智能保险

以人工智能驱动转型并创造价值 毕马威创见不同·智启未来 kpmg.com/intelligentinsurance 目录 阶段一：赋能16 阶段二：融合21 阶段三：演进26 03引言 主要考虑因素28 概要04 方法论32 简介05 生成式AI助力保险业将数据资产转化为增长引擎35 引言 而须管理长期风险的寿险企业则依赖生物识别、医疗和行为数据来评估寿命和患病率。当前，人工智能正帮助企业通过自动风险细分、整合电子病历以及预测分析来完善保单定价和评估，从而彻底改变企业的承保流程。寿险企业也正通过整合可穿戴数据和健康跟踪功能提供个性化的保单定价，并激励健康行为。 但这些解决方案通常仅针对特定问题。现在，凭籍最新的技术，企业有望能够作出快速调整，实现人工智能在价值链中更广泛的应用。生成式人工智能和自主智能体可有助企业改进精算模型，提供个性化保险，甚至加快保险理赔的速度。 人工智能在保险业中的应用已有多时，但因保险类型、区域以及企业类型（传统保险企业/保险科技创新企业）而存在显著差异。生成式人工智能以及新一代自主和代理式人工智能系统的出现，为整个保险业的创新带来了全新的可能。 为此，企业可能须树立全局视野，打破组织之间的壁垒，并使用人工智能来监控和缓释自身风险。 然而，尽管一些保险企业正加倍投入人工智能以提升竞争优势，部分保险企业仍持谨慎态度，原因包括对监管方面的疑虑、旧有系统的局限或人工智能对商业模式的长期影响存在不确定性。人工智能应用的先行企业和保守企业之间日益扩大的差距，将决定保险业中人工智能驱动转型的未来发展轨迹。 人工智能还能通过识别欺诈、分析死亡证明和利用机器学习简化偿付流程来提高理赔的自动化程度。除了承保和理赔之外，人工智能也正改变寿险的寿命建模方式和监管合规模式。人工智能驱动的预测分析可以评估预期寿命，识别发病并优化风险分层，使保险企业能够完善定价和偿付结构。 能够勇于应对这些挑战的保险企业将可率先释放人工智能的变革潜力。 例如，人工智能在寿险和非寿险中的应用明显不同。非寿险企业须应对汽车和家庭保险等领域的高频索赔，他们主要将人工智能用于欺诈检测、实时风险评估、理赔自动化和动态定价等“后台”功能。 对于保险企业而言，人工智能不仅是一项技术投资，也将成为重新定义战略、文化和运营的变革催化剂。为充分挖掘人工智能的潜力，保险企业必须以开放的心态拥抱变革，并将人工智能融入成为推动以客户为中心实现可持续发展的一大核心因素。 Frank Pfaffenzeller保险业全球主管合伙人毕马威国际 他们注重利用车载通讯系统数据、物联网数据和区域风险分析数据等外部结构化数据提升速度和操作效率。 概要 但证明投资回报率颇为不易 人工智能目标明确 简介 然而，我们的研究发现，保险企业仍受困于陈旧的运营模式、技术债务和线性工作流程，这使得他们欠缺相应的能力以驾驭多变的人工智能创新。他们的数据是分散的，并且往往被限制在特定的职能系统中。僵化的层级结构和相互隔离的职能构成了跨职能协作、决策速度和敏捷度受限的瓶颈。 代理式、自主智能体的兴起推动着保险企业的运营、客户互动和风险管理方式发生根本转变。与主要通过自动化和分析提高效率的传统人工智能不同，这些新一代智能体可以独立决策、执行复杂任务，并不断从交互中学习。 对保险业而言，这意味着保单能根据实时风险因素动态调整，理赔能在没有人为干预的情况下即时处理和解决，客户服务能量身定制、感知情境和全天候提供。 管理层对技术发展过快的担忧以及对人工智能特定风险的谨慎态度导致了决策上的犹豫不决：在我们的调查中，75%的保险业高管担心他们现在作出的投资可能会在不久的将来过时。 除了运营方面的提升外，智能体还可重新定义整个商业模式，使保险企业能够主动降低风险，动态优化定价，并与客户进行前所未有的高水平互动。 保险企业在应自行建造还是外购人工智能工具的问题上也迟疑不决。他们担心供应商可能会发布更好的版本。 