蚂蚁集团方勇详解数字化理赔全链路：险企准备好了吗？

2020年，新冠疫情一方面让保险行业传统展业方式受阻；另一方面也像催化剂一样，加速推动行业线上化以及数字化转型。敏锐的资本已迅速在保险科技领域展开竞逐，二季度保险科技领域融资环比增超7成，本已在科技领域布局的专业互联网保险公司、流量平台、互联网中介平台等如同一场地经历阶段性验收，他们是如何展现其科技力的优势？ 与此同时，传统保险公司也在积极寻求突破与转型路径，而通过前、中、后台的融合，实现线上化运营，并推动销售队伍“线下+线下”的力量融合，时至当下，头部寿险公司又在如何进行转型与突破？ 而在产品侧，疫情加速了低利率时代的到来，各公司也将业务重点转向健康保障类产品，以及年金、增额终身寿险等储蓄型产品，在新形势下，市场从需求变化到产品创新研发需要怎样的演化进程？ 9月9日，在『慧保天下』联合『天风非银金融团队』共同打造的题为《新变局新业态新势力：保险2020持续增长的关键变量》的保险科技论坛上，蚂蚁保险事业群总裁助理方勇做了题为《科技——新时代的核心竞争力》的主旨演讲。 以下内容为发言实录整理： 蚂蚁保险事业群总裁助理 方勇 前两天，我看到一篇文章说得是，过去的成功可能会对你未来形成反噬作用，很多情况下，一个公司过去很成功，但过分依赖过往的优势，固执地认为以前的经验会带来未来的成功，那很可能就错了，因为时代变了导致客户、环境等都会发生变化。 而在当下的时点，科技才是未来获得成功的核心竞争力。对很多保险公司而言，大家还最关注的是获客，但是当客户数暴增以后，后续的服务就自然而然能做好吗？答案是否定的，我们曾经有过惨痛的教训。 01 假如用户数再增长N倍，保险公司真的做好准备了吗? 今年的新冠疫情波及全球，疫情影响之下，全民的风险意识比以往提高了。 从经济水平来看，由于中国有着庞大的人口基数及庞大受教育的群体，加上近几年，国家各地医保局都成立了大数据中心，居民线上的数字化档案建立也越来越丰富。 在可穿戴设备方面，大部分的年轻人手上基本上有一两件智能设备，有助于大量的数据采集，在这样的环境下，今后的保险产品肯定会越来越细分。 因此从客户层面来讲，我们觉得不是特别大的问题。但是各位保险公司有没有准备好，当你的用户数呈N倍增长的时，你的后端的专业化服务能力是不是能支撑住？ 02 保险愿景与现实矛盾 保险的社会价值是能够用一个普惠的产品尽可能的保障海量的用户。但我们又发现，保险服务是一件既专业而服务资源又极其有限的事情。这导致假如用户数增长了10倍，而因为资源有限，公司后面的整个服务能力无法跟随着线性增长，造成了服务能力完全跟不上。 2018年年底，我们创立了相互宝。由于用户数庞大，在2019年6、7月份时，我们就发现，当时整个理赔团队的人力根本支撑不了对应数千万人的服务工作量。那个时候相互宝的用户数还远没有达到1亿，我们预想，假如用户数再持续增长的话，怎么才能解决服务能力的问题？ 如下图所示，白色的部分代表有限的专业人工服务能力，下面很大的蓝色的充填部分就是科技加持，唯有这样，才能使服务量大幅增加时，用户体验不至于明显下降，也唯有用科技，才能去打破愿景与现实的矛盾。 相互宝是类保险产品，因为救助金额较大，一次性给予，因此需要特别慎重，每个案件都进行线下的调查取证，所以服务处理上是目前所有险种里面最重的一种方式。传统保险公司后端理赔链路上的各种问题，相互宝全部都遇到过；而因为这个产品完全基于互联网、而且救助公开透明的特性，我们的问题还更棘手。 面对这种情况，蚂蚁从报案、查勘调度、查勘作业、视频面访、理算审核五个大环节，通过利用AI文档相机、智能化发调、查勘小程序、远程视频面访、以及理赔大脑等工具，让科技在其中发挥关键性作用的。 03 AI文档相机——提高报案材料质量 首先是报案，我们的申请救助过程是全互联网化的，用户无需提交纸制材料，而是靠调查员线下调取原始纸质资料凭证，通过拍照提交。因为互联网操作的便捷性，导致用户报案量比传统保险公司大很多，且类似材料不合格、不在保障范围内的报案占比就有一半以上，而这些直接到理赔审核人员手中的低效报案大大降低了整个处理效率，使得真正需要获得理赔帮助的人等待时长增加。 