数千亿保险反欺诈市场：人工智能寻觅用武之地

（原标题：数千亿保险反欺诈市场：人工智能寻觅用武之地）

随着保险覆盖面逐步扩大，保险欺诈案件数量也逐年递增，且“花样”不断翻新。由此，也诞生出一个巨大的保险反欺诈市场。

但是，随着欺诈越来越隐蔽，保险线上化程度越来越高——传统的以人工核查为主的反欺诈办法似已黔驴技穷，不仅识别率较低，且运营成本高、流程长、客户体验差。

面对保险欺诈带来的惨痛损失，近些年，一些人工智能公司开始与保险公司合作，运用GPS、OCR以及各类人工智能算法，开展智能反欺诈业务。虽然仍面临保险数据共享不充分、个人信息及隐私保护等挑战，但是从业务实践看，人工智能在保险反欺诈领域已找到用武之地，这个数千亿的市场，正等待各路玩家共同开拓。

一、保险欺诈损失惨重

根据国际保险监管者协会（IAIS）测算，全球每年约有20%-30%的保险赔款涉嫌欺诈。中国人民大学教授孟生旺曾指出，我国保险公司在每年的赔款中，至少有10％～20％ 的赔付属于保险欺诈。

更糟糕的是，保险欺诈识别率非常低。

中国人民大学郭春燕博士的研究报告《国内外保险欺诈研究现状分析》中提到，加拿大魁北克省1994年车险欺诈率为9.5%，保险人发现的欺诈比例仅占1/3；西班牙 1993-1996年的车险统计数据中，至少有5%的合法索赔中含有欺诈成分未被发现。

国内的情况更差。根据陕西省保险协会的数据，2021年全年，陕西保协接到28家保险公司报送的涉嫌保险欺诈赔案线索共4497条，涉案总额2.44亿元。从赔付情况来看，2021年全年陕西省保险公司赔付支出338.55亿元。由此计算，陕西省保险欺诈的识别率（涉嫌保险欺诈占）不到1%。这说明保险人缺乏有效识别欺诈案例的手段或者方法。

其中，车险是欺诈作案的重灾区，这也可能是当前车险综合成本率较高的一个主要原因。

冰鉴科技研究院从公开渠道得到的数据显示，2020年，车险行业综合成本率达101%，这意味着从全行业来看，车险经营陷入了暂时性的全面亏损局面。

保险欺诈带来的惨重损失，激发了反欺诈技术的提升需求，也为人工智能科技企业提供了数千亿级的市场空间。

根据银保监会数据，2021年全年保险公司各类保险赔款与给付支出1.56万亿元，同比增长14%。由此计算，2021年保险欺诈规模高达1600-3200亿元。其中，保险公司车险产品因为欺诈的损失达几百亿，甚至千亿元。（2020年我国车险理赔支出合计4725.50亿元）

二、保险欺诈的主要手段

保险诈骗方式越来越隐蔽，团伙欺诈趋势越来越频繁，在车险领域，骗保尤为明显。目前，已发现的保险欺诈主要手段包括以下几种：

（1）多头投保，重复获赔。一些诈骗分子会在不同的保险公司投保，交通事故发生后向不同保险公司重复索赔。

（2）出险在先，投保在后，伪造投保和出险时间。在汽车出险时，尚未投保，出现后才予以投保，然后伪装成在合同期内出的险，以达到获取汽车保险赔款的目的。

（3）无中生有，谎报出险。投保人、被保险人或受益人，在保险期限内对并未发生的损失向保险公司提出索赔的行为。被保险人通过“制造”虚假事故、更换报废零部件、单方事故后再重新伪造双方事故、将本不属于保险索赔范围但事后制造事故骗取修理金等手段实施欺诈。

