【摘要】在人工智能发展的时代里，保险行业也不断将资金投入在人工智能的建设中，利用科技驱动业务的创新发展。在目前财产保险市场发展蒸蒸日上的情况下，企业财产保险对于未来各类企业对抗意外事故风险起到关键作用，因此本文对人工智能技术在产险公司的企业财产保险里每一个环节的业务中的运用进行探索。通过各类文献在人工智能应用于产险业务的研究，结合众安产险和平安产险两家公司保险业务中的人工智能应用进行案例分析，发现在产险公司的各项业务中，人工智能发挥了其技术优势，并有较大的发展空间。通过人工智能在产险公司实际应用中的表现和文献研究，发现了人工智能的两项主要存在的风险——数据安全和道德风险，针对这两类风险在企业和XX两个层面提供了相应的对策建议。
【关键词】人工智能；识别风险；企业财产保险
1 前言
“长江后浪推前浪，浮事新人换旧人”，人工智能带来的浪潮引领这个时代前行。我们步入了一个新的时代，以人工智能——“AI”（Artificial Intelligence）为主题，携着对新型科技手段的憧憬和忧虑，人工智能时代就此而来。人工智能在与金融行业迸发出火花的同时，也与保险行业携手共进。
本文选题的背景处于人工智能时代之下，人工智能与云计算、大数据各类技术为我们带来了不少益处。人工智能帮助保险行业取得了更加稳健快速的发展。近年来，随着国家政策的积极扶持和经济快速发展，国内的中小企业数量正在繁荣上升。企业财产保险需求也在不断上涨，企业通过购买保险以规避风险而带来的损失。随着保单保费收入总额逐年上升，我们也要看到利益伴随着风险的到来。现在的时代里各种各样的风险汇集，发生事故的原因更加复杂多样，但是我们可以利用人工智能、大数据等新型科技来帮助我们识别风险、预防和预测风险的产生。在本文中，希望利用人工智能结合别的技术来识别企业财产保险方面的风险，以此来探究人工智能在其初步的发展阶段中在企业财产保险的风险识别的应用。
人工智能，在其字面意义上则是通过设计算法、模型来设计思路以帮助实现“人脑”的功能。它能够提升公司工作效率，降低企业的成本，还能够帮助公司将一些标准化程度比较高的业务通过设计好的系统和程序进行自动化的处理，从而可以降低用人成本、简化业务流程，如RPA（Robotic Process Automation）技术，诸如此类的技术能降低企业运营成本、减少重复劳动。风险控制是金融行业不变的一环，无论是在银行、交易所、证券公司还是保险行业[]，风险控制是永恒的主题，当其中一类行业探索出了新的有关人工智能应用，也能为其他的行业提供新的思路。众所周知的“蝴蝶效应”也会发生在这件事上，一个企业研发出了新型智能应用，其带来的波浪会翻涌到金融行业，随而冲向整个保险行业，再向整个世界的每个行业掀起浪潮。每一个行业都会追寻新事物、新趋势，而AI、大数据等作为引领未来时代必不可少的一环，它们能够为每个行业的发展扩展更大的空间、拓展更广阔的思路。
2 人工智能以及企业财产保险发展现状概述
随着各类保险机构的经营方式正在通过科技发展而有所进步和发展，人工智能等新兴科技的出现和应用将有助于保险机构提效增益。对于每家保险公司而言，积极开展和投资对人工智能方面的应用的开发，走在行业的前端，对其在行业里的竞争性和生存是非常重要的。人工智能的研究与企业财产保险对接，结合企业财产保险相关工作内容，保险公司可以利用人工智能的特性和发展空间推动企业财产保险的发展。
2.1 人工智能技术的概述
人类研发人工智能，是希望机器能够“思人类所想，及人类所能”。光是人工智能一门技术发挥作用或许不够，它需要与其他技术融合才能发挥出更大的力量，如大数据、物联网、区块链等技术。在此我们简要介绍人工智能技术的定义、发展的脉络以及未来的发展方向。
2.1.1 人工智能的定义
人工智能就是人类通过对计算机和人脑思维的研究，制造一个能够像人一样进行思考和分析的智能系统，帮助人类减少工作量。人工智能有三个发展阶段，即现在的弱人工智能，未来的强人工智能和超级人工智能。弱人工智能阶段是基于程序员通过程序代码结合机器学习能力和大量数据等方式进行开发的。强人工智能阶段和超级人工智能阶段则主要基于卷积神经网络、脑科学的发展，这两个阶段的实现大概仍需要30年至40年[]。
2.1.2 人工智能的发展脉络
在20世纪50年代，人工智能的概念出世。20世纪80年代，人工智能的分支之一，机器学习开始进入人们的视野。科学家认为机器的学习能力和记忆能力能够让机器像人类一样从学习中得到知识、获取经验，并结合其强大、准确的计算能力，优化自身程序的性能。在大量的数据中，机器学习技术利用算法进行分析并作出决策。它不再与普通的程序一样按照特定的代码进行固定的任务，而是从数据中建设模型、训练模型和学习。
