[金融圈视角]“用机器学习让车险投保率升、赔付率降，实现双赢”
KB损保在车险承保审核中业内首用机器学习
由TF牵头的Gong Hyeonseong汽车业务组代理
“如果说以往的承保（保险承保审核）是以筛除高风险标的为主，那么现在的目标则是发掘优质标的。”
近日接受《亚洲经济》采访时，KB损害保险汽车业务组代理 Gong Hyunseong 如此强调。KB损害保险在业内率先将人工智能（AI）机器学习技术引入汽车保险承保审核，正在改变承保的概念。此前，承保工作主要扮演的是过滤高风险标的的“防护网”角色，实务人员将各类数据与自身经验相结合，着力排除高风险标的。但随着人工智能机器学习的导入，情况发生了变化：公司开始更加聚焦于在过去被一并拦截的高风险标的中，再次挖掘出其中的优质标的。
例如，在承保审核中，出险次数是重要指标之一。各家公司通常会制定各自的标准，比如在过去3年内出险4次以上就会被拒保等。但通过人工智能，如今可以综合考虑客户的驾驶习惯、性格倾向、年龄等因素，来预测事故发生概率。Gong 代理表示：“即便3年内发生多次事故，如果集中在最初1年，或者是名下拥有多辆车的车主在每辆车上各有1次出险记录，我们现在也能将这些情况纳入考量，对事故发生概率作出预测。”他还解释说：“此外，我们还会综合考虑主要行驶道路的状况变化、事故发生后的责任比例、事故发生时段等因素来判断风险度。”
尤其是充分利用人工智能（AI）运算能力的机器学习技术，发挥了关键作用。公司并非通过制定“出险4次即排除”之类的简单规则来进行筛选，而是让人工智能学习海量案例，由其自行找出各项要素与交通事故发生之间的相关性。通过这种方式，人类难以发现的复杂模式得以被更加精细地打磨和高度化。这与银行等机构利用各类非金融数据，发掘那些虽然金融交易记录不足、但仍具有信用价值的“薄档客户（Thin Filer）”的思路相似。Gong 代理表示：“在海外，负责承保审核的人员通常年龄较大，会在其丰富经验的基础上预估风险度。我们则是借助机器学习强大的学习能力，将他们积累经验所需的时间大幅压缩。”
这一项目自去年5月起开始推进。公司在全社层面与 LG CNS 携手，开展了为提高合同审核水平而开发事故发生预测模型的项目。作为KB损保成员，Gong 代理以唯一一名内部人员的身份参与该项目工作小组（Task Force），与 LG CNS 的开发人员协同推进。尽管职级只是代理，但他在大学主修应用统计学，既有实际承保工作经验，又参与过以往的人工智能应用模型搭建，因此被视为最合适的人选。
自去年11月首次导入以来，项目已开始显现成效。KB损害保险的汽车保险赔付率在今年1至4月累计维持在76%左右。即便与受新冠疫情影响、出行大幅减少的去年同期约75%的水平相比，也几乎没有差异。一般而言，保险业内普遍认为汽车保险的盈亏平衡赔付率在78%至82%之间。即使在接纳了过去本会被拒之门外的客户之后，公司赔付率（已收保费与已付赔款的比例）依然保持稳定。在扩大优质客户范围的同时，也成功拓宽了市场。
未来，公司计划将该模型扩展应用到营运车辆，并进一步增加按投保渠道（线下、直销等）进行分析的模块。Gong 代理表示：“踏入一个前所未有的领域时，起初确实非常茫然，但如今随着成果的显现，也逐渐建立起信心。入职之初我就学到，承保工作并非回避风险，而是要判断企业能够承受多大风险。今后我会继续践行并拓展这一认知。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