（4）伪造、变造相关理赔资料进行诈骗。在已经破获的汽车保险诈骗案中就有犯罪嫌疑人私刻公章及民警名章，伪造交通事故认定书等相关理赔资料，骗取赔款。

（5）伪造假的事故责任认定书，或者向交警隐瞒事实真相，骗取警方的事故证明，从而达到犯罪目的。

（6）内外勾结、狼狈为奸，骗取保费。保险公司内部的相关工作人员与汽车修理厂相互勾结，利用小事故造成轻伤的车，通过再次碰撞的方式扩大损失，或者利用已投保车损险的车主，将其例行保养的汽车进行故意碰撞，以此相互勾结，骗取保险公司的高额赔偿。

（7）肇事逃逸、事后索赔。一些客户为了向保险公司索赔，可能肇事逃逸，事后追索赔偿，如酒驾客户。

此外，在医疗保险中的欺诈在中国也非常普遍，例如拿他人的医保卡就诊买药等。此外，就诊时故意选择昂贵的药品，或者勾结医生高估费用事后分成。伪造假医疗服务票据，骗取医保基金或者保险理赔资金。

三、保险理赔现状

（1）理赔时效需进一步提升

目前，保险公司利用科技手段进行反欺诈还比较有限，主要集中在优化理赔方式。

对于一些小额理赔，目前保险公司基本上可以做到一周内赔付。但是，对于一些金额较大的赔付却速度很慢，最长需要一个月，客户体验较差，特别是急需保险赔付费用进一步治疗的客户。

据某保险公司年报披露，健康险的理赔已实现九成以上理赔在线申请，万元以下 “1日赔”，几乎全部的理赔案件都能达到24小时快速理赔时效。但是，据其客服介绍，在收到完整资料后，一般理赔时效是10个工作日，重大或者复杂案件理赔审核需要30天。

（2）理赔审核成本较高

实操中，即使对于一些金额几千元的理赔，保险公司也需要线下审核，需要与客户和就医医院分别进行面谈，确定就医基本信息。

为了控制成本，一般保险公司将线下审核外包给第三方服务公司，但是线下审核成本依然较高。据冰鉴科技研究院了解，每次审核成本需要300元左右，其中被保险人和医院审核分别需要支付人工费150元左右。此外，据某大型财险公司2017年破获的大金额反欺诈案件统计，由保险公司内部理赔人员打假成功的案件，金额和件数占比仅三成左右。

（3）欺诈风险识别能力不足

对于一些金额较大的案件，保险公司反欺诈基本上还是依靠传统的人工审核方式为主。针对大额保险的欺诈处理，多以保险人员个人的经验为主，并从中总结出相应的规律。

此外，冰鉴科技研究院根据公开资料整理了一些典型案例，从表2案例可以发现，目前反欺诈还是比较传统，保险公司严重依赖公安。

种种原因，导致目前保险反欺诈运营成本高、识别率低。中国保险行业协会近日发布了《保险科技“十四五”发展规划》，计划至2025年推动行业平均业务线上化率超过90％，平均承保自动化率超过 70％，核保自动化率超过 80％，理赔自动化率超过 40％。

四、智能反欺诈现状

为了解决多头投保等欺诈行为，监管或者行业自律组织采取多种措施，比如搭建保险信息共享平台，联合公安打击保险诈骗。

与此同时，保险公司纷纷成立科技公司，如平安科技、太保科技、众安科技等，期望通过科技手段改变目前理赔效率低和反欺诈识别率低的现状。

此外，一些保险公司开始与人工智能公司合作，利用人工智能技术开展保险反欺诈业务。不过，根据启信宝数据，截至2022年3月25日，申请了保险反欺诈相关专利并获得授权的机构并不多。其中，保险反欺诈软件著作权共44项，保险反欺诈专利共27项，而获得授权的专利只有2项。