21世纪初，随着机器学习发展，深度学习应运而生，它需要在繁复、大量的数据面前，提取数据中重要的部分进行分析和解释，再组建出相关的数据模型。在这项技术中，神经网络是其实现所需功能的重要算法，它通过多个层次对数据进行解释，在每一个节点层识别出数据的一种特征，下一个节点层在这个基础上继续识别，识别完数据的所有特征后，就可以对这个数据进行标记或者归类。人工智能发展的过程可见图2-1。
图2-1 人工智能发展阶段脉络
2.1.3 人工智能的发展趋势
X麦肯锡咨询公司对于人工智能在保险领域发展中的眺望是极高的[]，在未来50年的保险业里，智能可穿戴设备中的准确、详尽的数据能够链接至保险公司的数据库，从而使保险公司更好地定位产品并合理承保。目前AI领域着重研发的智能机器人在医疗、建筑、金融、汽车等领域都有不同程度的应用，目前值得期待的是卷积神经网络的发展，它可以如何合理处理复杂的、大量的数据，探究出适合不同场景下的新型模型，帮助保险公司重新定位保险产品，更精准地适应客户需求。
2.2 企业财产保险发展状况概述
财产保险是一种被保险人希望自身财产得到风险分散时，向保险人支付保费，保险人按照合同约定的内容对受到自然灾害或事故造成损失的财产向被保险人支付赔偿的保险。企业财产保险的保险标的是投保人存放在固定地点的财产，保险人在发生意外事故或自然灾害后对受损财产承担赔偿责任。
2.2.1 财产保险市场发展概述
近十一年来我国保险市场从市场竞争阶段发展至充分市场竞争阶段[]，如图2-2所示，财产险的保费收入由2008年的2336.71亿元提至2018年的11755.69亿元，数值翻了四倍。2008年至2014年，每年同比增长在15%至20%之间，增长较快，2014年以后至今，同比增长放缓，稳定在10%左右。
数据来源：中国保监会
图2-2 我国财产保险市场2008-2018年保费收入情况
2008年至2017年间，保险深度逐年提升，从3.25%涨至4.42%。同时保险密度有大幅增长，2008年财产险保险密度为740.66元，2011年时已突破千元大门，达到1046.64元，到2016年，保险密度已超过2000元——2258元，2017年也快速提升400元左右，为2631.72元，见图2-3。
数据来源：中国保监会
图2-3 我国财产保险市场2008-2018年保险密度与保险深度
2.2.2 企业财产保险市场发展概述
财产保险十一年来的年平均增长速度在17.19%，而企业财产保险的发展速度却有些不尽人意。2008年至2018年间，企业财产保险的保费收入增加了200亿元左右，由209.63亿元涨至423.29亿元，年平均增长速度与财产保险相比，不及财产保险的年均增速的一半——仅为7.99%。而机动车辆保险的年均增速却有16.65%，足以见得企业财产保险发展之缓慢。发展缓慢的同时，企业财产保险的发展速度极不稳定，2008年至2014年间，发展速度大起大落，最高达到22.66%，最低则至2.27%，2015年与2016年均发生了负增长的情况，时至2018年，企业财产保险年均增速为7.98%，见图2-4。
数据来源：中国国家统计局
图2-4 企业财产保险保费收入以及年增长速度
企业财产保险近些年来在财产保险业务中的占比情况呈现下降趋势，2008年时企财险占比为8.27%，随后逐年下降至2018年的3.6%，十一年内企业财产保险的平均占比仅有5.74%，而机动车辆保险达到72.12%，其他财产保险业务为22.14%，从而得知企业财产保险在财产保险业务总体的占比中较少，地位不高，如图2-5所示。在经历了经济体制的改革和产业结构优化调整后，国内大多数企业的经营效益的稳定性降低[]，加之保险公司在这方面没有及时应对，这就使得投保数量减少，企业财产保险保费收入下降，企业财产保险在20世纪中后期所占有的龙头地位被夺去。
数据来源：中国国家统计局
图2-5 各财产保险业务在总业务中的平均占比
2.2.3 企业财产保险发展中存在的问题
对于目前企业财产保险的发展现状，为了企财险的可持续、健康发展，我们需要从企业财产保险的发展过程中寻找存在的问题和风险，在新型科技手段的协助下促进它的发展。
（1）大多数企业投保率较低，风险预见性弱