目前，大部分保险公司也都已经开始做线上理赔链路的搭建，但理赔材料的多样会导致用户自助操作复杂度高，缺材料比例很高，这种案子会三番五次提交上来又被打回去补材料，理赔立案岗的工作压力非常大，而这些反复也十分影响用户体验。 为解决上述报案材料质量的问题，我们开发了AI文档相机。在所有保险公司报案端还在使用系统内置相机组件的时候，我们第一个把AI识别算法和质量校验模型压缩到了极致，以至于可以前置到客户手机端去运行，带来的是用户使用时的实时交互提醒体验，并大大提高了报案材料质量。 对于如何减少补材料的反复的问题上，我们的系统能够识别107种凭证，用户在提交申请的时候，系统根据用户凭证诊断中对应的疾病，就能指导用户上传不同的凭证，大大降低了这种反复的可能性。而且因为我们的系统是7*24小时在线的，这样就在提升客户体验的同时，也大大降低了后端立案岗的人工工作量。 04 智能化发调——提高发调精准性 第二个环节——查勘调度。传统的调查，特别是排查历史疾病既往症，除了查询社保记录外，其他的线索发掘基本跟破案一样靠猜，运气好能猜中，运气不好就极可能查不出来。因为相互宝是分摊制，带病投保的用户也分摊救助了的话，那就意味着其他分摊用户需要支出更多的成本，这对那些符合健康条件的用户就不公平。 智能化发调的目标，就是要让线下调查能够比以往做得更精准、更高效，从而降低极高的线下查勘成本，具体怎么做？简单来说，就是对整个案件信息详细的数据化和结构化，从而能够更精准地挖掘线索，派遣最合适的调查员去执行对应的任务。 除了用户提交的理赔材料外，我们的审核小二会给用户进行一次电话回访，过程中会询问病情发展等相关的一系列问题，这些问题的答案被细化成上百个字段，综合影响后续的查勘调度结果。 另外，在部分居民健康数字化档案基础好的地区，在获得用户理赔时的授权后，我们会通过系统调用查询用户的就医行为记录，以证明其病程发展的真实性，并初步排除带病投保的嫌疑。 为了降低调查的门槛，我们汇集了查勘行业的专家，根据不同城市居民的就医习惯以及相关医疗单位特点，形成了不同疾病的就医路径模型，用来指导查勘员的调查行为。 比如，杭州看肝病哪家最好，某个社区的居民，通常都会先去那里做初级检查之类的实操经验，以往都是师傅手把手教给徒弟的，一旦换人后，可能经验就出现断层了；对于那些调查员擅长做哪方面的案子，那些调度员通常是记在脑子里或者小本本上的，一旦调度员离职了，那这些经验也就遗失了，需要很长一段时间磨合才能被新的调度员所掌握。但是系统会把这些规则固化下来，从而更小周期、更低成本地去指导作业。 05 查勘小程序——闭环线下游离风险 在支付宝App里，我们有针对查勘作业的小程序。这个系统对调查员有严格的风控准入。现实工作中，调查的活被外包给他人是挺常见的事情，因为保险公司无法完全掌握线下行为，不知道真正去作业的人的底细，信用如何，有无参与相关行业不良行为的记录等等，都会有引入瑕疵和风险。这样的风险，在我们这里，调查员在准入之初就能避免。 而对于不同的产品、不同健康告知版本，查勘员是不是足够了解的问题上，传统业务中，这样的规则下行周期是比较长的，以往，我们基本上需要一个月的时间才能把规则的变动传达到各个基层。而现在借由这个系统，隔天规则的变化就能落地。因为调查员接案子都通过系统，如果他没有经过对应的培训，那他就没法接到这种新要求的调查任务。 为了解决私下转包问题，我们系统每天会不定期要求调查员扫脸，对应查勘走访任务，也会要求采集地理位置信息，极大提高了安全性。 在操作规范指引上，对每个环节要做哪些调查、取回来什么证据、达到什么样的标准，我们的SOP已经细化到了系统中，大大改善了作业的规范性。 通过这样的方法，我们掌握了案件调查作业的每个细节。 06 远程视频面访——避免当面接触 成员面访是重疾类产品必须要进行的重要环节，也是成本很高的环节。去西藏、青海等偏远地区调查一个案子的成本在6000元以上，而上海的案子可能两三千元就能覆盖，如何能够减小成本上的差距？ 