的保险业高管担心他们现在作出的投资可能在不久的将来过时 由于相关系统需要海量、高质量的数据输入，因此，保险企业必须投资进行无缝数据整合、开展实时分析并实施合乎道德的人工智能治理。 此外，由于对未知风险存在担忧，先行应用人工智能的企业也难以确定应进行投资的领域和时点。 表示在应用人工智能时面临以下挑战的保险企业占比 人工智能技术各不相同是考虑因素或挑战之一。选定未来使用哪一种或两种技术，比我们预期的更为困难。 某澳大利亚保险企业的主管 保险业高管担心，在技术高速发展的当下，他们的人工智能投资很快便过时。以下是四个关键考虑因素，可帮助保险企业果断行动，提升灵活性和响应能力，以适应人工智能驱动的未来： 为人工智能应用打造可持续的技术和数据基础设施 培养利用人工智能提升人类潜能的文化氛围 设计符合核心竞争力并能够创造价值的人工智能战略 建立对转型路线图的信任 保险企业应制定与其核心竞争力相一致的人工智能宏伟愿景。应围绕这一愿景规划颠覆性的转型路线图，以重新定义人工智能推动增长和创新的方式，并在团队中落实成果责任制。将人工智能部署与战略目标相结合，如改进欺诈检测、简化业务流程和增强客户个性化体验，可有助于最大限度地提高投资回报。 数据是一项重要的战略资产，也是所有人工智能举措的基础。保险企业应建立强大的数据治理框架，重点关注质量、集 成 和 安 全 ， 为 长 期 可 扩 展 性 奠 定 基础。这就要求对可以为大量交易、复杂风险模型和实时决策提供支持的企业级人工智能基础设施进行投资。 采用综合人才战略以留住人才及提升人才技能是关键要务之一。学术机构、金融科技初创企业和创新中心可以帮助以全新视角提高员工技能。沉浸式人工智能培训项目能帮助推动客户体验和运营模式创新，拓展招聘渠道，并促成变革性成果。 人工智能的应用可能使保险企业面临独特的信任风险，这意味着必须从一开始就实施主动风险管理。保险企业必须应对数据隐私和安全方面的挑战，以确保遵守金融法规，同时保护敏感客户信息。 消除算法偏见并使用透明且可解释的人工智能技术，且这些技术应得到监管机构、客户以及企业内部人员充分信任，对企业而言至关重要。 调研结论 现状 保险业正处于变革阶段。企业对数字化转型的投资已进一步将人工智能纳入其中，但传统的运营模式造成的数据割裂正阻碍着进一步发展。 组织模式转型正在进行 保险企业正在转向更加以客户为中心的模式，但不同企业之间的进展差异巨大。38%的受访企业仍然是由具有明确边界的独立职能构成，而另有44%的受访企业则正探索采用混合模式，如职能与敏捷兼顾的模式。 技术基础设施转型不断演进 我们内部存在陈旧的基础设施和应用以及数据孤岛。因此，必须完善自身的数据工作，以确保数据清洁和准确。 大多数保险企业仍在实现技术现代化的道路上。60%的受访企业已经通过使用云服务对其系统进行了部分现代化，但只有18%的受访企业建立了完全基于云服务的基础设施。 运营模型阻碍了人工智能的一致实施 企业的运营模式往往使人工智能举措偏离业务目标。只有23%的受访保险企业表示，其运营模式能够有效地使人工智能举措与战略目标保持一致，而仅有24%的受访保险企业能够实施各职能协调一致的人工智能项目。此外，只有30%的受访企业能够一致地整合不同部门的工作流，从而消除减慢工作进度的数据孤岛。 英国某大型保险企业首席信息官 本地部署的技术仍然占主导地位 尽管技术不断更新和推进，但59%的受访保险企业仍然依赖本地部署的人工智能解决方案，55%的受访企业正在内部开发和定制人工智能工具。虽然这些方法保证了企业对技术的控制，但可能缺乏扩展人工智能应用所需的灵活性，难以满足未来需求。 探索协同技术 进展阻力 令人鼓舞的是，保险企业正在利用协同技术来提升人工智能的影响力。57%的受访企业已将人工智能与机器人流程自动化（RPA）整合起来，58%的受访企业已建立具备人工智能功能的数据分析平台。 