至今我国中小企业和个体工商户的总量已经超过了一亿家，在如此庞大的企业数量面前，2018年全国的企业财产保险的保费收入仅有423.29亿元，足以见得企业参保率不高。实际上企业财产保险为企业带来的保障和风险管理可以帮助减少经营成本，且能加强企业的风控管理能力，尤其是对规模小的公司。在目前的经济条件下，我国大部分企业的风险暴露程度都很高，尽管企业可以进行适当的内部风控管理，但是面对地震、台风这类外部环境风险以及经济政策带来的财务风险时，造成的财产损失难以预计，严重的话或许会导致破产。
（2）产险公司服务能力不足，客户满意度不高
产险公司大多数仅在销售和理赔上提供服务，在产品售出后，产险公司与客户的交流和沟通的售后服务不足，购买体验不佳。部分产险公司没有用有效、有计划的战略计划实现“以客户为中心”的理念，反而是“以业务为中心”，同时冗长复杂的投保流程和理赔流程，常常会使客户产生烦躁等负面情绪。加之多数产险公司的服务管理项目（如服务考察评估、服务水平监督）投入低，客户信息管理混乱（如重复要求已录入身份证信息的客户再次录入身份证信息），另外一点则是在县级、乡镇的网点服务能力不足，仅能做到承保与理赔两个环节，没有能力进行查勘定损和客户回访等服务[]。
（3）风险评估模式传统，评估效率低
我国保险行业一直处于保险人的内部评估阶段，现有的产险公司建立的风险评估系统功能并不完善，评估结果受人为影响大，例如消防方面的风险评估并无统一标准，大部分依然是人工评估[]。在传统的两类风险评估模式中，一类是保险公司在风险评估管理系统中人工录入检查表格，再加以第三方公估公司到现场检查后录入保险公司系统，另一类则是仅让第三方公估公司到现场查勘，将查勘后填写的检查表提交给保险公司进行录入。传统的风险评估模式很难让产险公司看到承保效益如何，人为因素会影响风险评估结果，主观性强、效率不高。
2.3 本章小结
本章对人工智能的定义、发展过程和未来发展趋势做了简要的介绍和分析，对我国目前财产保险市场发展状况、企业财产保险发展趋势进行数据分析，发现该险种的发展速度明显偏向缓慢，于是对企业财产保险发展过程中出现的问题进行描述，从这些问题中发现企业财产保险的风险来源，以引出下一章有关于人工智能识别企业财产保险风险的探索和论述。
3 人工智能识别企业财产保险风险的探索
对于企业财产保险这一险种，参与的主体不仅仅只有保险公司，还有选择购买保险的企业。在本章中，站在企业和保险公司两个主体的角度，结合前一章企业财产保险发展所存在的问题，利用人工智能技术以及其他技术的融合，探索这类技术如何在企业财产保险业务中的各个环节里识别风险[]。
3.1 销售端识别量化风险
企业是企业财产保险中占据主动地位的一方，企业选择了投保企业财产保险，这场交易才得以开始，企业与保险公司的联系会一直持续，直到保单结束。而产品选择则成为保险公司与企业联系、对接的第一步，产品以及产品定价是否合适则成为产险公司识别和量化风险的第一步。
对于企业投保，早在2010年便有学者通过数据分析得出一个结论，认为在国内的企业保险市场中存在“供求错位”的现象[]。这一现象反映了不同规模的企业中，规模较大的企业拥有投保的能力，但是选择了不足额保险，而规模小的企业却没有合适的企业保险产品供给。这样的现象与目前产险公司的企业财产保险的产品链有关。人工智能的应用在产品开发领域中是向场景设计、定制化出发的，因此对于“供需错位”的问题，保险公司可以利用数据挖掘（Data Mining）的技术分析在已进行投保的企业中，规模不同的企业投保了多少数量的保险，从分析结论中选择将来要如何开发市场。在近年来中小型企业迅速成长的趋势之下，保险公司需要注重开发适合中小型企业的保险，从而增加企业投保率，同时扩大企业财产保险的保险范围，满足企业需求。结合地域差异进行数据分析也有必要，东部地区是产险公司投放保险的重点区域，但是中西部地区市场也有巨大的潜力。
数据是人工智能的灵魂，保险公司内部系统在相关数据不足时难以应付分析的任务，因此可以通过合法的网络爬虫（Web Crawler）技术以及向数据公司购买相关的企业数据等方式，还可以利用物联网（Internet of Things）丰富内部数据，再根据地区企业市场智能定制适合企业需求的保险产品并对产品进行有针对性、个性化的定价。在有丰富的数据后即可进行数据训练，进行机器学习（Machine Learning），让软件在新的数据库下通过训练数据得到新的动态精算模型，从而在实际操作中可以根据保险标的的风险情况为客户精准定价，优化产品结构，避免产品同质化[]。
