哪里有保險(xiǎn)，哪里就有騙保。

騙�？梢苑Q得上是一種全人類的行為。無論是國內(nèi)英美，每年的保險(xiǎn)詐騙都會給保險(xiǎn)公司帶來巨大的損失，尤其是在醫(yī)保和車保兩個(gè)常見險(xiǎn)種。

為了規(guī)避這類行為，保險(xiǎn)公司殫財(cái)竭力。在德國，每年約有22億歐元的索賠是不正當(dāng)?shù)�，而美國司法部的�?bào)告更是聲稱欺詐行為導(dǎo)致健康保險(xiǎn)業(yè)每年的損失超過1000億美元。

這樣巨額數(shù)據(jù)的真實(shí)性雖有待商榷（部分統(tǒng)計(jì)數(shù)據(jù)為300－400萬美元），但在從成本中尋找盈利的今天，保險(xiǎn)業(yè)確是存在這樣一處巨大的隱藏金礦有待挖掘。

很早以前，保險(xiǎn)公司便使用計(jì)算機(jī)對索賠事項(xiàng)的合理性進(jìn)行判斷，但這種判斷是膚淺的，工作人員需要對那些被標(biāo)注為“異�！钡乃髻r事項(xiàng)進(jìn)行復(fù)查。麥肯錫的報(bào)告中顯示，所有被標(biāo)注為“異�！钡陌咐�只有10％是真正的異常。

那么我們是否可以用人工智能替代人力，用深度學(xué)習(xí)對索賠事項(xiàng)進(jìn)行合理性判斷呢？

輾壓級的高準(zhǔn)確率與高效率

審核保單的員工在評判某一索賠是否屬實(shí)會存在一些規(guī)則，如該活動是否可能發(fā)生，該項(xiàng)費(fèi)用是否在規(guī)定范圍之內(nèi)等，這些規(guī)則都是AI易于學(xué)習(xí)的，甚至還能做得更好。

畢竟人類在處理諸如此類重復(fù)的工作時(shí)常常感到困倦，且事件之間的聯(lián)系很有可能被忽略，比如一個(gè)病人針對單一疾病開了多種不同類型但療效相同的藥，那么工作人員可能在分析單位藥價(jià)是否合理時(shí)忽略了這一行為的不合理性，這是人工智能所不會忽略的。

如果不考慮保險(xiǎn)公司員工失業(yè)所帶來的負(fù)面社會效應(yīng)，人工智能在各個(gè)方面均碾壓人類員工。

首先是效率方面，過去需有幾十位員工花費(fèi)數(shù)周審理的索賠事項(xiàng)，在人工智能面前只需數(shù)小時(shí)。

其次是準(zhǔn)確率，根據(jù)麥肯錫報(bào)告的數(shù)據(jù)顯示，人工智能理論上能將現(xiàn)在的騙保金額減少約3％，而每減少1％的數(shù)額將為保險(xiǎn)業(yè)帶來百億歐元的收益。

通過這種方式給出的判斷在一定程度上可以降低保險(xiǎn)公司員工與投保人發(fā)生沖突的可能，畢竟結(jié)果的推定者只是一個(gè)程序。

圖片來源于麥肯錫報(bào)告

上圖說明了人工智能的工作原理，第一步將所有的索賠事項(xiàng)導(dǎo)入系統(tǒng)，AI對其進(jìn)行初步篩選，過濾掉所有正常的案例。在這個(gè)過程中，AI能夠識別不尋常索賠之間的關(guān)聯(lián)性，這有助于強(qiáng)化AI識別異常案例的能力。第二步AI將根據(jù)案例的具體情況為其評定優(yōu)先級，并將該項(xiàng)目交給審核人員，給出拒絕索賠的理由。

如何開發(fā)認(rèn)知系統(tǒng)？

雖然AI能夠解決常規(guī)保險(xiǎn)業(yè)務(wù)的幾個(gè)重要的痛點(diǎn)，但是我們依然需要解決醫(yī)療領(lǐng)域最為重要的數(shù)據(jù)問題（這里以商業(yè)保險(xiǎn)為對象）。

將患者的數(shù)據(jù)錄入保險(xiǎn)公司的信息庫本身就是一件麻煩事，好在計(jì)算機(jī)視覺的迅速發(fā)展能加快數(shù)據(jù)錄入的速度。如醫(yī)拍智能開發(fā)的醫(yī)療單據(jù)識別和解析云平臺，就可以通過掃描的方式對發(fā)票和化驗(yàn)單進(jìn)行識別，自行錄入數(shù)曲庫。

數(shù)據(jù)提取以后，通過NLP技術(shù)，系統(tǒng)能夠?qū)ξ淖中畔⑦M(jìn)行預(yù)處理。日本保險(xiǎn)公司Fukoku Mutual Life Insurance從2017年1月起，用IBM Watson取代了34名人身保險(xiǎn)賠付專員。

Watson可以將醫(yī)院提供的病歷、診療記錄進(jìn)行掃描，利用NLP技術(shù)對這些復(fù)雜的資料進(jìn)行提煉和處理，讓員工騰出手來處理關(guān)于賠付的其他事項(xiàng)。同時(shí)，人工智能在各個(gè)領(lǐng)域的豐富知識，也能讓保險(xiǎn)公司減少對于高專業(yè)度員工的依賴。

在以上技術(shù)的支持下，我們可以把認(rèn)知系統(tǒng)的開發(fā)流程簡化為四個(gè)部分：

1、編譯和預(yù)處理合適的數(shù)據(jù)。鑒于健康保險(xiǎn)公司必須處理的大量數(shù)據(jù)，這一點(diǎn)工作是微不足道的，其關(guān)鍵在于保證數(shù)據(jù)完整性和一致性。同時(shí)，測試數(shù)據(jù)集應(yīng)包括歷史患者數(shù)據(jù)和索賠數(shù)據(jù)；

