人工智能正在改变保险业的3种方式

 
随着人工智能，大数据和物联网(IoT)进入我们生活的方方面面，许多行业正在经历转型。 “保险业高管认为，人工智能(AI)将在未来三年内极大地改变其行业，保险公司将投资于AI，以授权代理商，经纪人和员工通过自动化的个性化服务，更快的理赔流程和个人风险来改善客户体验，承销流程”，咨询公司埃森哲(Accenture)预测2017年。
三年后，人工智能算法已在保险行业的不同领域取得了巨大进展，并在降低成本的同时提高了效率并改善了客户体验。毫无疑问，该行业正在慢慢地发生变化。有一些需要解决的问题，但在大多数情况下，变化是在不断改善，而且还有更多的路要走。
这是三个值得一看的地方。
大数据和物联网
由于边缘硬件，云技术和物联网的进步，有关对象，人员和组织的越来越多的信息正在数字化。远程信息处理，可穿戴设备和智能家居传感器只是使我们能够收集有关物理世界的详细信息的一些技术。而且无处不在的连接性使我们能够将这些数据聚合到云服务器中，以便通过机器学习算法进行进一步处理。
劳埃德(Lloyd’s)在其《 2018年新兴风险报告》中概述了物联网的增长将为保险业带来的一些好处，包括更好地了解风险，避免可预防的损失，捕获模式和行为以及进行主动监控。如今，许多保险公司都在拥抱这些趋势，以提高其服务的速度和效率。一方面，拥有更多数据使保险公司能够为个人客户提供个性化和量身定制的保费。
一个例子是总部位于美国的Layr，这是一个基于云的小型企业商业保险平台，来自劳埃德(Lloyd)的保险加速器计划劳埃德实验室(Lloyd’s Lab)，并于5月获得了用于开发其基于AI的解决方案的资金。 Layr使用机器学习细读客户数据，并将求职者与相似企业群进行比较。这使公司的预测引擎可以自动将客户与正确的策略匹配。
能够通过IoT传感器从物理世界收集丰富的实时数据的做法也在保险业留下了印记。物联网初创公司Parsyl就是一个例子，它可以帮助托运人，零售商和保险公司了解敏感和易腐产品在整个供应链中移动时的质量状况。
劳埃德(Lloyd)实验室的另一名毕业生Parsyl正在将其传感器技术整合到质量保证和风险管理解决方案中，以应对需要专业运输和存储产品的客户。这些产品包括温控食品，生物药品以及敏感的生命科学和高科技产品。安装传感器可以为保险公司提供有关货物的准确数据和洞察力，同时为客户提供快速结算，降低索赔成本以及基于机器学习的风险缓解的优势。
该领域有趣的趋势之一是保险和保险技术公司与专业技术公司之间的协同作用，以增强风险预测和管理。一个有趣的例子是天气预报公司Climacell与Lloyd’s领先的船舶和特种保险公司之一Munich Re Syndicate的合作。 Climacell是劳埃德实验室(Lloyd Lab)第三批研究的一部分，它使用来自各种设备的传感器数据和机器学习算法来进行精确的天气预报。慕尼黑再保险集团将使用Climacell的技术来帮助客户更好地了解天气将如何影响其业务并做出明智的决策，从而提高运营效率，安全性和盈利能力。
在汽车保险领域，保险公司使用远程信息处理来收集车辆的实时驾驶数据。与过去相反，过去他们必须依靠有关车辆和驾驶员的基本信息来制定保险单，现在他们可以使用机器学习算法分析远程信息处理数据，以为驾驶员创建个性化的风险状况。许多保险公司使用此数据为具有安全驾驶习惯并惩罚危险行为(例如超速，急刹车，急加速和急转弯)的驾驶员提供折扣。相同的数据可以帮助重建事故现场，并使保险公司能够更好地理解和评估发生的情况，从而更快地处理索赔。
在健康保险领域，服务提供商使用机器学习来帮助患者选择最佳的健康保险承保范围以满足他们的需求。从健身跟踪器和心率监测器等可穿戴设备收集的数据可帮助保险公司监测并奖励诸如定期运动等健康习惯，并通过提供健康的营养提示来鼓励预防性护理。
Insurtech的初创公司Collective Health是一个例子，该公司使用机器学习来识别风险并为其成员提供适合其医疗保健的正确资源。该公司的AI模型将索赔数据，事先授权，资格数据，参与度数据和医疗保健利用率数据汇总在一起，以建立每个成员及其需求的整体概况。丰富的，由AI驱动的个人资料可帮助确定成员的健康需求，例如那些需要药剂师帮助以使药物混淆的人，或者需要护士帮助安排家庭医疗服务的人。