通过以上方式得到的数据，产险公司可以对这些数据一层层地进行剖析，把数据最后化为一个标签，再用多个标签来描绘客户的形象，这就是“用户画像”，其中涉及到大数据（Big Data）、机器学习等技术。使用用户画像分析每家企业客户的标签，形成一个比传统客户分类更加完善、准确、多样的客户标签体系，把客户标签与产品特性进行匹配，从而进行精准销售产品。
通过以上的人工智能技术可以使企业寻找到符合自身需求的产品，并降低产险公司的承保风险，继而使企业财产保险产品链精细化发展，最后有效提高企业的投保率，提升客户满意度。
3.2 服务端减少人工操作风险
在产品和销售方面先量化和识别风险是产险公司用人工智能识别风险的第一步，接下来的承保、理赔这部分的客户服务则是第二步。对于企业而言，这方面的体验是否良好、服务是否符合他们的需求，都是他们是否续保的原因。对于保险公司而言，让人工智能加入这两个环节的建设，不仅可以提高公司经营的效率，减少手工操作带来的风险，也可以提高客户满意度。
在核保与承保的环节中，可以研发智能的核保系统以提高核保效率、防范承保风险，让客户通过线上的方式进行咨询、身份验证和信息录入。咨询方面则引入智能客服系统进行智能应答，将人机交互自然化，提高咨询效率。在身份验证中使用生物特征识别（Biometric Identification Technology）技术，包括面部特征识别、签名识别等技术，快速完成身份验证，并与11315全国企业征信系统连接以确认企业的信用状况良好。信息录入和收集方面则关系到了智能图像技术——如光学字符识别（Optical Character Recognition），在全面覆盖主要的单证类型的前提下，可以提升50%的录单效率，减少50%的人工环节，从而减少人工录入发生失误的风险。在核保的整个流程中使用RPA（Robotic Process Automation）技术进行自动化处理从而减少重复的人工劳动[]；利用专家系统（Expert System）对投保单进行筛选和信息处理，尽管这一切都由计算机进行，但对于特殊的保单，专家系统不能直接进行核保决定，需要人工辅助，但它可以为核保员提供对保单中企业财产的相关数据进行分析处理后的参考意见。
在理赔环节，定损的准确性是减少企业财产保险风险的重要部分。在定损时，计算机视觉（Computer Vision）——研究让机器学习图像处理的科学，能够派上极大的用场，对于发生损失的现场可以先派出无人机进行现场图像收集，无人机将收集到的图像传回产险公司的系统结合计算机视觉进行识别和查勘，随后结合到达现场的查勘人员的调查记录，最后再定损，这样可以提高定损的准确性，降低人工定损带来的道德风险。在计算损失这步，辅助决策的专家系统可以通过对企业在意外中所损失或被破坏的财产进行初步的估价提交给理算专员，帮助理算专员提高理算效率[]。
通过在核保与承保、理赔两个方面使用人工智能技术的探讨，人工智能相关的技术可以非常有效地提高产险公司的服务效率，防范因人工操作带来的风险。
3.3 风控端反欺诈风险
在企业财产保险中，风险控制是重中之重，因此研发智能风控系统是必要的。进行智能风控需要经过四个步骤，从数据收集到行为建模，随后进行用户画像和风险定价[]，这四个步骤对企业财产保险的智能风控应用具有普适意义。
风控系统中的风险模型要根据火灾、洪灾、爆炸等单一风险或者综合风险进行风险评估，按照国家相关标准，定制对应风险需要的风控模型，全方位进行风险点的评估。建立了需要的风控模型后，财产评估人员下载系统移动端至平板或手机，对评估现场进行数据采集输入到系统中，经过计算处理后则会提供相关风险的评估报告，可以为产险公司提供风险定价的依据，同时也为企业（尤其是规模较小的企业）提供防范风险的建议，从而减少标的发生意外的风险。企业需要在产险公司承保前解决风险评估报告中的相关隐患，产险公司在核实后会为其在系统中开通的企业账号。之后产险公司要为企业安装相关的感应和探测设备、监控设备等进行监测服务，将传感器的数据与风控系统连接，向风控系统每日上传传感器数据。系统实时监测设备的数据变化，如果数据超过警戒值系统会触发报警信号，及时通知企业止损。在日常的风险维护中，产险公司会通过系统提醒企业定期定时进行巡查和维护，企业需要在系统中更新维护后的标的状况。产险公司可以在风控系统中观察企业近期的风险评估状况观察是否需要对该企业提出增加保费或退保等要求。
智能风控系统中有大量的企业相关财产标的的数据信息，形成一个个的数据池，系统对这些数据每日都进行运维分析，及时发现异常让企业纠正问题，其中涉及了关联规则（Association Rules）和文本挖掘（Text Mining）等相关数据挖掘技术。