2、使用各種統(tǒng)計(jì)模型來分析患者，診斷和索賠的數(shù)據(jù)。在這個(gè)階段，已經(jīng)可以確定某些診斷和索賠金額之間的相關(guān)性。該分析為開發(fā)用于標(biāo)記索賠異常的有效模型提供了基礎(chǔ)。然后將測試數(shù)據(jù)用于訓(xùn)練認(rèn)知系統(tǒng)。通過分析提供額外的保險(xiǎn)數(shù)據(jù)和外部信息，直到最終AI開始獨(dú)立學(xué)習(xí)新的數(shù)據(jù)和案例模式；

3、為了進(jìn)行后續(xù)評估并選擇最終將使用的系統(tǒng)，對幾個(gè)認(rèn)知系統(tǒng)進(jìn)行編程，然后根據(jù)特定指標(biāo)進(jìn)行基準(zhǔn)測試。根據(jù)測試結(jié)果，我們選擇能夠最可靠預(yù)測索賠的系統(tǒng)；

4、用確定的系統(tǒng)審核在現(xiàn)實(shí)條件下收到的新索賠案例，并進(jìn)一步完善算法。

哪些公司在從事這一工作

由于國內(nèi)商業(yè)健康保險(xiǎn)缺乏深度，而歐美的商業(yè)保險(xiǎn)制度相對較為發(fā)達(dá)，這里整理的從事保險(xiǎn)AI的公司均位于國外。

1、Accolade

2007年，Accolade成立于華盛頓州西雅圖。它的Maya Intelligence平臺可以根據(jù)患者的信息幫助患者選擇最符合他們需求的健康保險(xiǎn)，以降低醫(yī)療成本。它的合作方既包含保險(xiǎn)公司，又包含有投保義務(wù)的客戶，目前已為110多萬客戶提供相關(guān)服務(wù)。

該公司表示，該平臺使用NLP來幫助分析和合成文本格式的數(shù)據(jù)，并根據(jù)福利計(jì)劃、醫(yī)療歷史、索賠歷史等因素來建立用戶背景，用以輔助管理患者檔案。當(dāng)患者登錄時(shí)，他們可以訪問個(gè)人資料、人口統(tǒng)計(jì)信息及保險(xiǎn)公司的相關(guān)信息。如果用戶希望與護(hù)士或醫(yī)療助理談?wù)撝T如醫(yī)療或賬單問題之類的話題，則該平臺具有引薦功能，可以把用戶與最符合其背景和需求的醫(yī)療專業(yè)人員相匹配。

據(jù)統(tǒng)計(jì)，Accolade在與坦普爾大學(xué)健康系統(tǒng)（TUHS）開展合作后的第二年成功降低了醫(yī)療保健費(fèi)用，總計(jì)節(jié)省980萬美元。

2、Collective Health

Collective Health成立于2013年，總部設(shè)在加利福尼亞州舊金山，它的CareX平臺可整合人口數(shù)據(jù)，醫(yī)療索賠，從而簡化客戶的醫(yī)療管理流程。

2017年3月Collective Health開始服務(wù)試點(diǎn)，為雇主、員工、員工的家屬提供投保指導(dǎo)，并用AI系統(tǒng)對他們的后續(xù)行為進(jìn)行追蹤。

截止2018年8月，Collective Health已經(jīng)有15位雇主及70000名員工加入CareX系統(tǒng)。

3、Kirontech

Kirontech成立于2014年，總部位于英國劍橋，其軟件平臺KironMed使用AI減少索賠管理流程中的低效率行為。

KironMed的算法利用大型公共數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行培訓(xùn)。該算法平臺綜合了這些數(shù)據(jù)，以識別醫(yī)療索賠的不同種類，并建立與健康保險(xiǎn)欺詐（不準(zhǔn)確的賬單）或浪費(fèi)（即服務(wù)利用不足）相關(guān)的模式。

截至2017年3月，該公司已經(jīng)與風(fēng)險(xiǎn)投資技術(shù)公司Leap Ventures共同籌集了350萬美元的A輪融資。

4、Azati

Azati成立于2001年，總部位于新澤西州利文斯頓。它利用AI來檢測保險(xiǎn)公司在其定制的自助服務(wù)網(wǎng)站和移動保險(xiǎn)平臺上的欺詐行為。

當(dāng)投保人登錄平臺時(shí)，他們可以通過Azat進(jìn)行跟蹤和索賠。如果系統(tǒng)在分析新索賠時(shí)檢測到可能的欺詐案件，會將可能的案例發(fā)送給保險(xiǎn)公司的人事專家，以便相關(guān)人員進(jìn)行調(diào)查。軟件平臺還提供標(biāo)記聲明，以用于解釋AI作出判斷的理由。

總結(jié)

AI用于保險(xiǎn)行業(yè)其實(shí)談不上徹底意義上的創(chuàng)新，更多的是將多種成功的AI技術(shù)進(jìn)行融匯貫通。但就是這一多應(yīng)用的結(jié)合，可以為全球的保險(xiǎn)公司省下巨額保金。

我們不必?fù)?dān)心先進(jìn)的分析行為會降低投保的人數(shù)，只有一心想要騙保的人才會對這樣的系統(tǒng)敬而遠(yuǎn)之，正常人都會感嘆于AI系統(tǒng)帶來的前所未有的理賠速度。

相關(guān)的應(yīng)用在國外已經(jīng)慢慢發(fā)展，當(dāng)國內(nèi)的商業(yè)保險(xiǎn)蓬勃發(fā)展的那一天，我們可能也不會在為選擇保險(xiǎn)而發(fā)愁了。