另外，上半年疫情特殊因素导致所有医院不接待调查，而用户也担心陌生人到家里面访带来新的感染风险，调查员同样也担心受到感染的风险。而相互宝的申请救助者还等着救助金来治病，怎么办？ 同样的，面访环节中间，还可能存在不规范作业的情况，怎样防范调查员与申请救助者在面访时私下勾兑串通，导致明明有线索但是没去尽调，这些事情如何控制？ 我们的解决方案是：远程视频面访。听起来很简单，无非就是经常用的视频通话功能。但我想说的是，魔鬼都在细节里面。在这个过程当中，视频通话只是最最基本的要求。 比如，首先，我们要验证被访人的真实性，确保他就是被保人，不存在冒名顶替的情况，所以一开始就要刷脸认证。然后面访全过程中，双方的视频和语音都必须远程保存下来，同时后台的智能引擎实时进行语音识别。在识别语音的同时，系统还会对关键信息做线索提示，智能地帮助调查员完成初版面访纪要，稍加修改后，就能让用户在线签字确认，从而完成整个面访。 我们去年底推出这个产品时，预料到调查公司会有很大的反弹，但是随着疫情的爆发，只有这个工具能够继续作业。而幸运的是，在推广和迭代过程中，我们双方配合得比较好，他们深刻感受到，使用这套工具后效率确实大大提高了。 我估计未来这个领域可能会正式发展出一种新的岗位职业——线上面访调查员。如果大家去跟着做过调查就会知道，大部分时间都是花在交通路途上，如果远程能够解决，那调查员就不用大热天在外面奔波了，面访效率将大大提高。 07 理赔大脑——提高审核效率 相互宝有一个很重要的机制是：调查和审核完全独立，调查是专业调查公司去做，审核是相互宝的审核团队做，调查员无法决定案件结果，这样才能保证最终结果的中立客观。 好，那我们进入最后一个重要环节——案件审核。怎么提升效率？核心还是细节。 我们把用户的报案材料、调查调取的详细材料以及用户加入的产品和对应健告版本等信息，提取拆分成数百个因子，然后经过理赔大脑系统处理后，给到初步的参考结果，经过理赔审核人员的人工审核、确认后，再给出最终的核赔决策。 前面几次讲过，我们能识别107种凭证，报案环节能过滤掉50%的无效报案案件，剩下来的案件中20%能够自动给出赔付结论。理赔大脑会自动扫描分析所有凭证材料，按患者的就诊事件维度做好时间线的排列，审核人员能很清晰地看到，用户在什么时间加入、什么时间点过了等待期，假如发现有违反健告的证据，系统就能自动给出拒赔结论，并定位到对应证据的凭证。 假如还无法明确下结论的，系统会对发现的可疑线索做高亮的提示。看这个DEMO，或许大家认为只要做诊断ICD关键字的匹配就行，但其实远远不够，因为医生会在描述中夹杂大量关于家族病史等等的描述，有些是对于病症的猜测，要靠检验检查病理报告的结果才能佐证，所以这里需要用到大量自然语言的处理技术，还要做大量专业和半专业的词汇的归一等细节工作，才能够带来准确度的提升。 这么做的价值是什么？没有审过重疾险的案件，大家可能脑子里面没有概念。一般来说，重大疾病住院的病人的整个病案材料加历史既往病史关键记录，平均都在160页以上。试想审核员要用肉眼在这160多页的材料里面去找出关键性的结论和可疑的线索，要耗时多久？因为整个工作量太大，导致处理时效比较慢。而有医学知识又懂保险还有实操经验的人才有限，人才培养跟不上，在我们的系统没有上线前，审核团队的同学成天加班，往往凌晨一两点都不能下班，真的非常辛苦。 为什么现在我们能完成专业度这么强的工作？因为我们在大量案件的处理过程中，依靠业务专家细化、积累了大量的专业知识图谱，而不仅仅是AI的模型算法。在自动化处理类似给付型重疾这样赔付金额特别巨大的产品时，单靠神经网络算法AI训练而直接给赔付结论是不靠谱的，我们非常强调所有系统执行规则的可检查性和可解释性，而通过知识图谱体系恰好能够把核赔规则的所有细节沉淀下来，并具有极强的扩展性。 好，我的经验分享就到这里。以前有位保险界的前辈讲，理赔是一门艺术，所谓艺术，就是没法量化的东西，但我不那么想。我们希望通过科技这个核心生产力，能给整个行业带来一股清风，能够把这些老百姓看起来说不清、道不明的艺术，变成透明化、一致化的理赔体验，让大家都能够越来越信任保险、越来越真正依靠保险。 [32] \t