劳合社：当人工智能遇上保险，创新与控制偕行
保观|专注互联网保险
人工智能（AI）- 机器模仿智能人类行为的能力 - 越来越多地应用于社会各个领域，从医疗诊断、解读法律文件到农业精确喷洒、自动驾驶汽车。
人工智能并不新奇，60多年来，它一直是学术界的重要存在。 尽管如此，最近人工智能对现实世界颠覆性的迅速升级唤醒了人们对其复杂而深刻的道德、法律和社会挑战的认识，甚至已超越了其基本方法和流程的技术复杂性。
人工智能与物联网（IoT：低成本，高可用性，广泛安装的传感器和执行器），5G技术和雾/边缘计算等其他技术相结合，可以收集和创建大量数据，反哺AI系统。
随着其影响力和技术能力的增长，使用AI的风险和机会也在不断发展。 本报告来自劳合社，旨在帮助保险公司了解这个快速发展的领域，包括面临的技术风险，潜在的AI应用，以及保险业务机会。
触发行业新风险
产品责任和产品召回
依赖人工智能的产品存在新的责任问题。例子包括：
· AI无法处理未经编程的新情况，从而导致故障；
· 机器之间或与基础设施之间的通信错误可能造成产品缺陷。
一般而言，产品召回可能会变得更大规模，且更复杂，特别是如当受影响的部门广泛使用人工智能时。
在责任方面，AI机器本身无法对导致第三方损害的疏忽行为或过失承担责任。“当机器犯下民事错误时谁负责？”，这个问题愈加突出。
产品制造商/销售商、AI设计师/供应商、AI采购商/用户在责任案件中或将被法院认定为过错。这意味着未来公司可能需要购买更多的合同保证、赔偿和限制协议来控制人工智能的责任风险。
机动车第三者责任
由于责任可能从人类驾驶员转移到自动驾驶汽车，进一步转移到制造商，因此未来的责任和覆盖范围将变得更具挑战性。
在不同国家，不同的法律和监管措施也有很大的潜力，可以创造复杂的国际风险格局。
医疗过失责任
过失可能来自多个方面。 AI被用于病症诊断，如放射科等领域。 如果错误导致误诊或误报，这可能构成过失责任。
即使AI被用作转诊的辅助手段，如果这些转诊引发不必要的检查，或导致较差的治疗结果，则可能产生责任。
网络安全
随着聊天机器人技术的发展，区分人类和人工智能变得越来越困难。这将使网络钓鱼诈骗变得更容易，范围更广，也更难被发现。
这就提出了一个问题，即“什么样的保险可以用来防范这类网络攻击造成的损失”。这就必须仔细界定构成保险事故的因素。
第三方责任也可能变得更加复杂。如果一个聊天机器人被侵入而发起攻击，它的制造商可能要承担责任。
真实性
上述网络风险可能加剧员工的欺诈行为。保险公司应该考虑到，欺诈可能更多地来自可以访问IT系统的员工，而不是具有财务权限的员工。
涉及欺诈时，人工智能“深度换脸”（Deep fakes）的出现也令人担忧。 “深度换脸”是能够产生逼真的音频和视频的AI系统，这将涉及身份欺诈案件。
政治风险
人工智能武器化有多种形式，包括数据腐败、有偏见的数据选择，以及非法使用数据，从而导致强制性宣传、行为改变和欺骗等多种后果。
从政治风险防范的角度看，人工智能可能会制造新的或加剧现有的政治事件，如征用、战争、恐怖主义行为、内乱和其他形式的政治暴力。
开拓市场新机遇
一般而言，AI系统服务公司更倾向于寻求保险保障，其基于算法的系统多用于数据密集型的企业客户，一旦算法出现错误决策，连锁反应造成的业务影响难以估量。 在确保（潜在的自我学习）算法输出之前，保险公司必须测试其统计理论，基础设施及其可靠性。
此外，在虚假信息防御领域出现了新的公司：
─ 提供过滤假新闻的技术;
─ 检测并消除恶意干扰信息;
─ 证明图像和视频的信息和真实性。
这将是保险公司探索产品类型（例如专业赔偿责任险和网络安全保险），以及新业务形式的机会。
随着该领域的发展和应用的增加，提供风险管理服务的机会也随之增加。 即使我们处于人工智能开发的相对早期阶段，人工智能知识专家已经对试图管理风险的公司提出了很高的要求。 以止损为目标的专业服务公司正在崛起。 随着复杂性的增加，对这些服务的需求将会增加。
