随着保险业经历一场技术驱动的巨变，人工智能继续推动保险公司如何获得显着的服务和运营收益。 事实上，麦肯锡估计人工智能技术每年可为全球保险业增加 1.1 万亿美元的价值：大约 4000 亿美元可能来自定价、承保和促销技术升级，3000 亿美元来自人工智能驱动的客户服务和个性化产品。
尽管大多数大型保险公司都在大规模实现人工智能个性化的道路上3，但该行业仍处于人工智能采用转型的早期阶段。 对于大多数亚洲保险领导者来说，传统的组织结构具有多个中介机构以及有限的内部技术和数据资源，因此很难想象更广泛地投资人工智能的潜在好处，更不用说量化了。
这很重要，因为对人工智能的跨职能投资可能会改变游戏规则，而且它将日益成为竞争优势的来源。 过去五年中，人工智能的采用率增加了一倍多，各行业对人工智能的投资也在不断增加。 麦肯锡全球研究院 2022 年 12 月的一项调查显示，在 1,492 名受访者中，那些表示通过采用人工智能获得最显着收益（20% 或更多息税前利润）的受访者倾向于采用先进的人工智能实践、使用云技术并在人工智能上高效支出，而且他们更倾向于采用人工智能技术。 比其他人更有可能参与一系列人工智能风险缓解工作。
大多数保险公司面临的挑战是，在人工智能成熟度和企业范围内的集成方面，确定从现在到需要达到的目标的最佳路径。
在本文中，我们借鉴麦肯锡的人工智能成熟度评估模型，概述了亚洲保险公司如何评估其对人工智能的准备情况，并提供了成为未来人工智能驱动的保险公司的路线图，实现盈利能力、敏捷性和规模方面的收益 个性化、创新。 该框架的基础是跨四个重点领域的人工智能投资分层方法：参与、人工智能驱动的决策、核心技术和数据以及组织和运营。
人工智能对保险公司的潜力：成功基准
我们的保险集成人工智能能力堆栈框架的四层涵盖前台、中台和后台功能。 正如这些职能领域对于组织而言至关重要且相互依赖一样，框架的各层也是相互支持的：它们共同形成了一个有利于内部和外部利益相关者的稳健结构。
谷歌、Netflix、腾讯和 Uber 等为人工智能成熟度和能力设定基准的全球公司展示了保险公司在其组织中全面整合人工智能可以实现的潜在收益。
重新构想的参与层
重新构想的互动层采用人工智能工具和解决方案来创建数字化互动和分销渠道，帮助为客户提供一致的个性化体验。 要设想大规模的领先个性化服务，请考虑 Netflix。 每个 Netflix 用户对平台上以及电子邮件中的可用内容都有独特的定制视图，这些视图反映了他们的兴趣，并且随着时间的推移变得更加广泛、有针对性、信息丰富且更具吸引力。
人工智能驱动的决策层
人工智能和先进的数据和分析功能可以增强复杂的决策制定，使企业能够自动执行重复性任务，分析更多的数据，提高处理速度和准确性，并创建预测模型以改进程序并提高性能。 Uber Technologies 体现了人工智能预测分析的领先优势，通过使用历史乘车数据和关键指标来缩小乘车需求和司机供应之间的差距，以确保 Uber 应用程序的每个用户都能在预期时间范围内获得乘车服务。
核心技术和数据层
现代化的核心技术有助于为高级决策提供完整、高质量、实时的数据，促进无缝的客户和利益相关者体验。 它提供了与多个第三方数据和情报平台集成的能力。 腾讯是中国领先的跨国科技和娱乐集团，一直在其微信应用程序中使用其先进的API平台来集成数据和决策，从而为中国超过10亿月活跃用户提供无缝、高效、集成的服务体验。 该举措通过更加个性化并在支付、零售及其社交网络和聊天功能方面提供针对具体情况的优惠，显着扩展了微信的主张。
组织和运营模型层
这一关键层实现了利用人工智能驱动的功能所需的创新、敏捷性和灵活性。 跨职能团队、新人才和技能、扁平化组织结构和共同目标增强了人工智能的影响力，特别是在帮助一线采用和解决关键的一线决策问题方面。 在谷歌相对扁平且跨职能的组织结构中，小型项目团队以敏捷的方式运作，拥有共同的目标和授权的决策权，人才和技能比资历更重要。 所有这些对于谷歌作为人工智能驱动型组织的声誉及其持续的产品创新和增长都至关重要。
