丙种球蛋白慧保天下：新发展逻辑催生MGA发展空间；赵泓维：AI如何运用于保险理赔反欺诈-金融科技新观察
慧保天下：新发展逻辑催生MGA发展空间；赵泓维：AI如何运用于保险理赔反欺诈-金融科技新观察
慧保天下：发展逻辑催生MGA发展空间
虽然行业公认“资产驱动负债”模式造就了几只妖精，损害了行业声誉。但从一个长周期来看，整个保险行业也是属于一种资产驱动的发展模式，在长达十几年的央妈货币宽松大潮中，保费收入才水涨船高，尤其是一些人身险产品更是如此。2017年以来，去杠杆屡次登上头条，金融资管行业新规也上了紧箍咒，市场资金面趋紧，消费降级明显，发展逻辑就不得不变化了。围绕风险应对和保险实际需求的新驱动逻辑也随之成立。原保监会发展改革部副主任罗胜一个观点认为，在专业化赋能平台的驱动下，保险作业的外包程度会不断加深，麻雀虽小五脏俱全的中小险企会越来越不具备竞争力，在细分市场中扮演一个类型化的角色才好生存。
在这样的新的发展逻辑下，保险中介或许正成为受益者。
保险公司的审批在2016年达到峰值，是年，18家保险公司获批筹建，2017年则是6家获批筹建，此后，保险公司审批进入了一个长期的调整，未有一家获批筹建只爱金泰妍。与之相对的是，2016年以来，保险中介审批虽然屡屡从严，但却有一批富有实力的股东通过设立或者收购进入行业，依托技术资源优势发展的逻辑日趋明朗。
梳理从2016年至今保监会官网披露的获批经营保险中介业务的全部公司情况，可以看到共计121家保险中介公司获批，1家未予批准。这其中，代理公司26家，经纪公司62家，公估公司32家丙种球蛋白，保险销售公司1家。排除保险公估，以最低资本5000万元起的保险代理（销售）、保险经纪计算，2016年最多，共39家，2017年有31家，2018年截至目前有19家。这一批保险中介有两个显著特点：
一是股东质量提升，不比同期的保险公司股东差。保险中介历来给人的印象是小散乱差，主要是源自股东的弱势。但如今形势天翻地覆，保险中介的股东也强势起来。比如，保险资本作为股东的，华夏人寿、安心财险、恒邦财险、华海财险、大地财险、建信人寿、太平洋保险科技、中国人寿集团设立了代理公司，君康人寿、国寿财险、太平金融、众安在线设立了经纪公司；央企国企作为股东的姚思羽，大连港、中船重工、中国石化、国家电网、华强集团、银建投资、中车集团、中国建筑、国新控股、北汽集团、华西集团、湖南交通水利、内蒙电力、青岛港、河北投资、四川烟草、中国重汽、中国南航等设立了经纪公司。
此外还有知名民企投资集团、金融企业、互联网头部企业作为股东的，泛海资本、证通股份、蚂蚁金服、上海复星工业、腾讯、吉利控股设立了代理公司，恒大互联网、大同证券、传化物流、国美电器、新浪金融、新奥集团、拉卡拉、东旭集团、新华联集团、美团、货车帮、济民可信、均胜集团、东软控股等设立了经纪公司。可谓是群雄争霸，各领风骚。
二是发展的理念整体更新，更跟得上发展逻辑。新设立的经纪代理公司大部分都是基于股东的业务体系，以保险为手段来更加体系产出，股东本身就具备丰富的保险资源，并且在风险应对上更是有着丰富经验。不是资源上有独特优势，就是在玩法上有独特优势，很多公司都可以说是其特色发展模式的创始者，比如正在布局的微保。而2016、2017年批筹的保险公司仍有部分以传统业务为主，并没有差异化发展特色，填补地图空白的意味较重。
可以预测，保险中介将日益成为保险市场的中坚力量。保险业发展逻辑的变化，将会催生MGA在中国的发展空间。
