AI掘金志（公众号）：雷锋网旗下只专注于报道AI商业化与落地的垂直内容频道。助力“AI技术输出者”寻找商业潜力大的落地场景，服务“AI技术消费者”选择适合自身的技术供应商。
AI掘金志主要推送两类文章：
1.深入挖掘AI公司与传统机构的合作案例。
2.剖析各地医院、银行、制造企业、零售商、政府部门等传统机构对AI的需求与实际应用情况。
数据显示，2016年的健康保险市场是2015年的4.8倍，随着老龄化政策的逐步放开以及消费升级，预计到2020年整个健康保险市场高达9000亿。
保险以营销为导向，因此整个行业的IT基础比较薄弱。单纯做大数据分析对普通的保险公司来说就已经较为吃力，而且营销合同数量一多后就存在压跨系统的风险。抛开IT基础薄弱不谈，如果保险公司想直接跨入到人工智能阶段，要解决问题更多。
保险的一大痛点是不少群体认为保险价格太贵，其中重要原因出于线下代理人层级过多问题，目前国内拥有 737万的代理人。
如果可以用AI替代大量代理人，相应的，保险价格也会随之下降。除此之外，还可通过用人工智能去提升营销的精准度，减少沟通时的误判和销售误导。
平安集团在保险行业的解决方案是跳过中介流程，在APP端进行投保交费、保单咨询、保单服务、理赔、给付等流程。而这些流程中也相应的集成了人脸识别、OCR、指纹识别、语音识别、电子签名等技术，用于业务办理与投保信息的录入。
平安健康险北京分公司副总经理张守春向雷锋网介绍到，平安集团所有业务背后的IT和算法都是由平安科技支持，而且近些年在数据结构化和多维数据之间的互联互通上投入较多。
其中，AI在保险中的应用主要体现在理赔流程的反欺诈和风控，反欺诈可以找到欺诈线索，发现欺诈嫌疑，控制风险。数据统计，相比传统保单的审核检出率，平安科技的“平安脑”识别准确率和业务效率提升近4倍，并且在一年以来已识破多起“骗保”行为，预防20多亿元的资金流失。
平安保险业务背后的AI支持
雷锋网了解到，此前由于平安集团业务线较长，使得数据存储和管理很分散，缺乏关联。这时候即便有数据，也很难发挥它的价值。
比如识别欺诈时，非关联数据很难甚至无法发挥逻辑分析的作用。
于是平安科技在2013年前后就着手数据集中，通过清洗、整合等，对底层数据进行综合应用。几乎用了将近一年的时间来打通各机构、业务子公司，将数据整合在同一个平台做清洗、整合、分析等工作，并开始对数据进行深入挖掘。
平安科技大数据首席总监肖京博士曾在公开场合提到平安科技数据挖掘的价值体现在三个阶段：
第一个阶段是业务规则和业务经验，主要是在信息数据层面不吻合时，能够帮助业务部门及时应对。
第二阶段是商务智能，寻找到数据之间的关联性，对用户按照数据特征进行分类处理，适用于特征明显的客户群体中。
第三阶段是服务长尾用户阶段。数据量大时要着重考虑特征不是很明显的用户。如果长尾用户有很多特征，但没有与业务目标强相关的明显特征，则需做个性化的方法服务。
其中把大数据用于信用风险评估一般需要满足三个条件：
一是明确评分建模的方法论、过程和数据。
二是准确建立模型，对不同风险状况的人群有区分能力和排序能力;
三是数据、方法和模型在不同人群和时间跨度上是稳定的。
目前，平安科技已经拥有GPU集群，并在深度学习方向深耕，可以自行对各种结构化、非结构化的数据进行分类管理，同时在可视化系统和用户画像、产品画像上均已趋于成熟。
平安健康险北京分公司副总经理张守春向雷锋网介绍到，平安健康保险正朝着人工智能方向发展，商业健康险讲究的是AI在操作端的可操作性，平安健康保险在核保和理赔这两端会有使用AI技术。
一方面是产品的设计和承保，另一方面是赔款的支付。两端关系到整个商业健康险公司发展的命脉。
首先在核保端，互联网保险产品虽然突破了种种限制，使得操作更加便利，但因为没有和保险公司代理的基础，造成核保很直接的结果。
“客户在投保过程当中只有一个单独的个人健康告知，在选项中只选择“是的”后，整个投保行为就终止了。这种核保方式直接屏蔽掉了很多健康状况没有那么差，也是应该是平安健康险客户的群体。”
为此，平安健康险通过智能核保的方式，利用百万级数据，在发生过理赔的数据中筛选出哪些疾病可能是弱风险的，从而把这些疾病进行归类，然后让新客户在投保过程中进行提问。
“如果客户在个人核保中有一部分选择“是的”情况下，那么我们进入到下一个层面，在下一个层面对他选择的“是的”问题再进行第二次筛选，然后给它提供更精确的核保结论，而不像以往一个核保结论承保或者是不承保。”
现在可能有承保或者是加费承保或者是拒保，甚至下一步可能有“降费承保”。对个人客户而言更加个性化。他在投保时可选择的空间也更多，最主要的是把更多的弱风险的客户纳入受众。
随后，张守春讲到AI在健康保险理赔端的实际应用：
“风险控制非常重要，而且医疗费用很多取决于主观的意愿性，比如客户以往看牙科次数比较少，但买了保险后内心会促使你多去看牙，客户让亲朋好友用他的保险看病的现象也层出不穷。基于这样，我们在理赔端又加了一个变量：在工作日就诊比例。”
“通常企业客户在工作日就诊的比例应该很低才对，为此，我们与企业客户的部分人事信息保持互通，加了变量后就能筛选出是不是它本人就医，以及他在就医时是不是请了病假”
“虽然这是一个很小的变量，但其实对于企业团体客户的运营维护很有帮助，随着它的数据量逐渐增大，模块、模型以及信息处理能力也会更强更复杂，这时候风控的力度也随之变强。”
为了更全面地打通健康保险与医疗的流程，平安科技在近一年开始利用AI进行健康预警，识别保险客户潜在的疾病风险，预测发病的概率。当智能系统判别出客户可能是潜在病人时，能够提前采取辅助手段进行健康管理指导，提醒客户检查。
在具体执行层面，平安科技收集客户多方的数据来进行判别，其中包括顾客的保险购买数据、病例、体检报告、生活习惯，以及与金融、生活场景相关的数据，还包括天气情况、地区性特殊多发症情况，综合分析与预测。目前平安科技也正在和政府及各级卫计委合作，如预测流感概率，对肿瘤、慢病、高血压、糖尿病等。
在医疗基金管理与风控方面，利用数据挖掘以及机器学习识别高风险骗保行为。
在精准医疗方面，基于对临床、基因、生活数据的分析，辅助精准医疗并且提供临床决策支持。
在电子健康档案方面，构建疾病、药品、症状、治疗等医疗健康知识库，实现智能医患匹配、分诊导诊。
张守春谈到，平安健康险采用AI最大的两个用途是开源、节流。
开源是让更多的用户变成客户。由原来一体化的费率变成更个性化的费用，有统一的承保方式，变成多样的承保方式，这是开源。
在节流方面，让原来没有深度管控的理赔风险，通过人工智能把不必要的医疗费用尽可能减少，以便更多地服务于真正需要医疗风险补偿的客户。
通俗讲开源是扩大销售面，节流是节省理赔费用。
最后，在谈到AI的效果如何时，张守春说道：
“在AI加持下，去年平安健康保险的爆款产品'平安e生保'一年销售额大概一个多亿，今年前两个月就卖了一个亿。”
正在生成分享图...
李雨晨