提升保险全流程
从运营角度来看，保险公司已经在利用人工智能，以更有效的方式提供价值。 例子包括：
客户服务：聊天机器人（Chatbots），可以推荐个性化产品，处理投诉，改善与客户的沟通和处理简单的交易。
承保：通过使用AI来增强和加速流程。基于AI的模型可以根据历史风险评估厘定保险费率，并根据客户的风险状况生成定制化的保单报价。
欺诈检测：目前，这部分大多由人为操作，但AI也可以实现自动化。通过历史记录，传感器和图像等外部数据，自动化欺诈检测将进一步强化，从而更好地估计维修和核销成本。
理赔：AI可以通过自动化图像识别，搜索大型数据库以查找相同的理赔来防止欺诈，验证理赔并告知客户其理赔进度，从而帮助减少需要人工分析的理赔数量。
建模，风险管理和定价：通过人工智能及其与其他技术（如物联网）的结合，保险公司和模型提供商可以直接访问数据。这些数据可以帮助模型学习并快速适应新的作业环境。例如，这可以根据央行的通信预测利率变化，或在大量数据集中的筛查缺失字段。
业务发展：人工智能系统可以提高产品的交叉销售和转换率，打造量身定制的产品，并帮助识别新客户。
InsurTech
保险业正进入一个技术突破创新的时代，许多保险科技公司正利用人工智能提供更多颠覆性服务，创造更大的市场。 正所谓，数字生态系统无国界。 Lloyd's Lab，即劳合社创新沙盒，正在为保险创企提供加速服务。 目前，在首批入驻的公司中，多家已经能够使用数据和人工智能来实现风险预测、改善风险管理和加快索赔速度。 以Zasti为例：
ZASTI是一个基于AI云的技术平台，使用专有的深度学习算法构建，旨在帮助企业及其客户预测风险并提高效率。
该技术平台为业务问题提供预测和诊断解决方案。 ZASTI分析现有数据，识别异常，反复使用模式，然后通过显著性FT算法提供准确的预测和诊断。 AI平台处理来自多个数据点的大数据，例如保单参数，索赔数据，天气参数，犯罪数据，物联网和来自机器的传感器数据。 该平台可以识别风险比和风险概况，使保险公司能够实时为个人客户定制保单。
在保险领域，ZASTI已经建立了各种业务的解决方案，如商业房地产、航空、医疗保健和汽车保险。 实际应用包括以下内容：
➤ ZASTI使用分析技术来预测关键部件或供应链事件的故障，并提供预防性情报，使保险公司能够避免因航班延误、火灾、供应链事件、天气或机械故障而导致的业务中断。这使得保险公司可以减少昂贵的索赔支出或实时定制新的保险单。
➤ 在航空领域，ZASTI通过处理超过五年的航班延误数据、索赔数据和天气数据建立了一个模型。该模型可以预测特定航班，航空公司或机场从一周到一年内的航班延误。这些信息将有助于保险公司减轻损失并深入了解特定期限的估计索赔。更重要的是，这使保险公司能够通过分享如何“规避风险”的情报来为客户提供价值。
➤ 对于汽车保险，AI平台使用卷积神经网络（CNN），根据视频和图像识别汽车的受损状况。一旦模型针对特定国家、车辆、模型和特征进行了培训，它就可以识别并确定损坏的程度。基于图像，AI可以验证图像是否属于被保险车辆，从而实现欺诈检测。
总结
随着企业越来越多地将AI纳入其系统和流程，他们将需要保险来保护他们免受各种潜在风险的影响。
◈ 保险公司应该开发适当的模型和产品来应对这项技术。
◈ 保险公司可以通过在其整条价值链的中使用AI来改善当前的工作方式，从最初的问询到索赔的解决，乃至风险防范。
◈ 虽然人工智能为业务发展和运营效率提供了潜力，但保险公司必须意识到新技术的风险。
本文选自劳合社“Taking control: artificial intelligence and insurance” 。
End
推荐阅读
点击图片即可阅读