有专业人士研究了MGA的发展历程，MGA的全称是Managing General Agent（管理型总代理），是一种特殊的保险中介机构。这种商业模式在美国比较成熟，最早兴起是大西部开发时期，储世新东海岸的保险公司希望进入西部地区，但又缺乏当地人脉和知识而采取的一种替代办法。即有牌照的保险公司雇佣保险代理公司炼狱魔女蔚 ，并赋予其比较大的权利，比如营销、雇佣零售中介、代收保费、代为理赔、甚至包括产品设计等。而真正出保单的仍是有牌照的保险公司。
目前，最复杂的MGA 已经进化成接近“虚拟保险公司”，这类的超级MGA 除了不提供资本满足偿付能力之外，保险公司做的事情，他们几乎都做。包括核保；理赔管理；管理长长的保险分销链条（让保险公司不为销售而头疼，确保销售环节不出问题）；保险产品的分析和管理；发布和开发新保险产品；精算评估分析；产品市场分析；以及为保险公司提供从市场角度的产品管理意见（包括消费者教育，消费者投诉，产品适应性）。
从财产险市场60家公司仅占不到10%份额来看，在中国，在将来，预想中的大保险公司+中小保险公司（包括区域性布置、行业性批设等各种理由）的走法可能会行不通，中小险企在目前来看尚没有能力和资源承担保险市场的专业化进程，一致性很强的经营方式或许在某种程度上决定了中小险企只能被遏制和损害。
保险发展逻辑已经转换了，专业化才能生存巫妖王庭，淘宝网上市场的保险需求、风险测算、服务理赔赵小叶，只有蚂蚁金服是专家，能够享有最为鲜活的数据和客户基础，美团的外卖风险、票务风险等也只有内部才能掌握，电力石化行业的最顶尖风险管理技术也总在体系内部，这一批代理经纪公司最有可能成为中国的MGA。
保险的专业化也许会走一条自下而上、自用户到公司的道路。所以幼年瓦格里 ，大保险公司+特色化中型公司+MGA中介机构很有可能才是市场布局的更好选择。这是市场转变的力量，保险中介的春天到了。
赵泓维：AI如何运用于保险理赔反欺诈
骗保可以称得上是一种全人类的行为。无论是国内英美，每年的保险诈骗都会给保险公司带来巨大的损失，尤其是在医保和车保两个常见险种。在德国，每年约有22亿欧元的索赔是不正当的，而美国司法部的报告更是声称欺诈行为导致健康保险业每年的损失超过1000亿美元。
从成本中寻找盈利的今天，保险业确是存在这样一处巨大的隐藏金矿有待挖掘。
用人工智能替代人力，用深度学习对索赔事项进行合理性判断是目前可以判断的努力方向。拥有辗轧级的高准确率和高效率，使得人工智能在各个方面均碾压人类员工。
首先是效率方面，过去需有几十位员工花费数周审理的索赔事项，在人工智能面前只需数小时。
其次是准确率清朝种田记，根据麦肯锡报告的数据显示，人工智能理论上能将现在的骗保金额减少约3%，而每减少1%的数额将为保险业带来百亿欧元的收益。
通过这种方式给出的判断在一定程度上可以降低保险公司员工与投保人发生冲突的可能，毕竟结果的推定者只是一个程序。
图片来源于麦肯锡报告
上图说明了人工智能的工作原理机关红颜，第一步将所有的索赔事项导入系统，AI对其进行初步筛选，过滤掉所有正常的案例。
在这个过程中，AI能够识别不寻常索赔之间的关联性，这有助于强化AI识别异常案例的能力。第二步AI将根据案例的具体情况为其评定优先级，并将该项目交给审核人员，给出拒绝索赔的理由。
虽然AI能够解决常规保险业务的几个重要的痛点，但是我们依然需要解决医疗领域最为重要的数据问题（这里以商业保险为对象）。
将患者的数据录入保险公司的信息库本身就是一件麻烦事，好在计算机视觉的迅速发展能加快数据录入的速度。如医拍智能开发的医疗单据识别和解析云平台，就可以通过扫描的方式对发票和化验单进行识别，自行录入数曲库。
数据提取以后，通过NLP技术，系统能够对文字信息进行预处理。日本保险公司Fukoku Mutual Life Insurance从2017年1月起，用IBM Watson取代了34名人身保险赔付专员。
