图：预计2022年投入增加最多的新兴技术
人工智能重塑保险价值链
人工智能越来越擅长执行图像、语音识别和非结构性数据等以前计算机难以执行的任务。与此同时，保险专业人员对人工智能系统所提供的建议满意度不断提升，并逐步将其用于承保、定价、营销和理赔决策中。此外再辅以替代数据和高级分析技术，人工智能便能够对整条保险价值链产生重大影响，但前提是人工智能运用得当且操作人员都训练有素。
许多保险公司已着手加大对话式人工智能或聊天机器人的投资力度，以促进各利益相关方之间的沟通，缩短等待时间。在承保方面，人工智能解决方案可利用行为分析和机器学习帮助识别虚假陈述或欺诈，同时提高识别速度和准确性。人工智能还可用于理赔处理，帮助识别传统欺诈信号以外的可疑信息，并就潜在欺诈理赔发出警告。
例如，三井住友保险公司利用人工智能赋能的“代理人支持系统”分析内外部数据，从而更好地识别客户潜在需求。该系统每月可为代理人推送860,000位潜在个人客户和80,000位潜在企业客户，与传统销售模式相比，代理人的工作效率提高了20%至130%。
人工智能还可采用类似方式赋能保险公司采用新型业务模式，充分把握市场机遇。例如，保险公司可利用依托人工智能技术的自动化承保流程，与在线零售商携手合作，在消费者购物时实时提供符合其需求范围的保险品种。
但保险公司应密切关注由此引发的一个潜在问题，即监管机构和消费者群体对人工智能系统的准确性与公平性存在疑虑。德勤全球展望调研显示，目前仅有24%的受访者开展了人工智能和机器学习培训课程，以识别算法偏见与道德困境。保险公司应采取更加积极主动的措施，确保自动化决策对于投保人和利益相关方而言相对公平公正，同时避免引致其他合规与声誉风险。
利用替代数据提高分析能力，实现差异化
保险公司从内部和第三方获取的数据量呈指数级增长，而跨行业的快速虚拟化和工作流数字化则进一步加速了这一进程。部分原因在于传感器日益普及、物理记录数字化以及消费者因线上活动而不断扩大的数字化足迹。
在德勤全球展望调研中，近七成受访者表示拟增加数据相关技术的投入，尤其是数据隐私（70%）、数据收集（69%）和数据分析（67%）。保险公司应采用多维度方法利用替代数据，包括（i）利用强化分析能力生成实时洞见，以提高决策的速度和准确性；以及（ii）实现常规风险选择、定价和欺诈检测自动化，从而降低赔付率与费用率。
以上是提高分析能力的基本目标，但鉴于保险公司对传统系统的依赖性、实施复杂性和技术成熟度不足的担忧，这些目标在短期内或难以实现。因此，保险公司应着力开发安全可扩展的强大数据管理系统，同时确保其足够灵活——支持多个针对内外部数据集整合，以及先进分析技术和自动化能力集成。最重要的是，保险公司应不断推进原有妨碍其获取价值的过时的传统系统的现代化改造，并将新的数据转化为实用数据。
保险公司还应制定全方位的数据战略，以解决跨平台（传统平台和新平台）的数据整合问题。数据通常零散分布、质量不佳且难以获取，涉及跨业务部门和业务线的数据尤为如此。保险公司继续依赖传统系统或许是一大挑战，但这也反映出其缺乏全面的数据管理系统。
与此同时，保险公司还应制定计划，提高其内部数据分析能力。2021年2月，安盛英国投资了一项面向所有员工的数据学院计划，以提升员工技能和增强前瞻性意识，支持决策并改善客户体验。此外，经验丰富的传统保险公司应与跨职能数据科学家密切合作，依托更加稳健可靠的数据驱动型风险评估与定价系统，设计、开发并最终自主实施分析和预测模型。
云技术或将成为数字化转型的基础
鉴于云技术是员工、技术和运营灵活性的关键动因，因此，保险公司应将其视为实现大部分数字化转型目标的基础。同时，云技术通常还可用于优化费用管理、提高项目部署速度和加速拓展产品。
温馨提示：答案为网友推荐，仅供参考