智能风控系统应用了大数据、物联网、云计算、认知计算等先进的技术，能够有效识别和防范企业财产中暗藏的风险，保证风险评估模型的准确度，有效应对企业财产保险欺诈[]。
本章每个环节所应用的人工智能技术及其用途见下表3-1。
表3-1 保险业务中主要使用的人工智能技术
| 业务环节 | 主要技术 | 用途 |
| 核保与承保 | 数据挖掘、物联网、机器学习等 | 帮助客户量身定制产品 |
| 客户服务 | 生物特征识别、计算机视觉、专家系统等 | 提高保险公司服务效率 |
| 风险控制 | 认知计算、深度学习、关联规则等 | 加强投保企业风险控制 |
3.4 本章小结
这一章主要是在人工智能技术方面针对第二章出现的四个问题思考解决措施。企业投保率低和产品单调的问题是由于目前产险市场对于企业财产保险的重视度和开发度不高，尤其是目前的产品链无法满足中小企业对相关企业财产保险的需求，但通过由人工智能技术组成的保险科技的应用，产险公司可以做到产品创新，扩展产品链，满足各类行业企业的普遍需要。服务效率也是企业在选择产险公司时关注的一点，如果承保与理赔服务效率低，回访服务也不能按时进行，对于产险公司的影响是很致命的，这两个环节涉及了产险公司非常多的服务细节，通过RPA技术增加工作效率，使用专家系统等相关人工智能技术提高承保、理赔速度，不仅可以极大地减轻产险公司的人工操作的压力，还能提高客户满意度。传统的风险评估模式在引入智能风控系统后会有质的提升，由于“供需错位”的企业财产保险市场现象，不同的企业财产保险产品，不仅能够满足大企业起到监控管理者和约束股东的需要，也可以满足中小企业对分担隐藏风险带来的未知后果的需求。通过本章对人工智能识别企业财产保险风险的初探，下一章将对人工智能技术在实践中的应用进行介绍。
4 我国财产保险公司人工智能技术运用的实践
任何技术都只有在实践中能检验技术的可用性，因此本章将介绍两家产险公司——众安保险与平安产险在业务中人工智能相关技术运用的项目介绍。
4.1 众安在线财产保险股份有限公司
众安保险是国内第一家专业互联网保险公司，于2013年10月9月由蚂蚁金服、腾讯、中国平安等实力雄厚的企业注册成立，公司特点是技术创新结合保险互联网交易，坚持研究和在实际工作中应用人工智能、区块链等技术。
4.1.1 众安保险的发展概况
众安保险是一家互联网保险公司，也是保险科技研发路上的领先者，它的经营业务涉及财产险、意外险、车险、退运险等险种。2017年9月底，众安保险在香港上市，随后便以极快的发展态势，成为行业中的一匹黑马。在2020年3月23日，众安保险开展了2019年的业绩发布会，年报显示众安保险的原保费收入已经达到146.3亿元，2019年的保险业务盈利760万元，较于2018年的17.44亿元净亏损值，2019年大幅减亏至4.54亿元。按保险业务收入规模来看，众安保险处于极快的上升期。
如图4-1可见，从2013年10月至12月的0.13亿元到2014年年底7.94亿元的发展速度，足以见得众安保险的增速之快，并且2013年众安保险主要经营的是退运险、家庭财产保险与保证保险，在2014迅速将业务范围拓展至责任保险、意外险、健康险等险种。2015年度保险业务收入涨了1.9倍，达到22.83亿元，增加了货运险、企业财产保险业务。2016年众安保险对已有保险业务进行业务细化，收入增至34.08亿元。2017年增加车险、财产损失险险种，保险业务收入达59.54亿元。2018年则突破百亿大关，达到了112.56亿元，2018年车险取代退运险成为原保费收入前五位的险种之一。2019年众安保险的结构性业务调整成效显著，健康生态业务大幅增长，众安保险在12月18日开展虚拟银行试业。2020年的近三个月的保费收入为25.65亿元，主要业务为健康险业务。
数据来源：众安保险官网历年年报
图4-1 众安保险2013-2019年保费收入
4.1.2 众安保险运用人工智能技术的项目介绍
众安保险在新型科技方面的运用走在行业的前端，它协助各类企业建设属于它们的方案，降低经营风险和成本。众安科技专注于区块链、人工智能等先进技术研究，提供客户需要的产品和企业方案，涵盖了保险经营过程中的各个关键环节。众安保险对人工智能技术研发了机器人平台、机器学习平台以及OCR定制平台。
