量化风险波动率互联网保险服务瞄准配置难

　　本报记者李晖北京报道
　　AI技术正不断推动保险服务数字化加速。继AI客服、AI理赔后，AI配置也正在走向市场。
　　互联网保险代理平台蚂蚁保日前正式发布了智能保险配置工具省心配，这项服务定位为AI保险规划师能根据用户的年龄、地区、预算、保险需求等进行分析，通过智能模型为用户量身定制保险配置方案。
　　对普通消费者而言，在市场上数千种保险产品中选择适合的险种，期限，额度并合理加以组合并不容易。蚂蚁保省心配项目负责人张程向《中国经营报》记者透露：省心配瞄准的是解决普通用户避免买错保险、重复购买同类保险等问题，实践证明大约能为用户节省30的预算。
　　30秒出结果节省30投保预算
　　记者上支付宝搜索省心配，在输入提交个人信息后，大约30秒后配置推荐方案生成，包含了医疗险、重疾险、意外险、定期寿险等险种推荐。
　　据张程介绍，上述配置方案来源于蚂蚁保的HRAAM保险配置模型。用户输入年龄、地区、收入、负债等基本信息后，HRAAM模型就会通过风险分析、保障评估、产品匹配三个步骤进行配置，算法可以为每位用户模拟匹配几万种保险配置方案，最终选出最匹配用户需求的一组方案做推荐。
　　在传统的保险代理人配置思路中，难以避免从销售视角进行推荐。而通过AI算法则相对规避了人性因素的影响。这种算法的逻辑出发点在于精准按需和不是多多益善，目标在于如何花最少的钱，撬动更高的保障杠杆。
　　相比市面上一些机构的测评工具，省心配并未有更细颗粒度的信息收集。据张程透露：上述信息收集出发点是最小可用，避免引起用户反感。此外，配置考虑的因素中也没有掺杂类似保险产品热度、保司权重、佣金、手续费等维度因子，而是完全从C端特征出发。
　　据记者了解，此前，蚂蚁保平台对省心配进行了为期一个月的灰度测试。测试数据显示，用户通过省心配配置保险方案，比用户自己去选购保险平均能节省30的预算。从效率看，省心配生成方案只要30秒。
　　南京大学商学院金融与保险学系副教授孙武军认为，当前线下保险经纪人主要服务中高收入群体，AI保险规划师能够满足工薪阶层的需求，两者形成很好的互补。同时线下保险经纪人也可以把AI保险规划师作为辅助工具，提高服务效率。
　　配置核心量化风险波动率
　　值得注意的是，类似智能保险顾问并非全新概念。公开信息显示，2017年，中国太保就曾上线智能保险顾问阿尔法保险。此后，官宣拥有智能保险顾问服务的保险公司也不在少数。
　　张程认为，作为平台方，目前省心配的产品池来自于接入该平台的90余家保险公司产品，在供给规模和丰富度上具有优势。而在产品选择上不会特别倾向某一家公司产品，相对中立。
　　但相对规模和中立性，张程认为风险波动率概念的引入是省心配最大的创新。以一位北京30岁男性家庭顶梁柱、月收入1万元、100万元左右负债的用户为例，系统会给出两套方案方案一匹配50万元重疾险、200万元的身故，保费大概是550元月左右；方案二重疾提高了30万元，但没有保障身故，价格是545元月。两个价格接近的方案一般消费者很难选择。但通过模型可以用波动率指标量化计算出来方案一波动率是5，方案二波动率是15，所以系统决策推荐了方案二。他进一步解释。
　　蚂蚁保金融产品部负责人严捷也认为：面对用户有限预算下，如何选择险种和期限，如何做搭配，此前通常是精算师根据经验做出，缺乏标准化行业解决方案。省心配的目标锚点是风险波动率，把波动率在有限预算下降到最低的量化评估工具。
　　市场共识在于，选品、配置、理赔是保险服务的三个核心环节。记者注意到，在此次推出省心配后，蚂蚁保在互联网保险服务选、配、赔三个环节均推出了对应性的解决方案。2022年初，蚂蚁保上线金选服务，根据投保门槛、保障范围、性价比、服务理赔和公司经营五大维度选品，降低了用户选择保险的隐形门槛；针对保险理赔难的突出痛点，蚂蚁保在同年推出安心赔，进一步探索在理赔效率和流程标准化上提升。
　　中国人民大学中国保险研究所所长魏丽认为，由于保险产品的认知门槛高，这三个环节的服务优化能极大节省消费者的决策精力和成本，有助于提升保险行业的消费者满意度和高质量发展。
　　需要看到的是，受制于保险行业分散存储瓶颈，虽然上述AI配置服务相较单一保司已经有大幅扩容，但仍存在一定的数据局限问题。此外，严捷透露：省心配目前仅覆盖了人身险最主流四大险类，未来在迭代过程中，还将进一步将算法迁移到财产险等领域。