表3：部分保险反欺诈专利

数据来源：启信宝、冰鉴科技研究院

通过整理保险反欺诈专利信息，以及第三方公开信息，目前开展大数据、智能反欺诈的手段主要有：

（1）建立保险共享信息平台，识别多头投保、多头理赔客户

保险信息共享在打击多头投保等方面发挥着重大作用。通过保险共享信息平台，保险公司可以了解理赔申请客户在哪些机构购买了哪些保险以及购买保险的时间、险种等基本信息，从而可以在一定程度上判断客户是否涉嫌保险欺诈行为。对于一些异常情况，与公安合作，可以提高欺诈的甄别率。

2014年开始建设的保险业信息共享平台由中国银保信（全称“中国银行保险信息技术管理有限公司”）建设并负责运营。除此之外，由保监会组织建设的“车险反欺诈信息平台”2016年正式投入使用，使得车险欺诈信息在行业内首次实现了交互和共享，力图利用大数据欺诈识别模型来辅助保险欺诈稽核工作。

（2）尝试UBI车险

为了降低车险风险，一些保险公司呼吁开展UBI车险。

UBI 车险, 全称为Usage Based Insurance 或Usage Behavior Insurance，是一种基于驾驶行为的保险。通过车联网、车载诊断系统（OBD）和智能手机等联网设备采集驾驶者的驾驶习惯、驾驶技术、车辆信息和行驶环境等信息，从而根据人、车、路等多维度进行精准定价，提供更多元和精准服务的保险产品。

引用来源：车险综合改革背景下我国试点UBI车险的路径研究

美国前 10 家保险公司均已推出了 UBI 产品，车联网保单数量约为 1000 万单。此外，车险骗保率较高的意大利，2019年UBI车险渗透率已经达16%。

在国内，鼎然科技与大地保险公司推出基于驾驶行为的U驾保试点工作。此外，为了控制风险，国内的大型货车已经开始全面安装监控设备。据了解，广东省2021年上半年就完成了98.6%的重型货车安装视频监控设备，由保险公司承担安装、设备运维等费用。

远程视频监控设备、UBI、GPS定位等降低了保险公司的理赔欺诈风险的同时，保险费率也相应下降，一些保险公司提供 5% 至 30% 的保费折扣优惠。2021年上半年，广东车险市场单均保费2482元，同比下降19.3%。

国外的UBI车险有三方面优势：

一是反欺诈，对碰撞的力度、角度、 次数等进行数据分析，还原事故真实场景， 进而判断报案的真实性；

二是防盗车，通过设备定位等技术找回被盗车辆；

三是减损失， 实现精准定责、 定损， 快速理赔。

英国车险市场的特点是比价网站成熟、 不同客群间保费差异较大、 消费者对价格敏感，对保险公司的定价能力要求较高， UBI 产品更注重风险的辨别和管理。 一是增强自选效应， 吸引自我认知为驾驶行为优良或车辆使用偏少的用户； 二是主动筛选风险， 使用更精准的行为因子以提高风险定价能力； 三是优化驾驶行为， 监测和分析驾驶行为并给予反馈， 帮助改善驾驶行为。

引用来源：车险综合改革背景下我国试点UBI车险的路径研究

（3）通过深度学习等技术判断理赔照片是否是被修改，识别欺诈

目前，保险公司为了控制人力成本，更多的是让客户通过拍照上传理赔资料。由此，也导致一些欺诈客户伪造事故或者就医照片，而这些照片一般肉眼还难以分辨。

为此，一些保险科技公司、人工智能公司开始利用图像识别、深度学习等技术判断理赔照片是否存在修改。类似于平安科技开发出了一种基于理赔照片深度学习实现保险理赔反欺诈的方法。

（4）利用运营商数据判断是否存在酒驾调包

酒驾出车祸调包时常被媒体报道。传统方法还是基于线下审核人员的经验。为此，一些保险公司与运营商合作，基于运营商数据，建立车险理赔反欺诈系统，在理赔案件核查过程中基于用户通话记录、通话位置等用户行为数据，从不同的角度进行挖掘分析，针对性地对保险报案进行合理评分。

