料統計，相比傳統保單的稽核檢出率，平安科技的“平安腦”識别準确率和業務效率提升近4倍，并且在一年以來已識破多起“騙保”行為，預防20多億元的資金流失。

平安保險業務背後的AI支援

雷鋒網(公衆号：雷鋒網)了解到，此前由于平安集團業務線較長，使得資料存儲和管理很分散，缺乏關聯。這時候即便有資料，也很難發揮它的價值。

比如識别欺詐時，非關聯資料很難甚至無法發揮邏輯分析的作用。

于是平安科技在2013年前後就着手資料集中，通過清洗、整合等，對底層資料進行綜合應用。幾乎用了将近一年的時間來打通各機構、業務子公司，将資料整合在同一個平台做清洗、整合、分析等工作，并開始對資料進行深入挖掘。

平安科技大資料首席總監肖京博士曾在公開場合提到平安科技資料挖掘的價值展現在三個階段：

第一個階段是業務規則和業務經驗，主要是在資訊資料層面不吻合時，能夠幫助業務部門及時應對。

第二階段是商務智能，尋找到資料之間的關聯性，對使用者按照資料特征進行分類處理，适用于特征明顯的客戶群體中。

第三階段是服務長尾使用者階段。資料量大時要着重考慮特征不是很明顯的使用者。如果長尾使用者有很多特征，但沒有與業務目标強相關的明顯特征，則需做個性化的方法服務。

其中把大資料用于信用風險評估一般需要滿足三個條件：

一是明确評分模組化的方法論、過程和資料。

二是準确建立模型，對不同風險狀況的人群有區分能力和排序能力;

三是資料、方法和模型在不同人群和時間跨度上是穩定的。

目前，平安科技已經擁有GPU叢集，并在深度學習方向深耕，可以自行對各種結構化、非結構化的資料進行分類管理，同時在可視化系統和使用者畫像、産品畫像上均已趨于成熟。

平安健康險北京分公司副總經理張守春向雷鋒網介紹到，平安健康保險正朝着人工智能方向發展，商業健康險講究的是AI在操作端的可操作性，平安健康保險在核保和理賠這兩端會有使用AI技術。

一方面是産品的設計和承保，另一方面是賠款的支付。兩端關系到整個商業健康險公司發展的命脈。

首先在核保端，網際網路保險産品雖然突破了種種限制，使得操作更加便利，但因為沒有和保險公司代理的基礎，造成核保很直接的結果。

“客戶在投保過程當中隻有一個單獨的個人健康告知，在選項中隻選擇“是的”後，整個投保行為就終止了。這種核保方式直接屏蔽掉了很多健康狀況沒有那麼差，也是應該是平安健康險客戶的群體。”

為此，平安健康險通過智能核保的方式，利用百萬級資料，在發生過理賠的資料中篩選出哪些疾病可能是弱風險的，進而把這些疾病進行歸類，然後讓新客戶在投保過程中進行提問。

“如果客戶在個人核保中有一部分選擇“是的”情況下，那麼我們進入到下一個層面，在下一個層面對他選擇的“是的”問題再進行第二次篩選，然後給它提供更精确的核保結論，而不像以往一個核保結論承保或者是不承保。”

現在可能有承保或者是加費承保或者是拒保，甚至下一步可能有“降費承保”。對個人客戶而言更加個性化。他在投保時可選擇的空間也更多，最主要的是把更多的弱風險的客戶納入閱聽人。

随後，張守春講到AI在健康保險理賠端的實際應用：

“風險控制非常重要，而且醫療費用很多取決于主觀的意願性，比如客戶以往看牙科次數比較少，但買了保險後内心會促使你多去看牙，客戶讓親朋好友用他的保險看病的現象也層出不窮。基于這樣，我們在理賠端又加了一個變量：在工作日就診比例。”

“通常企業客戶在工作日就診的比例應該很低才對，為此，我們與企業客戶的部分人事資訊保持互通，加了變量後就能篩選出是不是它本人就醫，以及他在就醫時是不是請了病假”

“雖然這是一個很小的變量，但其實對于企業團體客戶的營運維護很有幫助，随着它的資料量逐漸增大，子產品、模型以及資訊處理能力也會更強更複雜，這時候風控的力度也随之變強。”

為了更全面地打通健康保險與醫療的流程，平安科技在近一年開始利用AI進行健康預警，識别保險客戶潛在的疾病風險，預測發病的機率。當智能系統判别出客戶可能是潛在病人時，能夠提前采取輔助手段進行健康管理指導，提醒客戶檢查。

在具體執行層面，平安科技收集客戶多方的資料來進行判别，其中包括顧客的保險購買資料、病例、體檢報告、生活習慣，以及與金融、生活場景相關的資料，還包括天氣情況、地區性特殊多發症情況，綜合分析與預測。目前平安科技也正在和政府及各級衛計委合作，如預測流感機率，對惡性良性腫瘤、慢病、高血壓、糖尿病等。

在醫療基金管理與風控方面，利用資料挖掘以及機器學習識别高風險騙保行為。

在精準醫療方面，基于對臨床、基因、生活資料的分析，輔助精準醫療并且提供臨床決策支援。

在電子健康檔案方面，建構疾病、藥品、症狀、治療等醫療健康知識庫，實作智能醫患比對、分診導診。

張守春談到，平安健康險采用AI最大的兩個用途是開源、節流。

開源是讓更多的使用者變成客戶。由原來一體化的費率變成更個性化的費用，有統一的承保方式，變成多樣的承保方式，這是開源。

在節流方面，讓原來沒有深度管控的理賠風險，通過人工智能把不必要的醫療費用盡可能減少，以便更多地服務于真正需要醫療風險補償的客戶。

通俗講開源是擴大銷售面，節流是節省理賠費用。

最後，在談到AI的效果如何時，張守春說道：

“在AI加持下，去年平安健康保險的爆款産品'平安e生保'一年銷售額大概一個多億，今年前兩個月就賣了一個億。”

本文作者：亞峰