專訪平安健康險張守春：我們是如何利用AI升級保險業務，完善技術商業閉環的？

AI掘金志（公眾號）：雷鋒網旗下只專註於報道AI商業化與落地的垂直內容頻道。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」選擇適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、製造企業、零售商、政府部門等傳統機構對AI的需求與實際應用情況。

數據顯示，2016年的健康保險市場是2015年的4.8倍，隨著老齡化政策的逐步放開以及消費升級，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，因此整個行業的IT基礎比較薄弱。單純做大數據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。拋開IT基礎薄弱不談，如果保險公司想直接跨入到人工智慧階段，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，其中重要原因出於線下代理人層級過多問題，目前國內擁有 737萬的代理人。

如果可以用AI替代大量代理人，相應的，保險價格也會隨之下降。除此之外，還可通過用人工智慧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、保單諮詢、保單服務、理賠、給付等流程。而這些流程中也相應的集成了人臉識別、OCR、指紋識別、語音識別、電子簽名等技術，用於業務辦理與投保信息的錄入。

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和演算法都是由平安科技支持，而且近些年在數據結構化和多維數據之間的互聯互通上投入較多。

其中，AI在保險中的應用主要體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。數據統計，相比傳統保單的審核檢出率，平安科技的「平安腦」識別準確率和業務效率提升近4倍，並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支持

雷鋒網了解到，此前由於平安集團業務線較長，使得數據存儲和管理很分散，缺乏關聯。這時候即便有數據，也很難發揮它的價值。

比如識別欺詐時，非關聯數據很難甚至無法發揮邏輯分析的作用。

於是平安科技在2013年前後就著手數據集中，通過清洗、整合等，對底層數據進行綜合應用。幾乎用了將近一年的時間來打通各機構、業務子公司，將數據整合在同一個平台做清洗、整合、分析等工作，並開始對數據進行深入挖掘。

平安科技大數據首席總監肖京博士曾在公開場合提到平安科技數據挖掘的價值體現在三個階段：

第一個階段是業務規則和業務經驗，主要是在信息數據層面不吻合時，能夠幫助業務部門及時應對。

第二階段是商務智能，尋找到數據之間的關聯性，對用戶按照數據特徵進行分類處理，適用於特徵明顯的客戶群體中。

第三階段是服務長尾用戶階段。數據量大時要著重考慮特徵不是很明顯的用戶。如果長尾用戶有很多特徵，但沒有與業務目標強相關的明顯特徵，則需做個性化的方法服務。

其中把大數據用於信用風險評估一般需要滿足三個條件：

• 一是明確評分建模的方法論、過程和數據。

• 二是準確建立模型，對不同風險狀況的人群有區分能力和排序能力;

• 三是數據、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集群，並在深度學習方向深耕，可以自行對各種結構化、非結構化的數據進行分類管理，同時在可視化系統和用戶畫像、產品畫像上均已趨於成熟。

平安健康險北京分公司副總經理張守春向雷鋒網介紹到，平安健康保險正朝著人工智慧方向發展，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。

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

首先在核保端，互聯網保險產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只有一個單獨的個人健康告知，在選項中只選擇「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，利用百萬級數據，在發生過理賠的數據中篩選出哪些疾病可能是弱風險的，從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，然後給它提供更精確的核保結論，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受眾。

隨後，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於主觀的意願性，比如客戶以往看牙科次數比較少，但買了保險後內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。基於這樣，我們在理賠端又加了一個變數：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信息保持互通，加了變數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數，但其實對於企業團體客戶的運營維護很有幫助，隨著它的數據量逐漸增大，模塊、模型以及信息處理能力也會更強更複雜，這時候風控的力度也隨之變強。」

AI健康預警如何與保險業務相結合

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，識別保險客戶潛在的疾病風險，預測發病的概率。當智能系統判別出客戶可能是潛在病人時，能夠提前採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數據來進行判別，其中包括顧客的保險購買數據、病例、體檢報告、生活習慣，以及與金融、生活場景相關的數據，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，如預測流感概率，對腫瘤、慢病、高血壓、糖尿病等。

在醫療基金管理與風控方面，利用數據挖掘以及機器學習識別高風險騙保行為。

在精準醫療方面，基於對臨床、基因、生活數據的分析，輔助精準醫療並且提供臨床決策支持。

在電子健康檔案方面，構建疾病、藥品、癥狀、治療等醫療健康知識庫，實現智能醫患匹配、分診導診。

張守春談到，平安健康險採用AI最大的兩個用途是開源、節流。

開源是讓更多的用戶變成客戶。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，通過人工智慧把不必要的醫療費用儘可能減少，以便更多地服務於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產品"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。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！