□李鹏彬
Cytora作为一家新兴的英国互联网保险公司，2014年创立以来，聚焦于通过人工智能技术提供商业风险的承保解决方案。在全球互联网保险投融资活动放缓的背景下，Cytora公司近日宣布获得2500万英镑B轮融资。本文以Cytora为例，探讨人工智能在财产保险领域的应用空间。
挖掘风险数据背后的价值
持续丰富和迭代的互联网数据，正在重新定义传统保险行业的大数法则。伴随海量数据而来的，还有“数据噪声”，无法分类和识别的大数据对保险业而言价值微弱。Cytora通过捕捉隐藏存在于网络数据中的经济信息，使用机器学习等人工智能技术，将数以亿计的数据点联系在一起，自动组合成庞大的风险数据集，为保险公司以此为基础优化承保策略和风险定价等提供技术支持。
Cytora围绕风险数据开展商业运作，注重从外部公共数据和公司专用数据中，逐步提取、分类、关联和分析数以亿计的数据点，传输至“风险引擎”平台。人工智能技术通过持续学习，掌握不同类型的风险因素、潜在风险事件和预估风险损失，计算出火灾、洪水、营业中断等不同类型下的风险排名和“A、B、C、D”风险评分，以及不同公司或资产的保险价值。平台以人工智能为载体，提供保险费率方案，同时允许每家保险公司动态匹配得分对应的保险费用，设置特定的保费折扣和承保规则，实现不同价格竞争策略。
通过人工智能赋能商业风险管理全节点，Cytora能够有效支持保险公司拓展新业务边界、提高风险定价能力、提升承保效率。具体到商业流程上：
一是筛选。通过筛选更细颗粒度的风险因素，提升数据分析能力。Cytora最早在2016年底向部分大型保险公司推出了产品风险引擎 API，一方面，通过人工智能技术广泛搜集商业企业的建筑物特征、公司财务状况和当地气候等公共数据，或在法律允许前提下购买商业风险数据。另一方面也支持保险公司通过API接口传输内部专用数据，打造个性化的风险数据库。
二是配置。Cytora创建统一规则前期置入，由公司技术人员与保险公司专门对接，按照承保偏好和市场环境，新建或调整个性化的承保规则。由于API接口设置采取半封闭的策略，保险公司技术人员也可以直接动态修改承保规则，满足自身商业风险承保管理需求。
三是报价。风险引擎 API 直接连接到应用程序、电子商务平台和核心系统承保核保模块，能够实现流程自动化。客户仅需简单填写公司全称、行业、资产规模和人数等因素，无需录入耗时、复杂的调查问卷，API即可迅速完成数据集成，风险得分及其相应保险费用将同步直接显示在承保界面。另外，保险公司可以选择不同类型的定制方案，设置客户需要填写的信息字段，在迅速报价的同时满足保险公司的差异化需求。
四是优化。对于大型商业风险，保险公司可以在报价界面后提供线下服务入口，提供至消费者点击选择。保险公司根据建筑物特征、公司财务状况、经营战略和相关风险等，进一步优化保险费用报价，提前、灵活应对市场变化。
简单、透明、可持续
得益于移动互联、大数据等新兴技术，近年来个人类保险消费越来越呈现便捷化、个性化等新特点，但团体类保险消费创新相对缓慢。Cytora针对企业财产保险的承保痛点，开展风险数据管理和分析服务，提供风险定价等决策建议。集中体现在，传统的商业风险承保是不准确或者低效率的。主要由于承保决策所依赖的数据来源于“大”颗粒度或正确但过时的信息，录入、核保等承保流程大量依赖于人工操作。造成了与几分钟内完成的汽车保险或者意外保险不同，企业购买商业保险最多可能需要七天甚至更长时间。这都意味着保险公司承担着相对较高的运营成本，用户体验不佳，双方缺乏信任。
