保险业70周年“大阅兵”：智能保顾、知识图谱、

作者：张馨予

而发展至今，被人工智能、大数据算法、自然语言理解模型等技术加持的保顾已习得“特种兵”的十八般武艺了吗？

目前，市面上的保顾主要为用户提供风险测评、保险知识问答，以及个性化保障方案推荐等服务。

据了解，智能保顾的大脑由结构化信息组成。在这颗大脑中，每个保险产品都被完全细化、拆分到“责任”层，并与用户画像信息对应关联。基于此，保顾机器人才能准确理解用户需求，筛选出匹配的保障方案，并做出“萌萌哒”的个性化反应。

这些“特种兵”在市场上的反响到底如何？

众安保险今年7月发布的众安精灵首份用户报告显示，过去一年，众安研发的智能投顾程序一天最多会为30万用户提供服务。

此外，智能保顾有望进一步发挥价值的领域是客诉处理。

在一些业内人士看来，目前，保险公司面临的不少理赔客诉源于公司过度承诺责任，以及用户申请理赔时未能及时找到沟通渠道。这就要求保险公司的咨询渠道能够更通畅，信息更清晰、无歧义，从而帮助用户更好地了解产品责任。而训练智能保顾、建立智能客服体系或将是一项有效举措。

“电子军事沙盘”：保险知识图谱

脑力值 ★★★☆☆

敏捷值 ★★★☆☆

战斗力 ★★☆☆☆

什么是电子军事沙盘？你可能一头雾水，而保险知识图谱对于不少人来说也是这样，是一项小众的“武器”。

军事沙盘是一种可被用于模拟作战地形、展示兵力部署、武器配置等信息的模型。保险科技领域也有这么一个“模型”：它将人类世界中的知识，以机器能够理解的结构化形式储存在机器世界里——这便是保险知识图谱。正因为它，人工智能才拥有了可以推理的大脑。

知识图谱这一概念最早由谷歌于2012年提出，当时用于指代提升搜索引擎性能的知识库。在保险行业，这一概念直至最近三四年才“时髦”起来，尤其在健康险领域。而这股风潮背后，既有平安、众安等保险公司积极开展商业布局，也有复旦、华师等高校推进理论探索。

比如，今年7月20日，复旦大学中国保险科技实验室发布过中国疾病保险知识图谱，初步建设成了疾病保险基础数据库。知识图谱收录了2009年至2019年间市场上所销售(包括已停售产品)的3146份疾病保险主险与附加险条款、相关保险公司信息、医学疾病数据等重要维度，这将有助于支撑疾病保险行业在风险控制、用户体验、产品设计、消费者服务等上层环节的智能科技应用探索。

保险业务虽然已步入数字化，但在保险产品的整个生命周期中，包括上报监管的条款文档、核心系统中的产品配置、客户咨询的问答资料等，这些环节常常出现数据不一致的现象。

这就令保险在推广、销售等环节中出现歧义风险，比如，客户咨询时接触到的宣传信息与产品实际责任不一致。

同时，缺乏一种能让AI算法模型“理解”的数据格式，也使得智能保顾、智能核保核赔的应用落地困难。

而知识图谱所具备的两大作用——消除歧义和定义关系，可从根源上解决这些问题。通过在知识图谱上查询，计算机可以无歧义地完成风控规则的检查、保险承保范围的咨询、产品之间的比较推荐等任务。

不过，建设完善的知识图谱投入巨大，目前仍处在初步探索阶段。

“航母”：保险核心系统

脑力值 ★★★☆☆

敏捷性 ★★★★☆

战斗力 ★★★★☆

不管过去，还是现在，保险核心系统的“出厂设置”都是巨无霸。它往往是一家保险公司最古老且最核心的“作战平台”，也是IT部门最重工打造的“精良装备”。

近年来，这一平台在云计算等新技术的赋能下不断迭代升级。2014年，众安建起部署在云端的核心系统无界山，每秒可以支撑起3.2万笔保单的处理压力，之后许多持牌的互联网保险公司也相继将核心系统送上云端。

这些系统大多具备处理大规模、多渠道、高并发业务的能力。不过，发展至今，核心系统上云仍并非保险公司标配，因为迁云这项工程牵一发而动全身，关系全军战斗力；而且，强金融监管之下，安全问题不容小觑。

随之而来的是，轻科技面临新的契机。为了进一步提升处理超大规模、超多渠道、超高并发业务的战斗力，保险核心系统开始朝着“轻型航母”的方向发展，即越来越“小”，甚至向“微”进化。

有业内人士对《东保西险》表示，未来，分布式核心或将成为主流，类似于IOT的端侧计算，每一项具体业务都会拥有自己的核心系统。

众安科技CTO李雪峰认为，要用发展的眼光看待核心系统平台，未来对业务的支持能力更为重要。