保險業AI革命：真變革定舊瓶新酒？

保險業AI：新業務還是舊瓶裝新酒？

現今，保險業無處不見AI的身影，然而關於真正「數碼轉型」的討論卻停滯不前。

如果數碼轉型只是關於效率、自動化和繞過舊式主機，那麼人工智慧的確是持續過程的一部分——或許能加快速度，但並未開闢新天地。

如果數碼轉型是關於根本性地重新構想業務流程、客戶互動和產品創新，那麼或許生成式AI和大語言模型的討論更適合用於會議話題。 確實，業界似乎沒有人重新思考保險公司與銀行和代理機構合作銷售產品的激勵機制。

近日舉行的數碼保險行業活動上，業界人士的公開評論給出了這樣的印象。

#### 大威脅，大機遇

一方面，生成式AI的直觀性和民主性確實讓企業高層感到憂慮。

香港再保險公司總經理Orchis Li表示：「現在不再是數碼轉型，而是生存問題。」

從效率提升的角度來看，公司現在熱衷於採用自動化工具。雖然這並不新穎，但生成式AI卻能將這一過程落實到個別項目，而非僅由首席技術官管理的自上而下的項目。 這令人振奮。

大多數公司已經完成了數碼化，將模擬記錄轉換為結構化、可機讀的數據，並利用這些數據擺脫手動流程。 從那裡開始，公司可以開始自動化決策的部分環節，將它們與數據流集成。

Zurich 香港 CEO Jim Qin 表示，他的公司在短短几年內將數碼化比例從 25% 提升至超過 90%，為數據驅動的決策奠定了基礎。「每一項數據都是數碼化和結構化的，因此我們可以加以利用。」Qin 說。

下一步是：利用 AI 釋放這些數據的全部潛力，自動化理賠、核保和客戶檔案管理，並最終爭取成為「AI 原生」企業。

#### 或是更平凡的東西

然而，相關的宣傳卻很浮誇。

的確，業界的許多部分都非常適合自動化，公司正在部署預測模型進行核保和理賠，以及更平凡的事情，如處理文件、生成報告、自動化演示文稿和與客戶互動。 更多員工將能夠在沒有深入技術專業知識的情況下使用 AI 工具，這進一步擴大了其在組織內的應用。

但這些都只是讓現有模式運作得更好。它們並不是革命性的變化，只是迭代而已。 增量改進並沒有錯，但這是「數碼轉型」嗎？保險公司是「AI 原生」嗎？

國際保險協會的David Piesse表示，根本性的變化不會在業界能夠使用代理式AI（agentic AI）之前出現，這是一種將大語言模型與因果推理和人類知識相結合的系統。

關鍵詞是「因果」。 當前的AI行業建立在巨大的計算能力上，以從大數據中識別相關性。 將足夠的數據集合在一起，AI可以找出人類難以發現的模式。 但AI不知道為什麼X會導致Y，或者X+Y是否能使Z，或者是其他原因。 它們只知道，當X存在時，以Y為條件，我們得到Z，但那可能只是巧合。

這可能對於只想實現特定結果的企業來說是可以接受的。 沒人關心是因果還是相關性。 但生成式AI基於大數據模型的出現已經告訴大家相關性的風險：這些模型會出錯。 它們甚至會捏造事實，因為巧合的模式（或有缺陷的數據輸入）表明如此。

數碼轉型遠不止於使用生成式AI來製作營銷文件。 這或許是為什麼Piesse說業界已經「過度沉迷」於生成式AI。 真正的轉型將意味著使用技術重新思考商業模式，啟用諸如參數保險等仍在很大程度上是金融科技夢想的想法。

#### 更大膽的障礙

要做到這一點，可能意味著要擺脫舊有技術堆棧的束縛。

舊有系統，有些可以追溯到幾十年前，持續拖累創新。 從主機遷移到現代的雲端架構是一個多年的過程，有時甚至需要數十年。

數據整合是另一個絆腳石。 許多保險公司難以建立甚至是基本的數據湖，更不用說AI驅動的洞察所需的複雜倉庫。

阿里巴巴雲國際的Neo Lin觀察到，雖然銀行在很大程度上已經掌握了數據整合，但保險公司往往落後，受到分散的系統和不一致的數據標準的阻礙。

AXA香港和澳門的CIO Gary Ho表示：「如果沒有數據質量，談論AI就是空談。」 目標不僅是使內部流程更高效，還要為客戶和分銷夥伴提供有形的利益，簡化從保單服務到理賠的整個流程。

數據完整性也是一個安全問題，因為它涉及確保信息準確、可追溯和防止篡改。 隨著保險公司越來越依賴AI驅動的決策，即使他們聲稱有「人工監督」，這些問題將變得更加突出。 這是一種新的漏洞，不同於廣泛已知的加密和網絡安全。

監管又增加了一層複雜性。 香港保險業聯合會的CEO Selina Lau指出，基於風險的資本和新的會計標準會消耗資源，並可能減緩創新。 法律和合規團隊具有重大影響力，如果沒有他們的支持，即使是CEO支持的倡議也可能停滯不前。「如果CEO說是，但法律/合規說否，那就是否，因為我們是一個受嚴格監管的行業。」Lau說。

#### 有意義的迭代

這並不意味著保險公司沒有將AI用於實處。

自動化承諾了巨大的效率提升，為增長騰出資源。 例如，RGA Korea的CEO Michael Shin強調了AI驅動的OCR如何簡化醫療核保，減少錯誤和周轉時間。 機器學習模型現在用於預測索賠者的需求和成本，允許更動態的產品供應。

AI也開啟了新產品和新市場的大門。 例如，在醫療保健領域，進階分析可以識別像阿爾茨海默症等疾病的早期跡象，使保險公司能夠提供有針對性的產品進行早期干預——如果沒有AI提供的計算能力和洞察力，這種方法是不可能實現的。

嵌入式保險和保險鏈結證券是進一步的例子。 這些模型依賴於準確、即時的數據和複雜的風險評估，而AI在這些領域表現出色。 通過實現更精確的定價和風險選擇，保險公司可以提供針對服務不足人群的微保險和參數產品，擴大其影響力和影響範圍。 這些仍是初期階段，因為它們依賴於可靠、內部的數據源，但它們指向真正創新業務的方向。

或許當前AI階段代表了擺脫仍然依賴主機電腦和過時計算語言的「技術債務」的最佳機會。 畢竟，人們可以利用AI重新編碼很多舊的遺留軟件。

變化步伐正在加快。 Google Cloud金融服務部門負責人Maxim Afanasyev觀察到，37%的金融機構客戶已經在生產中使用生成式AI，另有48%最近採用或計劃採用。 在保險業，採用率甚至更高，反映出該行業認識到AI現在是一種競爭必需品。 我們可以期待在下一次會議上繼續聽到有關它的討論。

作為編輯，我對這篇文章的想法是，保險業的AI應用確實正在如火如荼地進行，但業界似乎還是在舊有的思維框架內進行迭代和改進，而不是真正地進行數碼轉型。保險公司需要更勇敢地思考如何利用AI來重塑業務模式和產品創新，而不是僅僅停留在效率提升和自動化的層面上。同時，監管、數據整合和技術債務等挑戰也需要被解決，以推動行業的真正轉型。