集体健康研究与分析总监Sanjay Basu博士说：“人工智能减少了手动审查成千上万种医疗要求的任务，而使我们的员工专注于进行热情，人性化的服务，并与我们的成员一起思考复杂的问题。”
数据和机器学习算法的可用性的一大优势是防止欺诈。通过对客户可用的大量数据进行训练的机器学习算法可以收集将合法索赔与欺诈索赔分开的模式。如今，大多数保险公司都使用机器学习来检测和预防欺诈。
随着物联网和传感器技术的不断加速发展，以及5G网络的普及，我们将继续拥有更大的数据集和准确的数据，以更好地了解保险风险。
劳埃德(Lloyd’s)创新主管Trevor Maynard说：“我认为，下一个十年来最令人振奋的发展之一就是，我们将对周围的世界拥有如此难以置信的深度了解。”
自然语言处理
历史上，计算机一直在努力处理没有整齐地排列在具有行和列的表中的数据。但是不幸的是，我们的大多数数据都是非结构化的，位于我们在日常交互中生成的文档，聊天记录，电子邮件和文本数据。自然语言处理是帮助计算机理解非结构化文本并从非结构化文本中获取价值的科学，是研究的热点领域，并且近年来取得了巨大进展。
充斥着文本数据的保险业从NLP的发展中受益匪浅。保险公司已经能够利用语言模型来减少响应客户查询所需的时间，并从他们在理赔过程中必须审核的大量文件中找到相关信息。
例如劳埃德(Lloyd)的国际贸易咨询(LITA)，这是劳埃德(Lloyd)的一家咨询公司，可为保险公司提供有关其经营所在国家/地区的监管信息。 LITA覆盖200多个地区，每个区域的法规都记录在许多非结构化文档中。
以前，LITA的专家必须手动浏览这些文档，以回答有关法规和合规性的问题，每个查询通常需要几天的时间。为了优化流程，LITA团队使用了通过与客户互动收集的大量数据来训练问答型AI模型。他们能够开发出一种系统，该系统可将大部分咨询过程自动化，并将服务水平协议从5天缩短到不到一个小时。
劳埃德(Lloyd’s)数据创新，研发和分析负责人Craig Civil表示：“人工智能增强了员工的作用。 “这使他们的工作更加令人满意，因为我们将80%的工作自动化了，而20%是真正有趣的一次性问题，您确实需要一支经验丰富的团队来做研究和回答。”
NLP的进步也催生了包括保险业在内的不同部门的各种客户服务聊天机器人。知名的保险公司(如Geico)以及保险技术创业公司(如Lemonade)都在使用AI驱动的聊天机器人来解决索赔。这些聊天机器人处理低级客户查询，并由自由代理处理更复杂的任务。
人工智能研究人员将继续开发更大，更复杂的模型，以处理更复杂的语言相关任务。在过去的一年中，我们看到了最新的语言模型的发布，例如OpenAI的GPT-2和Google的Meena。尽管我们距离开发能够真正理解人类语言的AI尚很遥远，但是自然语言处理的不断发展将带来实际用途。 AI会做一些工作，收集导入数据并突出显示文本数据趋势，从而使保险公司将这些信息拼凑起来并满足其客户的需求变得更加容易且成本更低。
计算机视觉
计算机视觉是使机器能够从视觉数据中提取含义和上下文的科学。在过去的几年中，借助卷积神经网络，可以执行图像识别和分类任务的AI模型，计算机视觉有了突飞猛进的发展。
保险公司现在使用图像识别算法来自动化许多以前需要人工的任务。保险公司Liberty Mutual使用AI对车辆损坏和理赔进行快速评估。用户使用智能手机为损坏的汽车拍照，然后将其提交给AI自动损坏估算器，该估算器使用针对数千辆车祸照片进行训练的机器学习算法来评估损坏和成本。此过程不会超过几秒钟。
计算机视觉还使保险公司能够执行以前不可能完成的任务。 State Farm的Drive Safe&Save平台就是一个例子，该平台使用AI分析车载摄像机的提要，并检测不安全行为并提供反馈，例如分心驾驶和发短信。
在计算机视觉中值得关注的有趣趋势之一是边缘计算和边缘AI的进步。计算机视觉任务以前需要应用程序将其数据发送到云服务器，其中AI算法利用大量的计算资源来处理和分析数据。但是近年来，专用硬件和更高效的机器算法逐渐实现了设备上AI推理。改进的速度和效率为可视数据的实时分析和风险评估铺平了道路。
尽管有许多激动人心的应用程序，基于AI的保险仍处于早期阶段，最好的尚未到来。随着技术不断渗透到我们的生活中，人工智能算法将能够提供更快，更准确的解决方案，从而使保险业对客户和代理商而言都更加令人愉悦且减少了挫败感。