亚洲保险公司的人工智能准备就绪：构建层级深度和强度
尽管一些保险公司通过在各个层面实施人工智能解决方案而取得了一定的胜利，但实现为上述公司提供支持的全栈功能所需的转型在保险业仍然难以实现。
通常，保险公司面临的问题是确定从哪里开始。
第一步是确定人工智能如何支持组织的战略目标，然后评估组织在四个层面中每一层的当前人工智能准备状态。 一种简单的评分方法可以帮助保险公司按照每一层从 1 到 5 的等级确定他们的准备情况，其中第五阶段表示人工智能成熟度的最高级别（如本文所述）。 深入了解人工智能准备情况的保险公司可以更好地为下一步做好准备：制定在公司前台、中台和后台职能部门实施人工智能解决方案的路线图。 该路线图允许公司领导者调整期望以及所需的资源、时间和投资。
例如，考虑在承保中实施人工智能的四阶段计划（图表 2）。 每个阶段都会增加价值，但在第三和第四阶段，价值会急剧增加，此时更大的人工智能能力有助于实现持续、个性化的参与和规范性行动，从而为客户提供更好的结果。
虽然成为未来人工智能保险公司的道路将根据组织在每一层的准备阶段而有所不同，但最终目标保持不变：一个更具创新性、盈利性、数字化的组织，满足并预测客户的不断发展 需要高度个性化的全渠道体验。
重新构想参与层
其他行业的领导者（例如谷歌、Netflix 和 Uber）已在其参与层内实现了第五阶段的人工智能成熟度，而大多数领先的保险公司则处于或低于第三阶段的成熟度。 一些亚洲保险公司已经使用基于消费者角色的微观个性化来实现整体参与度的提升； 尽管如此，大多数公司都未能采用动态、一对一的客户定位来创建个性化、一致、全渠道的客户体验，这是成熟的人工智能驱动的参与的特征。 换句话说，大规模个性化。
大规模个性化。 个性化是重新构想的参与层的各个方面的基础，也是产品与客户之间每次互动的核心。 创造卓越的客户体验在高级管理层的议程中占主导地位，保险公司继续致力于大规模构建个性化服务，以更好地了解客户行为，并为客户提供最适合其需求的产品建议。
人工智能现在被用来在各个行业生成高度个性化的产品，根据客户的具体情况（例如位置、行业、年龄和财务历史）量身定制。 客户互动还可以利用人口统计数据和过去的互动进行个性化。 大多数大型保险公司在大规模实现个性化的道路上已经走了一半，5优先考虑以下关键指标：
测量和磨损。 将点击率、转化率和其他指标归因于不同的数字渠道，并衡量改进情况，以帮助识别客户偏好并推动个性化服务以服务客户。
全渠道的广度和灵活性。 构建客户数据平台，聚合来自多个来源的单个客户的数据，并创建单一、更准确的信息源。
下一个最佳行动。 应用一套分析模型来支持客户获取、交叉销售和其他销售功能。
量身定制的内容。 在每次互动和接触点向客户提供单独策划的个性化内容。
随着亚洲保险公司寻求成功部署个性化策略并增强整个参与层的人工智能计划和投资，三种分销模式值得注意。
数字混合机构。 在全球范围内，代理商仍然是大多数保险公司最大的分销渠道，但保持优势并推动代理商增长需要对数字和人工智能解决方案进行有竞争力的投资。
这是可以做到的：一家全球保险公司重新设计了其代理渠道以支持人工智能，在随后的几年中实现了数百万美元的增量影响。 具体来说，保险公司使用地理空间网络优化来识别特定地理代理的需求并捕捉增长机会，然后使用这些数据为其本地招聘策略提供信息。 从新聘用的座席到完全生产力的提升时间显着缩短，保留率上升。 该公司通过行为驱动的下一个最佳行动推荐引擎以及基于座席个人表现的定制学习计划来提高座席的活跃度和生产力。
