每經專訪壹賬通保險業務中心市場總監徐陽：揭秘人工智能、大數據、區塊鏈如何化解“人傷案件”痛點

每經記者 涂穎浩     每經編輯 盧九安    

現今，隨著“保險科技”概念的提出，各家傳統保險機構、互聯網巨頭、乃至科技公司爭相入局，探索賦能保險價值鏈的各個環節，幫助行業實現保險產品運營的“重新定義”、保險價值鏈的“重新塑造”、保險服務生態的“重新構建”。

據了解，保險公司在承保和理賠等環節存在諸多風險，風險管控面臨挑戰，存在欺詐頻發、依賴人工、信息割裂等痛點，嚴重影響風控效果和效率。據國際保險監督官協會測算，全球每年約有20%-30%的保險賠款涉嫌欺詐。就我國而言，以車險為例，欺詐滲漏比例約達20%。以人工智能、大數據、區塊鏈為代表的科技到底如何解決行業痛點？

據了解，運行已有五、六年的智能人傷定損平臺，是壹賬通瞄準了“人傷案件”信息不對等、服務能力不匹配的癥結所在，提供的一個科技落地理賠場景的案例。壹賬通保險業務中心市場總監徐陽在接受《每日經濟新聞》記者專訪時表示：“智能人傷定損系統邏輯在于，以往是偏事后的理賠，系統在前端搜集信息，通過系統規則和模型向管理者發出提示性信息，能幫助保險公司的管理者和查勘人員迅速調配資源、堵住風險。”

圖片來源：受訪者供圖

解決人傷案件癥結

NBD：近年來“人傷黃牛”等騙保事件越來越受到行業關注，您認為“人傷案件”問題的關鍵點是什么，保險公司是否能破解？

徐陽：人傷理賠問題，個人理解很多時候來自于信息不不對等、服務能力不匹配。首先是人傷服務做不好，我們沒有照顧好傷者，黃牛比我們“照顧”得更好，天天噓寒問暖的，受傷人員就認黃牛，這確實是一個行業的通病。其次在人傷的鏈條中參與者眾多，包括交警、司法、醫院、鑒定所等，保險公司的人員沒有那么多專業能力，跟各個方面去溝通。改變傳統的、偏事后的理賠方式，如何把最有效的資源匹配到最應該服務的客戶上去，是應對“人傷案件”的關鍵點。

舉個簡單的例子，假如碰撞外傷斷了幾根肋條，可能原來的模式是看看醫院開出什么病例，把信息拿回來，等傷者治完了黃牛已經介入了，拿一堆材料投訴，或者最后仲裁。就人傷整個的賠付來說空間彈性是比較大的，很多是要有效的談判談出來的，一旦談判，就需要保險公司業務人員要有各方面的技能，但實際上這樣的人很少，也很難做到，我們就用系統把他武裝起來。

NBD：從試運行保險公司數據來看，2016年-2018年人傷賠付費降低10.3%，您如何評價該智能平臺運行的效果？

徐陽：從保險公司理賠的角度來說是不惜賠的，正常的合理賠付一定是希望能夠快速給客戶賠的。然而很多人傷的風險來自于最后的賠款沒有到客戶手里，傷者本身并沒有拿到。可能保險公司賠了30萬，客戶就拿了15萬，剩下的15萬就被黃牛或者其他利益相關方拿走了，長期的超額賠付是有損客戶利益的。

這是個全方面協作系統，人傷賠付下降，包括了一些很關鍵的指標，如訴訟在下降。跟客戶談不了，黃牛介入就直接打官司了，很多保險公司把控訴作為一個很關鍵的指標。一旦訴訟了，這個案件賠款就會上升，本身它有訴訟成本。

其次是案均的醫療費也在下降。通常醫院用藥一旦走商業保險跟走社保完全是不一樣，這個問題是普遍存在的。賠付的下降是果，它前面會有很多因，因為系統在各個關鍵的節點做了控制以后，帶來了這些改變，最后的結果才開始下降。

數字化轉型落地難

NBD：目前不少保險公司都在積極嘗試數字化轉型，不乏中小保險公司，在您看來科技落地需要具備哪些條件？

徐陽：隨著保險市場的發展，保險產品不斷創新并海量推出，這就考驗著保險企業的產品運營能力，部分保險產品數字化運營較為粗放，客戶服務不智能化、缺乏精細化運營手段。

給一把鋒利的廚刀，能不能切出那么好看的菜出來，其實還在于如何去使用這個工具。這可能不是純的科技公司能解決的問題，需要大量的實踐的經驗，不停地模擬、反饋、內化，才能夠達到想要的效果，現在很多的技術在實際落地當中，就出現這樣的問題。

從系統本身來說，最大的價值就是底層數據的積累，這需要行業里面的垂直公司自己一點一點花時間和人力去做；另一方面，還需要利用技術方面的管理上的經驗，以及走過的試錯的機會成本。

NBD：海外成熟車險市場是否存在車險“人傷案件”的問題？

徐陽：以德國為例，他們面臨的整個市場環境是比較類似，高訴訟，高賠償，及缺少管控。對他們而言面臨最大的問題是，人傷的數據根本沒有被電子化，紙質的數據掃描來錄進系統。很多頭部保險公司，雖然知道很難，但是無從下手。

NBD：如何看待國內市場在科技運用的程度，不同市場之間是否有可借鑒參考之處？

徐陽：首先是法律法規和保險條款有差異。我們在國內很多數據做的“顆粒化”很多，我可以知道一段時間的賠付賠出多少藥錢、賠出多少醫療錢、賠了多少殘疾賠償金、死亡賠償金，各種賠付項目都可以按比例看到；這些方面在歐洲是拿不出來的，他們的賠款還是一頁一頁的紙，錄進系統里面，根本沒有把這些數據電子化。所以建模任重道遠，面臨的問題是每年的人傷賠償率越來越高，達到50%。

其次是必須花時間。行業交流的結果是沒有更高效的辦法，有些基礎性的東西，尤其是數據積累層面的東西，很少有更高效的辦法。要花時間去積累，但是只要你做了，明天就比今天好，總會一天比一天好。我們在國內建立了大量的底層數據和規則，但是在歐洲還是要自己去解決。