Watson可以将医院提供的病历、诊疗记录进行扫描，利用NLP技术对这些复杂的资料进行提炼和处理，让员工腾出手来处理关于赔付的其他事项。同时，人工智能在各个领域的丰富知识，也能让保险公司减少对于高专业度员工的依赖。
在以上技术的支持下，我们可以把认知系统的开发流程简化为四个部分：
1、编译和预处理合适的数据。鉴于健康保险公司必须处理的大量数据，这一点工作是微不足道的，其关键在于保证数据完整性和一致性曾繁胜。同时，测试数据集应包括历史患者数据和索赔数据；
2、使用各种统计模型来分析患者，诊断和索赔的数据。在这个阶段，已经可以确定某些诊断和索赔金额之间的相关性。该分析为开发用于标记索赔异常的有效模型提供了基础。然后将测试数据用于训练认知系统。通过分析提供额外的保险数据和外部信息，直到最终AI开始独立学习新的数据和案例模式；
3、为了进行后续评估并选择最终将使用的系统，对几个认知系统进行编程谭玉英，然后根据特定指标进行基准测试。根据测试结果吴逸文，我们选择能够最可靠预测索赔的系统；
4、用确定的系统审核在现实条件下收到的新索赔案例陈芳辉，并进一步完善算法宋素姬。
AI用于保险行业其实谈不上彻底意义上的创新，更多的是将多种成功的AI技术进行融汇贯通。但就是这一多应用的结合，可以为全球的保险公司省下巨额保金。
我们不必担心先进的分析行为会降低投保的人数，只有一心想要骗保的人才会对这样的系统敬而远之，正常人都会感叹于AI系统带来的前所未有的理赔速度。
下面是国外保险AI运用的一些实例：
01
Accolade
2007年，Accolade成立于华盛顿州西雅图。它的Maya Intelligence平台可以根据患者的信息帮助患者选择最符合他们需求的健康保险，以降低医疗成本戴文渊。它的合作方既包含保险公司，又包含有投保义务的客户，目前已为110多万客户提供相关服务。
该公司表示，该平台使用NLP来帮助分析和合成文本格式的数据，并根据福利计划、医疗历史、索赔历史等因素来建立用户背景，用以辅助管理患者档案。
当患者登录时，他们可以访问个人资料、人口统计信息及保险公司的相关信息。如果用户希望与护士或医疗助理谈论诸如医疗或账单问题之类的话题，则该平台具有引荐功能，可以把用户与最符合其背景和需求的医疗专业人员相匹配。
据统计，Accolade在与坦普尔大学健康系统（TUHS）开展合作后的第二年成功降低了医疗保健费用，总计节省980万美元。
02
Collective Health
Collective Health成立于2013年，总部设在加利福尼亚州旧金山，它的CareX平台可整合人口数据，医疗索赔，从而简化客户的医疗管理流程。
2017年3月Collective Health开始服务试点，为雇主、员工、员工的家属提供投保指导，并用AI系统对他们的后续行为进行追踪。
截止2018年8月，Collective Health已经有15位雇主及70000名员工加入CareX系统。
03
Kirontech
Kirontech成立于2014年，总部位于英国剑桥，其软件平台KironMed使用AI减少索赔管理流程中的低效率行为。
KironMed的算法利用大型公共数据库的数据进行培训。该算法平台综合了这些数据，以识别医疗索赔的不同种类，并建立与健康保险欺诈（不准确的账单）或浪费（即服务利用不足）相关的模式。
截至2017年3月，该公司已经与风险投资技术公司Leap Ventures共同筹集了350万美元的A轮融资。
04
Azati
Azati成立于2001年，总部位于新泽西州利文斯顿。它利用AI来检测保险公司在其定制的自助服务网站和移动保险平台上的欺诈行为。
当投保人登录平台时，他们可以通过Azat进行跟踪和索赔。如果系统在分析新索赔时检测到可能的欺诈案件，会将可能的案例发送给保险公司的人事专家，以便相关人员进行调查。软件平台还提供标记声明，以用于解释AI作出判断的理由。