另一家亚洲领先的保险公司通过从体验驱动型运营转向数字化运营来优化其代理渠道。 它利用嵌入式数字工具改革了其营业网点运营，以支持和优化座席活动，从而将生产力和增长提高了 5% 至 10%。 该保险公司还使用基于人工智能的保险知识、疾病解释等音频和视频插图来增强客户获取和转化能力，以补充代理商与客户的互动。 该保险公司的人工智能助手支持实时在线交互，每月平均记录约 100,000 小时的客户会议时间，从而增强了客户体验和获客效率。 2021 年，该公司由人工智能推动的保单签发额超过 10 万美元，代理人的工作效率也有所提高，每位代理人的账面净值增加了 25% 至 30%。
数字银行保险。 银行保险仍然是推动全球人寿保险销售的第二大渠道，并且由于传统的银行系统，银行保险可能是最具挑战性的转型渠道。 尽管如此，一家领先的亚洲银行为其保险合作伙伴重新设计并简化了保险流程，利用客户分析和基于微细分的客户角色来个性化潜在客户培育。 根据这些分析，选择的旅程要么是“快”（直接移动到产品列表），要么是“长”（带有内容集成），具体取决于客户的偏好。 在四到五年内，银行保险渗透率几乎翻了一番，首年保费增加了 30% 到 40%。
通过生态系统进行数字 D2C 分发。 多家保险科技公司正在为将保险产品嵌入生态系统并在单一平台上支持多产品产品铺平道路。 与领先的参与者（通常是前 15%）合作，提供条款简单、流程短、索赔快速便捷的精选产品，有助于满足用户对健康、汽车、人寿、事故和其他类型保险的特定需求。 用户数据分析可以为保险公司提供客户洞察，为产品创新提供信息并实现市场差异化。
一家领先的保险科技公司利用其母公司的流量和数据能力在保险业务中创造竞争优势。 保险服务嵌入母公司的移动应用程序中，该应用程序每月活跃用户超过十亿。 该保险科技整合了其移动应用程序的生态系统，扩大了其分销渠道，并为应用程序用户提供了访问不限于保单持有人的线下医疗网络的权限。
创建人工智能驱动的决策层
尽管保险行业通过各种杠杆和渠道生成大量数据，但这些数据在大多数情况下并没有被用来构建复杂的决策层，从而提供高度个性化的客户体验。 人工智能技术可用于补充现有的定价和承保决策。 具体来说，这些技术可以通过动态收集和评估数据点（例如理算员注释、损坏图像、文本提交、提交的文件和患者病史）来帮助支持索赔决策并识别索赔泄漏。
在成熟的人工智能驱动的决策层中，一套最先进的分析工具和边缘功能由可靠的数据库系统支持，该系统具有干净、结构良好、可供分析的数据； 明确的敏捷交付流程； 以及与业务密切相关的完善的分析组织。
高级分析可以简化和增强整个保险价值链的决策制定。 根据我们的经验，可以在整个价值链中实现效率、关键指标等方面的显着提升：
营销。 保险公司可以使用人工智能驱动的客户终身价值 (CLV) 管理来筛选大量数据。 这可以揭示洞察，帮助尽早识别高潜力客户，以便在客户生命周期的所有四个阶段采取行动：获取、入职、参与和保留。 例如，一家保险公司使用人工智能驱动的 CLV 管理实现了总保费的大幅增长。
承保。 使用人工智能支持风险评分可以实现持续承保并实现多种理想结果。 例如，持续参与、微细分和个性化所产生的见解可以帮助开发定制产品和包装。
价钱。 采用使用机器学习进行风险选择的内置定价模型，并开发用于治理的数据域，有助于对 KPI 进行精细监控，并对新出现的损失、定价趋势和投资组合风险组合的变化进行实时监控。
索赔。 一家保险公司正在使用人工智能来帮助识别健康保险索赔中的欺诈、浪费和滥用行为，从而使总体索赔支出减少 5% 以上。
维修。 由实时情绪分析、智能工作流程和其他功能支持的人工智能支持的客户投诉流程帮助一家保险公司显着减少了重复投诉电话的数量。
生成式人工智能等新技术以非常快的速度放大了整个价值链可能产生的影响（参见附文，“生成式人工智能在保险领域的潜力”）。
核心技术和数据层现代化