对于多数保险业管理层而言，他们主要关注的是监管框架和风险管理实务能否跟上技术进步的步伐。 我认为这涉及人工智能的伦理、问责以及对人工智能的理解，即人工智能工作的可见性和透明度；当人工智能出错时，应有人为此承担责任。因此，我认为企业管理者需要更深入地了解人工智能的伦理问题。 建立信任是重中之重 人工智能正影响关键职能 对保险企业而言，建立对人工智能的信任仍然是一大难题。46%的企业管理者对人工智能是否可信持保留态度，而只有25%的管理者完全信任他们企业内部的人工智能。82%的管理者认识到建立稳健的监管合规框架、政策和流程，以确保负责任地实施人工智能方案的重要性。 即使在实施有限的情况下，人工智能也开始为关键职能带来了显著的好处。59%的受访保险企业表示，人工智能对其运营产生了变革性影响；此外，58%的受访保险企业认为人工智能为信息技术、供应链和物流带来了提升。 英国某保险企业的首席技术官 人工智能教育 人工智能愿景仍在构建中 员工教育仍然是实施人工智能的重要基础，61%的受访企业正主要针对人工智能基本概念对员工进行培训。只有23%的企业为员工提供了深入、全面的培训。这表明企业需要提供更健全的培训计划，使员工具备必要的技能以应用更先进的人工智能技术。 尽管人工智能的优先级正不断提升，但与此相关的清晰的战略愿景仍不完整。62%的受访保险企业仅部分完成人工智能愿景的构建，只有19%的受访保险企业已将人工智能与各级目标完全整合。 发展进步 数据准备度仍较为不足 对于扩大人工智能在保险业的应用规模而言，数据管理仍然是一大障碍。72%的受访保险企业认为数据是他们面临的主要挑战，仅34%实现了系统级数据整合。此外，只有13%拥有可实时更新的数据仓库，只有7%具备完全自动化的数据整合，这突显了企业在实施人工智能举措时，在数据准备度上的巨大差距。 这些统计数据突显了保险企业在人工智能应用方面面临的复杂挑战。尽管企业在实施人工智能方面已作出巨大努力，但碎片化的战略和有限的准备度表明他们仍需要采取更结构化的方法。 我们存在过时的系统，而且还面临数据漂移问题。什么是数据漂移？即职能之间存在数据孤岛，每个孤岛均有自己的数据库，这些数据库之间没有互通。每次更新数据时，就会产生数据漂移。 我们的研究发现，许多受访者认为，其人工智能实际成熟度并未能真正反映出他们更快速的发展步伐。这种认知差距往往是由于企业处于实施初期，其初步成果掩盖了人工智能在行业内的更广泛变革潜力。为了帮助保险企业准确评估其人工智能发展现状，并有效确定不同举措的优先次序，我们引入了包含三个阶段的人工智能价值框架，即为员工赋能，将人工智能融合到工作中以推动企业演进，以及帮助保险企业从打造基础能力迈向企业转型和生态体系创新。通过在这几个阶段中逐步消除障碍，保险企业可以在降低风险的同时释放人工智能的变革潜力。该框架有助于确保人工智能成为可持续发展的战略要素，推动企业长期增长、提升竞争力和韧性。 与可持续发展目标存在冲突 人工智能的能源需求正在与保险企业的可持续发展目标产生冲突。72%的受访保险企业努力在人工智能的能源需求增加与可持续发展承诺之间取得平衡，75%认为实现可持续发展目标比实施人工智能更具战略迫切性。然而，79%的受访企业已为缓解人工智能的能源需求制定计划，表明企业已意识到并主动应对此问题。 德国某保险企业的战略主管 技术的快速发展助长了企业的惰性 人工智能的快速发展给保险企业带来了不确定性，75%的受访保险企业更愿意等待人工智能发展稳定后再进行重大投资。此外，58%对人工智能铺天盖地的信息和炒作感到不知所措，另有56%对人工智能技术供应商可能对其企业施加的控制水平感到担忧。 打造智能保险企业 企业层面 在这一层面，保险企业应从关注人工智能如何影响其战略、商业模式和关键目标入手，统筹企业整体的转型变革。此举旨在对企业整体的运营模式转型、员工发展以及风险和控制进行定义。重点是为人工智能