简单：从7天到30秒。Cytora的主要客户为商业保险公司，包括保费规模在50万英镑及以上承担大型商业风险的保险人，以及保险费用1,000至5,000英镑直接在线购买商业保险的投保人等。通过在Cytora的API设置建立报价工作流程，可以为前者提供基于商业风险的保费方案，也可以让后者能够在不到一分钟的时间内完成在线投保。在人工智能的支持下，承保流程由7天简化到30秒，实现更快更准确的投保决策和业务流。在英国市场，企业主仅需要一个公司名称和邮政编码，就可以获得直接报价，彻底改变用户投保体验。
透明：从40%到20%。Cytora认为，目前保险公司在风险识别方面能力不足，导致了成本和费用的增加。对于企业向保险公司支付的1英镑保费，保险公司只留下60%用于支付总保费，另外40%全部用于支付内部的运营和管理成本，而这些问题都可以通过机器学习模型和数据进行控制。Cytora风险引擎平台通过人工智能和机器学习技术，把数十亿的外部数据点转化成为风险定位的维度，这样强大的数据能力会给保险公司带来更多的定价优势。自动化、流程化的嵌入，有利于保险公司提升风险管理能力、压缩内部管理流程、精简组织架构和人力、提升承保运营效率，降低固定成本等，从英国中小保险人的运营实践看，将驱动保单成本压缩将近50%，从而产生更强的盈利能力支撑。更为重要的是，成本压缩带来客户保险费用降低，进而产生承保盈利的正向循环。
可持续：从0到1。由于建立了跨领域的保险风险数据库，Cytora公司得以随时了解各种风险因素及其变化，更加全面地掌握交叉维度的风险数据流，这使得保险公司能够更好地了解每项业务的潜在风险，并帮助设定更准确的价格。值得关注的是，保险公司能够及时捕捉业务机遇，根据自身风险管理水平动态探索可保风险的范围，拓宽保险业务边界，进而聚焦更具商业价值的风险，提高风险筛选和定价能力，确保可保风险有效分摊给更多投保人和再保险公司。这就意味着，保险公司可以通过API接口，适时打破边界开展创新甚至颠覆。
Cytora通过收取年度许可费来赚取收入，该费用根据使用情况和每个业务线增加。2017年，Cytora实现与QBE、XL Catlin和Starr等国际大型保险公司合作，业务领域初步覆盖全球商业线。2017年12月完成了440万英镑的融资，投资方包括Starr Global Holdings、QBE Ventures以及天使投资人Ilkka Paananen and Paul Foster等。2018年，实现风险引擎API升级，并发布Cytora 承保系统。2019年4月，完成2500万英镑B轮融资，由EQT Ventures领投，Cambridge Innovation Capital、Parkwalk和部分天使投资人跟投，未来六个月将重点在某个领域进行大规模商业化尝试。
单点突破到商业应用
从1956年美国达特茅斯会议首次提出，到现今专家系统、机器学习、遗传算法、神经网络、模糊逻辑等核心技术蓬勃发展，“人工智能”正在逐渐成为国内外创新发展的新动能。保险行业的人工智能实践整体呈现应用浅、时间短、范围广、影响深的特点，在国内这一特征更是明显。尽管2018年我国人工智能行业融资额超过450亿元，同比大幅增长超过70%，但落地到保险行业则相对有限，融资额占比不到2%。无论是爱保科技、十一贝等智能保顾，或是凯泰铭等智能理赔，新创公司大多仍局限于业务流程的单点突破，无法通过技术创新形成可持续的输出，进而有效赋能传统保险领域的商业模式。
Cytora为人工智能在财产保险领域的商业应用提供了可行实践。随着中智能时代的渐进，越来越多传统保险人或互联网保险公司可以借助人工智能技术，实现差异化、个性化、人格化的深度应用。通过挖掘风险大数据背后的价值，渗透到风险聚焦、风险分类、风险识别、风险控制和风险管理等不同节点，实现展业、承保、客服、投资、风控和理赔等流程再造，加快带动实现数据驱动的价值增长。
（作者单位：太平财产保险有限公司）