众安保险的产品之一——机器学习平台，主要使用了机器学习技术和云计算中的资源调度（Resource Scheduling）技术，这个系统可以提供数据管理、实验管理、模型管理和服务管理的功能。该平台可以帮助保险公司有效进行数据分析和数据探索，然后通过训练数据以获得模型，在以后的数据模型维护中能够做到迭代闭环，并具有金丝雀发布、收集线上数据、查看运营数据等功能。对目前大部分保险公司来说，不仅可以利用该平台的功能完成对大量数据的分析功能、大多数的自动化审批功能，还可以提高业务操作效率，提升风控水平。
另一款产品——众安智能客服系统，则是基于机器人平台研发的。该系统涉及到“场景制定”这一概念，即根据不同的场景设置不同的回答，因此它可以灵活应用于多个业务场景中。该智能客服系统主要使用了自然语言处理（Natural Language Processing）、大数据等技术，除了客服咨询服务外还提供数据分析功能，可以较好地提高公司咨询效率，也可以通过客服数据了解客户常见问题，优化业务服务与产品功能。
4.2 中国平安财产保险股份有限公司
平安产险自1988年起经历了32年的岁月，至今已是一家涉及了多个险种范围的产险公司，有着丰富的行业经验。平安产险从保险业务收入方面衡量，居行业第二。平安保险于2008年成立平安科技，2013年开始充分利用人工智能、大数据、区块链等技术实现科技驱动金融发展。
4.2.1 平安产险的发展概况
平安产险是一家传统的财产保险公司，但它紧跟时代需求，持续开发符合市场需求的产品，增强自身服务能力并提高自身科技创新力。平安产险在2014年推出“平安好车主”软件，截至2020年1月底，使用“平安好车主”的用户人数已超过9600万；2015年与第三方平台合作开展场景化营销[]；2017年提出“科技+金融”的发展策略；2018年深入科技驱动发展理念，研发出依托大数据的风控平台“KYR（Know Your Risk）风险管理云”以及针对农业的智慧农业生态平台。
自平安产险创办以来，其业务规模逐渐扩大，原保费收入逐年提升。如图4-2所示：2015年平安产险积极追求服务创新，原保费收入为1636.41亿元。2016年积极落实国家政策，向“保险姓保”方向发展，保费收入为1779.08亿元。随后在2017年突破两千亿飞涨至2159.84亿元，平安产险利用人工智能等新兴技术与互联网构建一站式用车生活平台，开拓“AI+金融”的发展思路。2018年平安科技积极进行科技创新，首次全面亮相“平安云”并应用于产险业务中，增加了客户数量，吸纳了更多合作伙伴，全年原保费收入为2474.44亿元，同比增长14.6%，足以见得科技驱动力量之强大。时至2019年平安产险坚持科技可持续发展理念，原保费收入稳定增长，达到2709.3亿元，较2018年增长9.5%。
数据来源：平安产险官网历年年报
图4-2 平安产险2015-2019年原保费收入
4.2.2 平安产险运用人工智能技术的项目介绍
平安集团从2013年开始研究属于自己的创新科技，在“AI+金融”的理念指导下用五年时间实现了商业模式转型。平安产险依据其业务特点，2014年推出“平安好车主”APP，在2018年这一金融科技创新元年开发了“KYR风险管理云”平台。
“KYR风险管理云”风控平台能够把保险业务从主要进行事后赔付逐渐转向事前风险预测和防范，为客户提供专业的风险管理服务。其自主研发的DRS鹰眼系统（Digital Risk System），使用了物联网、大数据、云计算、机器学习、OCR等技术，系统中拥有超过140亿的灾害、气象、客户、平安产险承保及理赔等相关数据，可以快速实现用户画像以及自然灾害风险预警和评级，实现防灾减灾，保护企业在风险发生时降损。“KYR风险管理云”有五类风控云平台，有关于安责险、环责险、IDI风控、企业风险管理和工程险，借助大数据平台和风险分析服务为多个行业的客户提供智能风险管理的平台服务。
4.3 本章小结
本章对众安保险、平安产险的发展历程进行概述，介绍两家公司运用人工智能技术研发的项目，其中众安保险是2013年建立的互联网公司，专注于区块链、人工智能等科技的研究创新和相关产品研发；平安产险是经营时间较长的传统保险公司，从2014年开始布局保险新型科技，力争用科技创新驱动保险业务向科技化、高效化、精准化转型。这两家公司均投入大量的资金使新型科技技术推动保险经营模式创新，在产品开发、营销销售、核赔承保等环节进行创新，提升了客户满意度，推动了保险业务规模的增长、降低综合成本率并且推进保险经营模式转型，为同行提供了极有价值的人工智能应用案例。
5 产险行业中人工智能技术风险的对策建议