现代化的核心技术和数据层有助于通过为客户和分销网络提供无缝的前端体验来发现并提供先进的情报。 拥有成熟的、人工智能就绪的核心技术和数据层的组织拥有跨核心技术堆栈的能力，包括定义明确的数据基础设施； 数据治理； 先进的分析工具； 技术运营模式； 成熟的混合云基础设施； API架构和链接； 以及先进的网络安全和控制基础设施。
一旦在这一层定义了上述要素，组织就可以通过雇用人才在内部构建这些差异化能力来实现持续转型，而不是外包所需的基础堆栈。 事实上，许多参与者已经开发出独特的堆栈，并已在保险公司之间实现货币化。
一家领先的中国数字保险公司收集客户行为数据来开发创新产品、改进客户分析和细分等。 数据驱动的服务还帮助保险公司扩大客户群并完善数据分析，包括动态定价、自动理赔和提高风险管理效率，在 2021 年为超过 5 亿受保客户提供服务。
公司重新定义保险价值链，不断迭代升级系统，提高业务效率，满足客户多元化的保险需求，为利益相关者创造价值。 2020年升级了自主研发的云系统，使公司的处理能力提高了每秒超过5万份保单。 该保险公司的核心系统可供亚洲主要保险公司使用，并且该公司与互联网平台保持着广泛的合作伙伴关系。 保险公司客户可以在本地与各类生态合作伙伴对接，推出多种有限、场景化的保障产品。 该公司的这一技术部门为 30 多家保险公司提供服务，涉及人寿、财产和意外伤害 (P&C) 以及健康领域，其一半以上的收入来自经常性收入。
优化组织和运营模型层
现代化的组织、运营模式和工作方式层通过提供合适的人才、结构和文化来将人工智能驱动的功能付诸实践，从而支持人工智能的准备。 从传统的线性模型过渡到跨职能运营模型有助于专家驱动的人工智能见解在一线的生成和采用。
集成业务、人工智能和技术功能的跨职能团队结构的好处可以带来更快的协调、更高的灵活性以及组织中人工智能的高度采用。 这些优势在谷歌和 Netflix 等数据驱动型组织中得到了体现，这些组织以相对扁平、跨职能的结构运营。 然而，大多数保险公司保留了传统的组织结构，仅在有限的基础上实施人工智能。 这可能会降低他们实施人工智能能力堆栈其他层所需的转型的能力，从而阻碍他们的人工智能准备就绪。
正如一家采用敏捷业务模式的欧洲银行集团所证明的那样，可以克服传统线性结构转型的障碍，并可以实现员工敬业度、效率、上市速度和客户体验方面的收益。 例如，该银行集团能够在两到三周内发布软件和更新，而不是每年五到六次，并且其员工和客户满意度得分在运营转变后的前 15 个月内大幅上升。
保险的发展：未来是什么？
从短期来看，上述的组织转变将帮助运营商为人工智能带来的改进做好准备。 从长远来看，转变将促使保险业实现其他行业所经历的人工智能带来的收益。 随着人工智能应用的进步并在整个客户行业中得到充分整合，人寿保险公司可以提供的服务和产品的广度和性质将从简单的评估和服务索赔演变为处方和预防索赔。 从自动化处理到预测分析和规范算法，人工智能提供了增强保险保护的潜力，其洞察力支持综合生命、健康和财富解决方案以及个性化预防策略。
在保险领域采用强有力的风险管理实践的重要性怎么强调也不为过。 现实情况是，人工智能除了具有彻底改变行业的潜力之外，还给保险业者带来了与数据隐私、固有偏见、可解释性等相关的潜在挑战。 人工智能的采用导致隐私泄露、知识产权侵权和工作岗位流失的可能性很大，这说明了为什么企业在遵循基于经过验证的模型和最佳实践的蓝图来实施和扩展人工智能时，能够更好地取得成功。
亚洲保险业正处于人工智能驱动转型的十字路口：技术进步可以提供新的、不断扩大的增长机会，而落后于其他行业可能会加剧吸引和留住全球顶尖人才以及满足不断变化的客户期望的挑战。 尽管复杂，但在整个保险价值链中扩展人工智能能力的结构合理、分层的方法可以帮助亚洲保险公司实现长期目标，并为未来人工智能驱动的保险公司的成功树立新的基准。
