如果你問 Alexa，“你能幫我再下單買一管牙膏、一瓶水，再來一份20年50萬美元的保險(xiǎn)單嗎？”后者目前來看還有點(diǎn)不現(xiàn)實(shí)，但人工智能和機(jī)器學(xué)習(xí)在人壽保險(xiǎn)行業(yè)的應(yīng)用已經(jīng)有了突飛猛進(jìn)的發(fā)展。
大量關(guān)系錯(cuò)綜復(fù)雜的、陳年累積的數(shù)據(jù)，以及需要整改的銷售流程，使得人工智能的價(jià)值在保險(xiǎn)業(yè)應(yīng)運(yùn)而生。這一般是通過自然語言處理（NLP）技術(shù)來做出判斷。例如，當(dāng)有人通過 Alexa 詢問保險(xiǎn)報(bào)價(jià)、和聊天機(jī)器人交流，甚至提交保險(xiǎn)理賠文件，都會用到 NLP 技術(shù)。
在購買保險(xiǎn)的前期溝通階段，人工智能機(jī)器人可以幫助人們理解他們的投保需求，回答一些關(guān)于他們財(cái)務(wù)狀況的問題，幫助客戶進(jìn)一步建立購買保險(xiǎn)的決心。如果真的實(shí)現(xiàn)上述這些價(jià)值，這對機(jī)器人來說無疑是一套非常繁瑣且個(gè)性化的過程，否則一句“抱歉，我不知道你在說什么”就會直接結(jié)束了一段對話。
AI 在保險(xiǎn)業(yè)另一有前景的應(yīng)用是保險(xiǎn)購買體驗(yàn)的個(gè)性化定制。基于每一個(gè)客戶的過往資料和投入情況有針對性地給出購買流程，可以省去很多不必要的問題和步驟。
基于機(jī)器算法的承保
隨著數(shù)據(jù)和處理經(jīng)驗(yàn)越來越豐富，機(jī)器學(xué)習(xí)技術(shù)可以通過置換迭代來發(fā)現(xiàn)數(shù)據(jù)點(diǎn)間細(xì)微的模式和關(guān)系，這在以往要申請者的數(shù)量足夠多才能顯現(xiàn)。從而發(fā)現(xiàn)一些被人們分析所忽略的奧秘。
另外，基于機(jī)器的處理過程還可以為客戶在申請保單的過程中提供更多層次有價(jià)值的信息。例如，可以提供快速的投保范圍決策，給出更具競爭力的定價(jià)，提高了準(zhǔn)確性同時(shí)又降低了風(fēng)險(xiǎn)。
但基于機(jī)器的承保目前還是有它的局限性。機(jī)器學(xué)習(xí)主要適用于可以根據(jù)數(shù)據(jù)輸入和承保規(guī)則來做出決定的情況。但是，對于很多更加復(fù)雜的案例，需要從大量的實(shí)際場景中才能得到解決方案時(shí)，就需要設(shè)置程序讓機(jī)器將任務(wù)將轉(zhuǎn)給我們?nèi)祟愖龈娴膶徍恕?/p>
當(dāng)需要人工審核時(shí)，機(jī)器可以通過結(jié)構(gòu)化的方式縮減細(xì)枝末節(jié)，使承保人直奔主題更專注于特定的內(nèi)容。
數(shù)據(jù)是人壽保險(xiǎn)的基礎(chǔ)
要理解人壽保險(xiǎn)中的機(jī)器學(xué)習(xí)，必須要有作決策所需的足夠多且正確性有保障的數(shù)據(jù)。這是分析和迭代最復(fù)雜的數(shù)據(jù)集之一，因?yàn)橐?0年才能看到承保決策的正確與否。人壽保險(xiǎn)用于機(jī)器學(xué)習(xí)的數(shù)據(jù)主要有兩類：申請人的信息和外部數(shù)據(jù)源。
在申請過程中獲得客戶的深度信息和想法，這一點(diǎn)是很有價(jià)值的。機(jī)器學(xué)習(xí)正是通過這些來比較一個(gè)人的健康史、生活方式選擇、職業(yè)以及判斷他們投保后可能的風(fēng)險(xiǎn)等信息。
為了創(chuàng)建一個(gè)清晰的對比機(jī)制，機(jī)器學(xué)習(xí)模型需要承保決策的歷史結(jié)果、第三方數(shù)據(jù)集以及遵循的承保規(guī)則。例如，我們的算法承保平臺使用的規(guī)則是過去15年里、約100萬申請人的數(shù)據(jù)。有了這些數(shù)據(jù)分析決策，再結(jié)合行業(yè)標(biāo)準(zhǔn)的第三方數(shù)據(jù)源和申請人的信息，這才是一個(gè)模型做決策所必備的。
你可能會想，“除了日?；顒?dòng)、社交和其他可獲得的數(shù)據(jù)集，為什么不去探索更多新的數(shù)據(jù)源？”
這個(gè)答案是：無論是對客戶還是對技術(shù)，數(shù)據(jù)多并不一定總是一件好事。
如果你想要從客戶得到更多的數(shù)據(jù)，那當(dāng)然就要給他們提供更多有價(jià)值的信息。同時(shí)還要保證這些數(shù)據(jù)收集、分析和處理的合法性。
更多數(shù)據(jù)您要求客戶提供更多數(shù)據(jù)，那么您必須為他們正在處理的信息提供更多的價(jià)值。您還必須確保合法合理地收集，分析和處置該數(shù)據(jù)。
對于機(jī)器而言，太多的數(shù)據(jù)如果沒有足夠的場景案例支撐，將會為機(jī)器在做“重要”決定判斷時(shí)創(chuàng)建太多變量，反而畫蛇添足。問題的關(guān)鍵在于如何平衡對更多的數(shù)據(jù)和更精準(zhǔn)有價(jià)值的需求。
未來將去向何方？
越來越多的公司都在設(shè)法讓 AI 技術(shù)落地，首要的還應(yīng)該是客戶價(jià)值。如果使用正確，機(jī)器學(xué)習(xí)是可以減少收集數(shù)據(jù)的需求，而不僅僅是提出確定死亡率所需的問題，并最終作出決定。
雖然現(xiàn)在讓 Alexa 替你買一份保險(xiǎn)可能還不太靠譜，但實(shí)現(xiàn)完全以機(jī)器驅(qū)動(dòng)來保護(hù)你家人的經(jīng)濟(jì)安全似乎已并不遙遠(yuǎn)。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。