來源|零壹財經

作者|嚴井池

機器學習（ML）是讓計算機具備像人類一樣的學習能力，讓計算機通過大量的數據學習模式進行決策和預測。機器學習是人工智能（AI）的核心領域之一，在金融、工業(yè)、醫(yī)療與互聯(lián)網等領域應用廣泛。如今，機器學習已經成為保險公司的一類重要工具。

長久以來，保險公司的核心任務在于預測未來事件，并評估這些事件的價值與影響，特別是索賠損失的預測與定價。機器學習通過強大的數據分析能力，在保險公司的索賠審計、風險評估和反欺詐等領域有著廣泛的應用。

那么，我國保險公司在機器學習專利創(chuàng)新上的表現(xiàn)如何？在哪些領域有著廣泛的運用？本文結合保險公司及其科技子公司的機器學習專利申請情況和商業(yè)應用案例來具體分析。

01

保險行業(yè)如何利用機器學習技術？

保險行業(yè)充斥著大量和復雜的數據。這些數據擁有著大量的信息以用于確定索賠。此外，保險類型增加了數據獲取和處理的復雜性。比如，人壽保險不同于汽車保險，健康保險不同于財產保險，等等。因此，保險企業(yè)必須優(yōu)先考慮數字舉措，以處理大量數據并支持重要的業(yè)務目標。

機器學習可以處理復雜的保險數據。借助機器學習技術，保險公司可以提高在索賠處理、風險管理和反欺詐等業(yè)務上的運營效率，從而助力保險行業(yè)智能化升級和數字化轉型。

以下是機器學習在保險業(yè)務上的主要應用。

潛在客戶管理

對于保險公司和銷售人員來說，機器學習可以利用數據中的寶貴見解來識別潛在客戶。比如，可以根據買家之前的行為和歷史記錄對推薦進行個性化設置，這使銷售人員能夠與買家進行更有效的對話。

索賠管理

保險行業(yè)的索賠處理是出了名的艱巨和耗時。在索賠處理的各個環(huán)節(jié)中，都可以使用機器學習技術來處理海量數據，自動化處理很多流程，從而提升工作效率。比如，某些索賠案件提供“快速通道”服務，降低處理的整體時間，在提升客戶體驗的同時還能夠降低成本。

風險管理

機器學習可以分析保險行業(yè)過去索賠的數據，并評估未來索賠的風險，使保險公司能夠更好地管理其整體風險敞口。通過機器學習，保險公司可以識別數據中的模式和趨勢，例如哪些類型的索賠最有可能發(fā)生，哪些客戶最有可能提出索賠，從而進行風險管理，并為客戶提供更具競爭力的保險選項。

欺詐檢測

欺詐檢測是機器學習在保險領域的一個重要應用。機器學習技術可用于開發(fā)比依賴交易規(guī)則和人工審查的系統(tǒng)更快、更準確的自動欺詐篩選系統(tǒng)。機器學習可以區(qū)分正常和欺詐行為，并根據數據中欺詐模式的變化隨著時間的推移而適應。與傳統(tǒng)方法相比，機器學習具有發(fā)現(xiàn)完全新的欺詐類型的能力，這使保險公司能夠“將欺詐扼殺在萌芽狀態(tài)”，并將欺詐索賠的財務影響降至最低。

02

機器學習專利申請總量：中國平安、泰康保險大幅領先

從國內保險公司機器學習專利申請數量看，中國平安以1343件排名第一，泰康保險以289件位居第二。從授權數量看，中國平安、泰康保險集團分別以65件和36件再次位列前二，遙遙領先于其他保險公司。2022年12月上市的陽光保險則以56件機器學習專利申請數排名第三。

拓展到整個人工智能領域，中國平安和泰康保險的專利儲備仍然大幅領先，分別以2478件和377件申請量位列前二，陽光保險位居第三。通過榜單可以看出，幾乎所有保險公司機器學習專利申請數占人工智能專利申請數一半以上，說明了機器學習技術在保險數字化發(fā)展中的重要地位。

上榜保險公司中排名靠前的多為大型上市保險機構，它們在人工智能上的布局具有領先優(yōu)勢�；ヂ�(lián)網保險公司眾安在線以16件機器學習專利申請數位列第七。榜單中還有中外合資的保險公司如京東安聯(lián)、光大永明人壽和招商信諾人壽。

中國平安申請的機器學習專利中，屬于平安人壽的共有747件，平安財險533件，平安健康44件，平安養(yǎng)老19件。其中，平安財險與其科技子公司平安科技共同申請2件。

泰康保險集團申請的機器學習專利中，分別有20件、25件和76件與其子公司泰康人壽、泰康養(yǎng)老和泰康在線共同申請。

表1：保險公司機器學習及人工智能專利*申請及授權情況

*統(tǒng)計時間截止為2023年3月31日，包含保險公司和其科技子公司共同申請的專利

數據來源：智慧芽，零壹智庫

中國平安聚焦核心技術研究和自主知識產權掌握，不斷加強研發(fā)團隊建設。根據公司2022年可持續(xù)發(fā)展報告顯示，截至2022年12月末，公司科技專利申請數較年初增長7657項，累計達46077項，金融科技、數字醫(yī)療、人工智能領域的專利申請量連續(xù)兩年保持全球第一。

例如，其旗下子公司平安壽險在核保核賠環(huán)節(jié)創(chuàng)新融合文本識別抽�。∣CR）、自然語言處理（NLP）、機器學習等技術，輔助資料識別、案件審核，支持近1600種疾病的核保風險識別、超1500種疾病的醫(yī)療險理賠審核，核保效率較傳統(tǒng)模式提升近30%，理賠效率提升近20%，大幅度縮短用戶等候時間。

