近日，全球知名再保险经纪和咨询公司Gallagher Re发布了2023年一季度全球保险科技报告。据报告显示，2023年第一季度全球保险科技投资相比2022年第四季度环比增长37.6%，从10.1亿美元增加到13.9亿美元，一扫2022年保险科技融资颓势。
整体来看，2023年第一季度，在全球风险投资整体环比下降13%的背景下，保险科技投资环比仍大幅增长，主要在于财产险的推动，该细分领域的融资总额从2022年第四季度的6.3016亿美元增至2023年第一季度的9.6789亿美元，环比增长53.6%。
但报告也提示，作为许多保险科技公司的首选银行——硅谷银行（SVB），其倒闭将对前者将造成非常现实和潜在的问题。
整个2022年，全球保险科技融资锐减。“虽然我们从未将保险科技融资放缓归为崩溃或泡沫破裂，但用于支持保险科技的可用现金系统性减少的可能性是一个非常现实的问题，它将加速任何已经开始的衰退趋势。这个事件毫无疑问，也将影响今年我们可能会看到的（保险科技）IPO数量。”
Gallagher Re推测，硅谷银行的崩溃很可能是一个关键时刻，保险科技不再与高估值和融资联系在一起，而是被称为专注于（再）保险行业的技术公司（无论是为保险公司提供科技赋能还是直接为消费者提供服务）。
AI+保险：从被动的“检测和修复”到主动的“预测和预防”
以人工智能为代表的先进科技，为保险行业带来了数十年来最深刻的颠覆。据《福布斯》报道，预计到2030年，人工智能在保险行业的价值将达到357.7亿美元，预测期内复合年增长率为33.06%。
通过模仿人类的感知、推理、学习和解决问题的能力，人工智能有潜力将保险从被动的“检测和修复”方法转变为主动的“预测和预防”策略。这种转变将影响包括经纪公司、消费者、金融中介、保险公司和供应商在内的行业各个方面，加强决策、提升效率、降低成本并优化整体客户体验。
01 提升索赔处理效率
对于保险公司来说，索赔处理是最重要的保险业务之一。安永的一项研究发现，87% 的客户表示，索赔处理效率会影响他们与同一家保险公司续保的决定。人工智能和机器学习算法可以加快索赔处理流程，无需人工干预。机器学习可以帮助确定索赔的各个方面，例如图像识别、数据统一、数据分析和预测潜在成本。机器学习算法通常会分析图像和传感器以及保险公司的历史数据，有助于加快理赔速度。
02 精准评估风险
以往，承保过程很大程度上依赖于申请人手动填写常规表格提供的数据。申请人总是有可能不诚实或犯错误，从而导致风险评估不准确。连接性的提高和物联网设备使用的增加可帮助保险公司获取包含正确信息的更大数据集。自然语言处理（NLP）使保险公司能够通过抽象评估资源获取适当的信息，从而更好地评估风险。
03 欺诈检测和预防
保险领域的人工智能还改变了欺诈检测和预防的游戏规则。分析大量数据可以查明可疑模式，并实时提醒保险公司潜在的欺诈行为。它帮助保险公司降低风险、最大限度地减少财务损失并保持运营的完整性。借助人工智能，保险公司可以保护承保人免受欺诈性索赔。
04 索赔报告
保险索赔中的人工智能可以在没有或最少人工干预的情况下处理第一时间的损失通知，保险公司可以报告、安排、分类和分配索赔。聊天机器人可以有效地促进索赔报告流程，因为客户可以随时随地从任何设备上报他们的事件。支持人工智能的聊天机器人可以进一步分散信息以进一步处理。
05 改进日常运营
人工智能在保险行业的力量，带来了客户服务水平的革命性变化。如上所述，聊天机器人是启动流程并进一步将信息传播到下一个环节的最简单方法，无需人工干预，从而使流程平稳、快速。人工智能驱动的聊天机器人可以根据客户的个人资料和历史记录交叉销售和追加销售产品。自动化重复流程可以轻松扩大运营规模，同时利用人力资源担任更具战略性的角色。
06 完善损失评估
随着人工智能技术的最新进步，包括机器学习、深度学习和 OCR，评估损失变得前所未有的简单。只需上传损坏物体的图片即可快速有效地确定损坏程度。
能够覆盖上述多个方面的人工智能服务商并不多见。冰鉴科技基于反欺诈模型、反渗漏模型、关联图谱等人工智能算法模型，可帮助保险公司实现从产品设计到产品销售到投保承保到核保理赔的全流程数字化应用，从而满足用户个性化需求、缩短产品开发周期，减少人工成本、改善用户体验，提升核保效率、降低赔付风险，目前已合作多家头部保险公司。
生成式AI将为保险行业带来哪些新机遇？
在最近的发展中，业界普遍认为，生成式人工智能将为保险行业带来更进一步的颠覆。在具有庞大参数量的大型语言模型训练下，类ChatGPT的产品展示出了强大的人机交互体验、高质量的持续对话能力以及较好的逻辑推理能力。与传统机器学习、深度学习等人工智能算法相比，生成式AI拥有更强大的创造能力，这一飞跃可以更好地实现许多保险流程的即时自动化和智能数字化。
以下是生成式AI在保险领域的三个主要用例：
01 即时理解复杂的文档
大语言模型提升保险自动化的一个重要方式是理解复杂的文档。使用 LLM 模型，无需在数百个文档上训练模型，就可以快速、准确地实现文档理解。此功能适用于应用程序评估、风险评估、索赔和其他流程。
02 保险精算的风险建模
评估投资组合风险是保险行业精算师的关键工作。然而，由于保单组合可能包含由许多不同的承保人、经纪人和代理人签订的数以万计的复杂书面合同，精算师可能很难验证所有保单是否都符合最新的条款和情况。借助LLM模型，精算师可以更为轻松地比较保单合同并识别包含不利条款和条件的保单。
03 呼叫中心优化
有关承保范围的问题带来了呼叫中心很大一部分的工作量。从历史上看，聊天机器人无法像人类一样完全理解客户提出的问题、查找正确的信息并做出有效的响应。生成式人工智能更加先进，它可以根据客户的要求提供一个承保范围的智能摘要，并且提高自动化程度并进行人性化交互。此外，它还可以翻译成多种语言，或提供对于条款的简要解释，这在多元化保险市场中是一个巨大的优势。
目前，在国际上已有类似的应用，比如美国保险科技公司Lemonade，该平台基于GPT技术打造面向用户的销售机器人AI.MAYA，当客户拥有购买保险意向时，MAYA只需与其进行约两分钟的简单聊天，便能识别与处理客户信息，推荐适配的保险产品及报价，进而促成交易。MAYA还可以通过向客户提出有限且高质量的问题，并根据回答进行算法调整，后续可大幅度减少客户管理时间。
如苏黎世保险公司亦在试验 ChatGPT，并探索如何使用人工智能技术来完成提取索赔数据和建模等任务。据英国《金融时报》报道，该保险公司正在将过去六年的索赔数据输入人工智能聊天机器人，以识别索赔损失的具体原因，从而改善承保流程。
作为一家以通用人工智能技术提供企业级服务的高科技公司，冰鉴科技自主研发的本立道生大模型也已成功应用于国际保险业务中，基于客户公司所提供的电话录音对其客服人员的工作表现进行评级，帮助该公司建立对于客服人员工作表现的评价体系，优化客服人员的工作流程。
当然，尽管生成式AI在诸多场景下展现出强大能力，但其风险和限制亦不容忽视。保险行业作为大模型落地垂直领域的主要方向之一，其发展值得期待。