慧保天下：发展逻辑催生MGA发展空间
虽然行业公认“资产驱动负债”模式造就了几只妖精，损害了行业声誉。但从一个长周期来看，整个保险行业也是属于一种资产驱动的发展模式，在长达十几年的央妈货币宽松大潮中，保费收入才水涨船高，尤其是一些人身险产品更是如此。2017年以来，去杠杆屡次登上头条，金融资管行业新规也上了紧箍咒，市场资金面趋紧，消费降级明显，发展逻辑就不得不变化了。围绕风险应对和保险实际需求的新驱动逻辑也随之成立。原保监会发展改革部副主任罗胜一个观点认为，在专业化赋能平台的驱动下，保险作业的外包程度会不断加深，麻雀虽小五脏俱全的中小险企会越来越不具备竞争力，在细分市场中扮演一个类型化的角色才好生存。
在这样的新的发展逻辑下，保险中介或许正成为受益者。
保险公司的审批在2016年达到峰值，是年，18家保险公司获批筹建，2017年则是6家获批筹建，此后，保险公司审批进入了一个长期的调整，未有一家获批筹建只爱金泰妍。与之相对的是，2016年以来，保险中介审批虽然屡屡从严，但却有一批富有实力的股东通过设立或者收购进入行业，依托技术资源优势发展的逻辑日趋明朗。
梳理从2016年至今保监会官网披露的获批经营保险中介业务的全部公司情况，可以看到共计121家保险中介公司获批，1家未予批准。这其中，代理公司26家，经纪公司62家，公估公司32家丙种球蛋白，保险销售公司1家。排除保险公估，以最低资本5000万元起的保险代理（销售）、保险经纪计算，2016年最多，共39家，2017年有31家，2018年截至目前有19家。这一批保险中介有两个显著特点：
一是股东质量提升，不比同期的保险公司股东差。保险中介历来给人的印象是小散乱差，主要是源自股东的弱势。但如今形势天翻地覆，保险中介的股东也强势起来。比如，保险资本作为股东的，华夏人寿、安心财险、恒邦财险、华海财险、大地财险、建信人寿、太平洋保险科技、中国人寿集团设立了代理公司，君康人寿、国寿财险、太平金融、众安在线设立了经纪公司；央企国企作为股东的姚思羽，大连港、中船重工、中国石化、国家电网、华强集团、银建投资、中车集团、中国建筑、国新控股、北汽集团、华西集团、湖南交通水利、内蒙电力、青岛港、河北投资、四川烟草、中国重汽、中国南航等设立了经纪公司。
此外还有知名民企投资集团、金融企业、互联网头部企业作为股东的，泛海资本、证通股份、蚂蚁金服、上海复星工业、腾讯、吉利控股设立了代理公司，恒大互联网、大同证券、传化物流、国美电器、新浪金融、新奥集团、拉卡拉、东旭集团、新华联集团、美团、货车帮、济民可信、均胜集团、东软控股等设立了经纪公司。可谓是群雄争霸，各领风骚。
二是发展的理念整体更新，更跟得上发展逻辑。新设立的经纪代理公司大部分都是基于股东的业务体系，以保险为手段来更加体系产出，股东本身就具备丰富的保险资源，并且在风险应对上更是有着丰富经验。不是资源上有独特优势，就是在玩法上有独特优势，很多公司都可以说是其特色发展模式的创始者，比如正在布局的微保。而2016、2017年批筹的保险公司仍有部分以传统业务为主，并没有差异化发展特色，填补地图空白的意味较重。
可以预测，保险中介将日益成为保险市场的中坚力量。保险业发展逻辑的变化，将会催生MGA在中国的发展空间。
有专业人士研究了MGA的发展历程，MGA的全称是Managing General Agent（管理型总代理），是一种特殊的保险中介机构。这种商业模式在美国比较成熟，最早兴起是大西部开发时期，储世新东海岸的保险公司希望进入西部地区，但又缺乏当地人脉和知识而采取的一种替代办法。即有牌照的保险公司雇佣保险代理公司炼狱魔女蔚 ，并赋予其比较大的权利，比如营销、雇佣零售中介、代收保费、代为理赔、甚至包括产品设计等。而真正出保单的仍是有牌照的保险公司。
