清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

有一天,也许你会对着自家的Alexa说:

“Alexa,你能再订一管牙膏牙膏,买瓶瓶装水,再买一份20年期,价值50万美元的人寿保险单吗?”

好吧,我们还没到这个地步,但在人寿保险行业,人工智能(AI)和机器学习的应用已经带来一场变革。

AI拥有的大量、复杂的数据集合与保险行业需要的微妙的人际关系,多年的历史数据以及需要察言观色的独特的销售流程十分契合,因此AI的功能非常适用于保险行业。

人工智能经常通过自然语言处理(NLP)来实现。当有人向Alexa提供保险报价,与社交媒体聊天机器人互动,甚至提交保险索赔时,实际上是是自然语言处理系统在发挥作用。

在购买前的教育阶段,人工智能机器人可以帮助人们了解他们的保险需求,回答有关他们的财务状况的问题,并帮助客户建立继续购买的信心。 然而,它必须非常复杂和人性化,才能真正发挥作用,否则客户最终会收到类似"抱歉,我不明白"的回应。

对那些致力于提高保险购买体验适应性的人工智能来说,还有另一个重要机会:基于具体的客户资料和投入,度身定制语气和采购行程,最终消除客户对不相关问题和步骤的需求。

基于机器的算法承保

随着越来越多数据和经验的出现,机器学习技术可以迭代排列,以发现只有在大量申请者基础上才能明显显现的,数据点之间的微妙模式和关系。 它可以超越人类分析,发现大多数人会忽略的复杂细节。

这种基于机器的过程为人寿保险客户在申请过程中移交的信息增加了附加价值。 例如,它可以提供即时的保险范围决策,并基于更高的准确性提供更具竞争力的定价,从而降低风险。

以机器为基础的承保到目前为止是有限度的。 机器学习一般用于机器可以根据其接收的数据和承保规则作出自信决定的情况下,对于更复杂的案例,或者说直到机器学习了足够多的场景,机器程序明白何时应该将分析转交给人类,进行更彻底的再分析。

当需要人工审查时,机器可以以结构化的方式缩小细节,使承保者能够专注于最重要的利益相关信息。

数据:人寿保险的基础

要理解人寿保险中的机器学习,必须先考虑作出投保决定所需的数据,并确认其正确性。 这是用于分析和迭代的最复杂的数据集之一,因为承保决策的结果需要30年才能看到。 人寿保险的机器学习数据主要有两类:申请人信息和外部数据来源。

机器学习利用在申请过程中获得的关于客户的宝贵见解来比较一个人的健康史,生活方式选择,职业以及这些因素对后续类似的人寿保险买家的风险。

为了使比较更为明确,该模型需要承保决策的历史,结果,第三方数据集合以及承保规则。 例如,我们的算法承保平台使用了来自15年历史数据和约100万申请人的规则。 这些见解,结合行业标准的第三方数据源和申请人信息,帮助模型进行决策。

你可能会在认为,"既然日常活动,社交和各种其他数据集都可以收集,为什么不探索新的数据源呢?

答案是:从客户和技术的角度来看,更多的数据并不总是一件好事。

如果你要求客户提供更多数据,那么你必须为他们提供的信息创造更多的价值。 您还必须确保以道德的方式收集,分析和处置这些数据。

从机器的角度来看,太多的数据点和太少的示例场景可能会为机器创建太多变量,使机器难以成功确定什么是"重要的"。

关键在于平衡更多数据的需求,增加数据的精度和价值。

未来行业将何去何从?

随着越来越多的公司寻求部署人工智能技术,当务之急应该是该技术能带来的客户价值。 如果正确使用机器学习,可以减少收集数据的需要,机器只需提出确定死亡率所需的问题,并最终作出决定即可。

虽然通过Alexa订购人寿保险可能并不实际,但完全以机器为导向的,真对您的所爱之人的财务保护,可能并不遥远。

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。