人工智能为保险企业、社会大众以及国家发展带来方便的同时也隐含风险，为了人工智能的可持续发展，需要企业和XX关注其中的问题并给以解决方案，因此本章针对保险行业里人工智能中存在的风险，从保险公司和XX两个角度提供对策建议。
5.1 产险行业中人工智能存在的风险
在第三章的第一节中谈到数据是人工智能的灵魂，并涉及到了数据的合法性问题，人工智能需要利用海量的数据进行处理、训练和分析，因此带来了关于人工智能的第一个风险——数据安全风险[]。近年来人脸识别技术虽然取得了显著的进步，被应用于各种行业场景中，同样也包括保险行业，但目前有一种结合针对图片的降维技术和演化算法的攻击技术，可以在对系统结构完全不清楚且不易被安全人员察觉的情况下，对人脸识别系统实现最佳攻击，从而实现盗取他人身份等目的[]。在产险公司的保险业务中，自核保到理赔，每一个环节都会产生与客户相关的数据，这些数据则会保存于公司系统中，之后再根据需要利用人工智能应用对数据进行模型训练和测试，那么如何防范不法分子利用攻击手段破坏系统内部信息通道的正常运行或者篡改数据，甚至泄露客户信息则是非常值得注意的问题。因此数据风险的管控是保护人工智能应用正常使用的其中一环。
人工智能技术的更新速度和频率是不可控的，技术领域的漏洞也不可能百分百防范，但企业是以盈利为根本目的进行经营活动的，因此企业可能会向客户隐瞒其设计的人工智能应用系统中隐含的风险，由此引发道德风险。除了企业本身导致的道德风险以外，还有就是机器本身的道德决策能力带来的道德风险，如自动驾驶汽车的算法程序员如何平衡道德价值与个人利益以做出道德决策[]。尤其是在目前财产保险产品需求日渐上升的前提下，在产险公司开发人工智能应用的过程需要重视如何解决道德风险问题。
5.2 对产险行业人工智能风险的建议
对于前一节谈到的人工智能风险，本节通过产险公司和XX两个层面探讨关于人工智能在数据安全风险和道德风险两个方面的对策和建议。
5.2.1 产险公司层面
在未来人工智能产品的使用会越来越频繁，对于数据的获取频率也会增加，那么产险公司需要保证在业务中对客户数据获取的合法性和数据安全性，加大在人工智能系统中对于储存数据和训练数据等与数据有关的部分的保障力度，使用密码学技术保护客户的内部数据隐私。除此以外则是要加强安全技术防范黑客攻击，公司的相关部门需要结合前沿的防御方法和开展对抗样本研究以完善数据安全系统和提高系统内部的深度学习网络的稳健性，减少系统安全漏洞。
面对道德风险，企业要明白保险的本质在于保障，追求业务增长的同时，也要意识到并承担自身的社会责任[]。因此为了规避道德风险，企业需要将技术透明化展示给客户，让客户了解相关产品的技术原理和存在的风险，从而减少信息不对称带来的道德风险；另外技术人员作为设计人工智能系统算法的主体，需要有正确的价值观和道德素养，为人工智能注入正确的道德观，必要时需要哲学、心理学等方面的学家一起加入技术建设中。
5.2.2 XX层面
现于欧洲已有《通用数据保护条例》、人工智能伦理指导原则两门与数据和人工智能安全使用的相关法律，而我国目前还没有相应的正式法律法规对数据安全和人工智能安全进行引导和限制，对信息窃取等犯罪行为没有法律上的定义和量刑，因此XX作为保证市场合法合理发展的无形之手，亟待建立相关的法律法规，防范人工智能领域的数据安全风险。
目前人工智能对大众仍是新事物，许多人身处其中却不知，有的人甚至会因为恐惧而随意臆断该技术的风险。因此XX部门需要加大对人工智能的宣传科普，提高民众对于人工智能的正确认识和了解[]，提高道德风险意识以保护自身隐私安全，从而减少道德风险。XX部门需要求使用人工智能的企业定时定期进行信息披露，汇报相关产品或者应用的情况，以做到对人工智能产品的市场监管，保护消费者利益。
5.3 本章小结
本章从产险公司和XX部门两个角度出发，探讨人工智能中的数据风险与道德风险的解决措施：产险公司要通过对安全技术的升级解决数据风险，加大自身信息披露和企业道德建设处理道德风险；XX部门则是迫切需要建立相应的法规体系对行业数据安全进行监督，加大对公众的人工智能知识的宣传科普力度和加强企业信息披露来应对道德风险。
6 结论
在目前中小企业稳健发展的态势中，企业财产保险的需求日渐增加，产险公司需要提高其风险识别能力来处理业务，人工智能的加入帮助产险公司从核保承保、理赔、风控等方面进行风险识别和自动化处理，有效减轻产险公司的人工业务量，也为人工智能应用于保险行业提供思路。本文通过文献研究人工智能在保险业务每一个环节中的应用和对众安保险与平安产险的案例实践研究，呈现了人工智能应用的魅力，展现人工智能技术已初步应用于在保险业务的各个环节。人工智能带来了不少好处的同时，依然不可避免地存在风险，因此本文也从企业和XX两个层面提供相关的建议，从而推动人工智能的健康稳定发展。