泰康保險是保險行業(yè)里最早擁抱人工智能的公司之一，其與百度智能云合作，已經孵化出人臉識別平臺、OCR平臺、醫(yī)療影像識別等人工智能平臺，應用在健康險、養(yǎng)老等多個業(yè)務領域，取得了一定的成果。

03

平安系科技子公司機器學習專利申請數排名靠前

從保險科技子公司機器學習專利申請數來看，平安科技以3304件排名第一，其次為金融壹賬通和眾安科技。可以看出，排名靠前的多為中國平安旗下的科技子公司。

拓展到整個人工智能領域，平安各科技子公司排名仍然靠前。其中，平安科技以5218件申請數再次排名第一，金融壹賬通和眾安科技仍然位列第二和第三名�？梢钥闯�，保險科技子公司機器學習專利申請數仍然占人工智能專利申請數一半以上。

表2：保險科技子公司機器學習及人工智能專利*申請及授權情況

*統(tǒng)計時間截止為2023年3月31日

數據來源：智慧芽，零壹智庫

人工智能是平安科技的核心技術之一，目前已形成包括預測AI、認知AI、決策AI在內的系列解決方案。在機器學習方面，平安科技構建了以深度學習為基礎的醫(yī)學大腦，將數據文獻知識轉變?yōu)獒t(yī)療知識圖譜，從而實現(xiàn)智能化的診療。

眾安科技是為數不多排名靠前的非平安系保險科技子公司。眾安科技基于人工智能、大數據、云計算等前沿技術的探索與研發(fā)，融合眾安生態(tài)優(yōu)勢，打造了“科技+服務”的價值交付體系，助力客戶加速數字化轉型升級，已向銀行、保險、券商、高端制造、互聯(lián)網平臺等多行業(yè)進行科技輸出。

04

保險機構及其科技子公司機器學習專利典型案例

（一）平安科技克瑞斯

平安科技克瑞斯是面向金融等行業(yè)的一站式大數據應用和人工智能平臺，為AI零基礎和算法從業(yè)者提供可視化機器學習建模服務。平臺內封裝了豐富的數據挖掘組件和機器學習算法，配置了可快速應用的業(yè)務場景解決方案，能夠實現(xiàn)客戶洞察，促進業(yè)務持續(xù)增長。

克瑞斯服務于平安集團內外部銀行、保險、投資、互聯(lián)網等多類型業(yè)務線，提供可快速落地的精準營銷、智能風控、智能選址等行業(yè)解決方案，為傳統(tǒng)行業(yè)數字化轉型提供強有力的技術支撐。在精準獲客方面，該平臺累計提升百億資產管理規(guī)模，模型準確率高達90.8%。在助力風控反欺詐方面，累計降低千萬風險成本，模型準確率高達90.3%。

（二）泰康人壽個性化營銷支持系統(tǒng)

泰康人壽的個性化營銷支持系統(tǒng)，通過機器學習的各種算法，實現(xiàn)對客戶的群體劃分、產品精準化營銷以及客戶流失概率分析，深層次地變革了現(xiàn)有的營銷模式，從而使泰康各級保險業(yè)務人員能夠更加敏銳地感知市場動態(tài)，更為精準有效地開展營銷活動。

這個營銷支持系統(tǒng)使泰康人壽在業(yè)內率先實現(xiàn)了大數據平臺上基于全量數據的機器學習和一線信息穿越。首先，大幅縮短了數據信息提供窗口，數據處理由原來的30多個小時縮短至約3小時。其次，該系統(tǒng)大大降低了運維工作量，提高了保險業(yè)務人員的營銷水平。最后，通過數據下沉和決策下沉服務一線保險業(yè)務員，明顯提升了客戶服務水平。

（三）愛�？萍肌爸腔圮囯U”

愛�？萍继岢龅囊惶住爸腔圮囯U”解決方案，著力解決定損難、理賠慢、糾紛多、服務差、產品單一等問題。該解決方案通過機器學習識別損傷車輛的外觀條件和分析定損數據，能夠快速向C端用戶提供自主化理賠定價，為車主提供差異化的增值服務。

“智慧車險”使得車險賠案處理時間從傳統(tǒng)線下30-50分鐘縮短至5分鐘以內，極大緩解了因交通事故造成的交通擁堵。

(四)眾安科技X-Eva策略分析平臺

眾安科技X-Eva策略分析平臺是一款針對風控策略優(yōu)化的智能技術產品�；�于眾安5年來積累的大數據技術與實踐經驗，X-Eva策略分析平臺將機器學習算法與傳統(tǒng)風控策略結合，貫穿貸前、貸中、貸后的全流程，通過底層數據自動整合及可視化操作界面，實現(xiàn)對風控模型及規(guī)則的高效分析、優(yōu)化配置、實時部署，有效提升風控的靈活性、針對性和時效性。

X-Eva策略分析平臺提供策略、規(guī)則、模型、變量等多維度進行在線分析和優(yōu)化的功能，同時集成豐富的機器學習算法，讓分析師可以快速進行模型訓練及驗證。使用該平臺，可以節(jié)約90%的技術部署時間、節(jié)省60%的算法分析師人力，縮短80%的建模時間。未來，該平臺還將緊跟行業(yè)變化不斷完善產品和服務體系，加速機器學習算法與傳統(tǒng)風控規(guī)則的進一步結合，助力金融風控健康良性發(fā)展。

       原文標題 : 五一特輯 | 人工智能時代下，保險公司機器學習專利哪家強？