从智能决策切入，信数如何为保险业数字化转型赋能？| 保观访谈

Q：保险业的规则有哪些？收集起来困难吗？

朱伟：保险行业目前典型的规则分类有：校验类/准入类规则、反射式问卷、体测评点/决策矩阵、费率表等。保险规则的相似度很高，不同公司的规则相似程度也在80%以上，可能会根据适用的场景和人群有细微的差异。

Q：通过智能决策引擎，保险公司的效率得到了哪些提升？

朱伟：举个例子，现在保险新产品上线的流程，很多规则首先需要精算师做出来，再经过投保、核保师梳理，最后再开发系统里面去，这个过程可能需要一个月、三个月。而在我们的决策引擎里面，这个开发周期可能就缩短到一周两周。因为目前90%的规则都是通用规则，可以直接通过复制、继承、引用等方法，管理好这些规则，从而缩短产品的开发周期。包括这个决策引擎里囊括的很多规则模板，能在系统里面直接使用和管理，也提升了投核保师的工作效率。

Q：在这个智能决策引擎中，人工智能有发挥作用吗？

朱伟：在目前的引擎中，还是比较初级的人工智能，是基于数据管理来做自动投核保的决策。但现在动态风险定价的概念开始流行，这就涉及到“最高级概念车”的机器学习部分。

Q：也就是说机器学习这块并没有落地？

朱伟：我们现在的产品体系是能够支撑这个概念奔跑的，但为什么很多公司还没有开始用，因为他还是受到各方面条件的约束。比如数据是不是已经足够充分了？然后基于大数据跑出来的规则，客户是不是认可？行业是不是认可？这还需要一个过程，可能得有一个人先吃螃蟹，跑一跑，大家才能往前走。

Q：您认为目前人工智能在保险业的应用处于一个什么水平？噱头大于实际？

朱伟：我们认为，2018年可以称作为一个初始智能的阶段，应用程度还是比较低的。现在这个阶段人工智能的定义是什么呢？我觉得用一句话可以概括，其实是用机器来替换体力劳动的人工智能，而在未来五年或者更长时间，会进阶成用机器来替换脑力劳动的人工智能。

Q：阻碍人工智能在保险业发展的因素是数据吗？

朱伟：对，数据会是个永远的话题，人工智能是建立在数据基础之上的算法。其实很多算法早就已经存在好多年了，但没有数据就跑不起来，所以最关键还是在于前端的数据，有数据就有一切。光靠用户填的或者外部获取的数据还是不够的，如果我们能拿到诸如可穿戴设备的数据、车联网的数据等等，那么人工智能在保险业的应用会更进一步。

Q：智能决策引擎的壁垒在哪里？

朱伟：我们的决策引擎提供商是国外的Sparkling Logic，虽然从表面上看，可能只是规则的维护，但底层的技术门槛在于数据库。比如说我怎么样维护了100万条规则以后，我的系统运行还没有跑死，怎么高效的使用CPU，这里面是有一些算法在的。我们并不担心别人会很快的开发出来，特别是国内，因为国内大部分还是喜欢开发应用端的产品，后台系统这块涉猎的人还比较少。而对标国外的决策引擎，普遍门槛较高，需要有技术背景的人才能使用，而 Sparkling Logic提供的工具可以让普通业务员也能操作，这是一个很大的区别。

Q：在与保险公司谈合作的过程中，其意愿如何？

朱伟：首先我们不是说要跟他做完全颠覆式的创新，而是使用决策引擎来帮助他们做一些自动化，把它原来散落在各个系统里面的规则统一管理，是在“量产车”上做优化，并没有颠覆他的运营模式，他依然是通过原有的渠道去销售，但是这个过程当中，他对客户的响应变快了，开发产品的周期变快了。对于他们的业务流程有提升和优化，他们还是很愿意来合作的。

Q：您觉得怎么样才算是保险业的颠覆式创新？

朱伟：我认为是当机器学习开始真正发挥作用，比如精算师的费率表是动态的，按照用户的开车里程来定车险的保费，按照用户的生活习惯，每天睡眠时间来定健康险的保费，这可能就是真的颠覆式创新。

Q：未来在保险业会有哪些尝试？

朱伟：智能决策引擎会是我们的核心产品，此外也会针对行业推出一些解决方案。比如累计风险保额的计算，因为有时间差的问题，这块也是需要解决的痛点；围绕规则的监控和分析，我们正在做可视化的一个工具，让保险业务人员能够监测规则的运行情况，如哪些是僵尸规则，哪些规则波动较大等，这样就可以做规则命中趋势的分析。此外，在保险的反欺诈层面，也会进行一些尝试。