目前，最复杂的MGA 已经进化成接近“虚拟保险公司”，这类的超级MGA 除了不提供资本满足偿付能力之外，保险公司做的事情，他们几乎都做。包括核保；理赔管理；管理长长的保险分销链条（让保险公司不为销售而头疼，确保销售环节不出问题）；保险产品的分析和管理；发布和开发新保险产品；精算评估分析；产品市场分析；以及为保险公司提供从市场角度的产品管理意见（包括消费者教育，消费者投诉，产品适应性）。
从财产险市场60家公司仅占不到10%份额来看，在中国，在将来，预想中的大保险公司+中小保险公司（包括区域性布置、行业性批设等各种理由）的走法可能会行不通，中小险企在目前来看尚没有能力和资源承担保险市场的专业化进程，一致性很强的经营方式或许在某种程度上决定了中小险企只能被遏制和损害。
保险发展逻辑已经转换了，专业化才能生存巫妖王庭，淘宝网上市场的保险需求、风险测算、服务理赔赵小叶，只有蚂蚁金服是专家，能够享有最为鲜活的数据和客户基础，美团的外卖风险、票务风险等也只有内部才能掌握，电力石化行业的最顶尖风险管理技术也总在体系内部，这一批代理经纪公司最有可能成为中国的MGA。
保险的专业化也许会走一条自下而上、自用户到公司的道路。所以幼年瓦格里 ，大保险公司+特色化中型公司+MGA中介机构很有可能才是市场布局的更好选择。这是市场转变的力量，保险中介的春天到了。
赵泓维：AI如何运用于保险理赔反欺诈
骗保可以称得上是一种全人类的行为。无论是国内英美，每年的保险诈骗都会给保险公司带来巨大的损失，尤其是在医保和车保两个常见险种。在德国，每年约有22亿欧元的索赔是不正当的，而美国司法部的报告更是声称欺诈行为导致健康保险业每年的损失超过1000亿美元。
从成本中寻找盈利的今天，保险业确是存在这样一处巨大的隐藏金矿有待挖掘。
用人工智能替代人力，用深度学习对索赔事项进行合理性判断是目前可以判断的努力方向。拥有辗轧级的高准确率和高效率，使得人工智能在各个方面均碾压人类员工。
首先是效率方面，过去需有几十位员工花费数周审理的索赔事项，在人工智能面前只需数小时。
其次是准确率清朝种田记，根据麦肯锡报告的数据显示，人工智能理论上能将现在的骗保金额减少约3%，而每减少1%的数额将为保险业带来百亿欧元的收益。
通过这种方式给出的判断在一定程度上可以降低保险公司员工与投保人发生冲突的可能，毕竟结果的推定者只是一个程序。
图片来源于麦肯锡报告
上图说明了人工智能的工作原理机关红颜，第一步将所有的索赔事项导入系统，AI对其进行初步筛选，过滤掉所有正常的案例。
在这个过程中，AI能够识别不寻常索赔之间的关联性，这有助于强化AI识别异常案例的能力。第二步AI将根据案例的具体情况为其评定优先级，并将该项目交给审核人员，给出拒绝索赔的理由。
虽然AI能够解决常规保险业务的几个重要的痛点，但是我们依然需要解决医疗领域最为重要的数据问题（这里以商业保险为对象）。
将患者的数据录入保险公司的信息库本身就是一件麻烦事，好在计算机视觉的迅速发展能加快数据录入的速度。如医拍智能开发的医疗单据识别和解析云平台，就可以通过扫描的方式对发票和化验单进行识别，自行录入数曲库。
数据提取以后，通过NLP技术，系统能够对文字信息进行预处理。日本保险公司Fukoku Mutual Life Insurance从2017年1月起，用IBM Watson取代了34名人身保险赔付专员。
Watson可以将医院提供的病历、诊疗记录进行扫描，利用NLP技术对这些复杂的资料进行提炼和处理，让员工腾出手来处理关于赔付的其他事项。同时，人工智能在各个领域的丰富知识，也能让保险公司减少对于高专业度员工的依赖。