对于人工智能的发展来说，每一项技术突破都可谓是艰难的，道路遥远且不平坦。产险公司对于企业财产保险的宣传与营销不到位导致企业财产保险占比低的问题也需要尽快地落实措施解决，从而从行业经验中逐步推进人工智能识别企业财产保险风险的发展，否则这项技术是无法在没有足够数据的情况下进行合理优化和发展的，只能一直停留在初步阶段。XX需要使用激励手段向企业推广企业财产保险，以提高企业应对风险的能力，从而提高整个社会经济应对意外事故的能力。
尽管人工智能在企业财产保险的应用技术还处于初步阶段，但只要产险公司和XX部门尽力尽职，未来一定可以在一个健全的法律体系下，让人工智能在保险应用领域取得突破和发展，从而使保险业整体健康稳定发展。
参考文献
- 石峰. 基于大数据背景下的银行智能风控体系建设[J]. 现代经济信息(18).
- 王楠, 李卓. 人工智能在交易所业务发展中的应用初探[J]. 中国证券期货, 2019, 221(01):6-11.
- Balasubramanian, Ramnath, A. Libarikian,et al. “Insurance 2030—The impact of AI on the future of insurance.” McKinsey & Company (2018).
- 张国武. 保险公司科技创新驱动策略研究[J]. 海峡科技与产业, 2019(3).
- 唐金成, 明明. 试论我国企业财产保险可持续发展[J]. 金融与经济, 2012(12):51-53.
- 夏玉扬. 关于财险公司服务能力提升的实践探讨[J]. 金融纵横, 2016(7):4-10.
- 牟宏霖, 李正前, 杨文明. 信息化技术在企业财产风险保险中的创新[J]. 银行家, 2019(11).
- 鹿慧, 张晓奇, 戴鹏, 等. 财险公司人工智能应用体系研究[J]. 中国保险, 2019, 374(02):38-43.
- 杨克泉, 钟钰, 吕立伟. 企业财产保险行为相关问题研究[J]. 商业时代, 2010(32):89-91.
- 何明华. 江西平安产险公司保险业务中人工智能运用情况的调研报告[D]. 2019.
- Lamberton C , Brigo D , Hoy D . Impact of Robotics, RPA and AI on the insurance industry: challenges and opportunities[J]. Journal of Financial Perspectives, 2017, 4.
- 方力, 叶跃. 专家系统在寿险核保中的应用[J]. 保险研究, 2000(08):42-43.
- 看虎. 2019中国智能风控企业50强[J]. 互联网周刊, 2019(14).
- 王欣. 基于人工智能的移动金融风控体系建设中的实践[J]. 信息安全研究, 2017, v.3;No.26(11):42-47.
- 王超群. 我国财产保险公司场景营销的案例研究[D].2017.
- Nabile M. Safdar, John D. Banja, Carolyn C. Meltzer,“Ethical considerations in artificial intelligence.”[J]European Journal of Radiology,Volume 122,2020,108768.
- 段广晗,马春光,宋蕾,等. 深度学习中的对抗样本：概念、构造及防御[J]. 网络与信息安全学报,2020,6(1):2-11.
- 常晓亭. 人工智能创新发展中的道德风险研究[J]. 中国医学伦理学,v.33;No.02(02):137-142.
- 胡元聪,李雨益. 企业社会责任视域下人工智能产品风险防范研究[J]. 当代经济管理,2020,42.
- 吴沈括,石嘉黎. 数据安全视域下的人工智能风险应对研究[J]. 西北工业大学学报:社会科学版,2019,02:95-103.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：写文章小能手，如若转载，请注明出处：https://www.447766.cn/chachong/97227.html,