在以上技术的支持下，我们可以把认知系统的开发流程简化为四个部分：
1、编译和预处理合适的数据。鉴于健康保险公司必须处理的大量数据，这一点工作是微不足道的，其关键在于保证数据完整性和一致性曾繁胜。同时，测试数据集应包括历史患者数据和索赔数据；
2、使用各种统计模型来分析患者，诊断和索赔的数据。在这个阶段，已经可以确定某些诊断和索赔金额之间的相关性。该分析为开发用于标记索赔异常的有效模型提供了基础。然后将测试数据用于训练认知系统。通过分析提供额外的保险数据和外部信息，直到最终AI开始独立学习新的数据和案例模式；
3、为了进行后续评估并选择最终将使用的系统，对几个认知系统进行编程谭玉英，然后根据特定指标进行基准测试。根据测试结果吴逸文，我们选择能够最可靠预测索赔的系统；
4、用确定的系统审核在现实条件下收到的新索赔案例陈芳辉，并进一步完善算法宋素姬。
AI用于保险行业其实谈不上彻底意义上的创新，更多的是将多种成功的AI技术进行融汇贯通。但就是这一多应用的结合，可以为全球的保险公司省下巨额保金。
我们不必担心先进的分析行为会降低投保的人数，只有一心想要骗保的人才会对这样的系统敬而远之，正常人都会感叹于AI系统带来的前所未有的理赔速度。
下面是国外保险AI运用的一些实例：
01
Accolade
2007年，Accolade成立于华盛顿州西雅图。它的Maya Intelligence平台可以根据患者的信息帮助患者选择最符合他们需求的健康保险，以降低医疗成本戴文渊。它的合作方既包含保险公司，又包含有投保义务的客户，目前已为110多万客户提供相关服务。
该公司表示，该平台使用NLP来帮助分析和合成文本格式的数据，并根据福利计划、医疗历史、索赔历史等因素来建立用户背景，用以辅助管理患者档案。
当患者登录时，他们可以访问个人资料、人口统计信息及保险公司的相关信息。如果用户希望与护士或医疗助理谈论诸如医疗或账单问题之类的话题，则该平台具有引荐功能，可以把用户与最符合其背景和需求的医疗专业人员相匹配。
据统计，Accolade在与坦普尔大学健康系统（TUHS）开展合作后的第二年成功降低了医疗保健费用，总计节省980万美元。
02
Collective Health
Collective Health成立于2013年，总部设在加利福尼亚州旧金山，它的CareX平台可整合人口数据，医疗索赔，从而简化客户的医疗管理流程。
2017年3月Collective Health开始服务试点，为雇主、员工、员工的家属提供投保指导，并用AI系统对他们的后续行为进行追踪。
截止2018年8月，Collective Health已经有15位雇主及70000名员工加入CareX系统。
03
Kirontech
Kirontech成立于2014年，总部位于英国剑桥，其软件平台KironMed使用AI减少索赔管理流程中的低效率行为。
KironMed的算法利用大型公共数据库的数据进行培训。该算法平台综合了这些数据，以识别医疗索赔的不同种类，并建立与健康保险欺诈（不准确的账单）或浪费（即服务利用不足）相关的模式。
截至2017年3月，该公司已经与风险投资技术公司Leap Ventures共同筹集了350万美元的A轮融资。
04
Azati
Azati成立于2001年，总部位于新泽西州利文斯顿。它利用AI来检测保险公司在其定制的自助服务网站和移动保险平台上的欺诈行为。
当投保人登录平台时，他们可以通过Azat进行跟踪和索赔。如果系统在分析新索赔时检测到可能的欺诈案件，会将可能的案例发送给保险公司的人事专家，以便相关人员进行调查。软件平台还提供标记声明，以用于解释AI作出判断的理由。