（5）利用各种算法开展智能反欺诈

在医疗保险方面，一些保险机构和智能反欺诈企业尝试利用医疗机构/医生、参保患者、药房、诊断记录等大数据开展医疗保险欺诈识别。一些学者提出了一种基于图分析的医疗保险欺诈检测方法，通过众多利益相关者之间的关系构建知识图谱，识别可疑的个人。

江苏云脑数据科技有限公司开发出了“基于无监督孤立点检测的医保反欺诈监测分析方法”；浙江远图技术股份有限公司研发了“一种基于遗传算法的医疗保险反欺诈识别方法”，利用6种不同的欺诈场景对欺诈情况进行检测，训练样本平均精确度达到99.52％，测试样本平均准确度达到96.38％。

（6）将智能核保不符合要求的客户拒之门外

加强保险销售审查，对于保险反欺诈也有重要意义。首先可以将不符合要求的客户拒之门外，可以有效降低后续管理成本以及欺诈风险。

目前，比较常见的智能核保是通过客户问卷调查、客户体检报告或健康告知来判断客户是否可以投保。以蚂蚁保-重疾险为例，用户投保前需仔细阅读健康告知，以防后期无法理赔。对于健康有部分问题的，可以通过问卷调查来判断是否可以继续投保。

然而，医疗机构、体检机构出具的多为纸质版体检报告，被保险人通常将纸质版体检报告拍照或扫描成图片提供给保险机构，保险机构需先使用人力将重点信息从图片材料中择取出来，才能将相关信息送入核保系统中。

人工智能公司利用图像识别处理技术对体检报告图片进行图像处理和文字识别提取，并对提取的各项指标与检测数值的正常阈值范围进行对比，对超过异常值进行分析预警，给出结论。短则几分钟就可以得出结论，效率远超过传统核保方式。

除了以上科技手段外，在交通事故认定方面，目前一些路段已经安装了高清摄像头，可以清晰辨认交通事故责任人，在一定程度上抑制了车险交通事故的欺诈发生频率。

五、保险智能反欺诈还有哪些问题亟待解决？

（1）技术需要进一步提升

目前居民就医数据量大，但是医疗数据不规范且庞杂，导致难以使用；特别是病历数据，如果是医生手写病历，或者申请理赔的人员拍照角度或者光线不好，对保险公司OCR识别的准确率提出重大挑战。这也是目前部分客户保险理赔较慢的一个重要原因。不过，随着电子病例的不断推广和普及，未来这个问题会得到改善。

（2）算法有效性问题

“常用的大数据驱动的医疗欺诈研究主要集中在统计分析机器学习算法上的使用，如聚类分析、k-最邻近、决策树、神经网络等。但是这些方法具有较高的假阳性，即将正常的医疗记录判断为欺诈记录。” 山东大学博士生孙晨菲在博士论文里提到。保险反欺诈涉及的各类算法如何提升有效性，仍面临重大挑战。

（3）数据共享依然不够

事实上，在医疗领域，全国性质的信息共享平台依然没有搭建完成。为此，2022年全国两会期间，全国政协委员陈赛娟表示：“目前，我国医疗数据共享开放仍然处于初级阶段，大部分数据共享还仅限于单一区域、单一医疗集团内，在国家层面上形成医疗数据共享的案例仍较为少见。”

由于医疗数据共享系统不完善，导致医疗保险欺诈理赔频繁，特别是重疾险等金额较大的险种理赔。

保险公司不得不通过线下调查来降低此类欺诈事故发生率，极大提高了保险公司运营管理成本。

据冰鉴科技研究院了解，目前保险公司获取的理赔客户信息依然比较有限。以某互联网保险为例，为了识别欺诈问题，线下审核人员要求上海的理赔客户提供健康云中近2年的就医情况，包括门诊记录和住院记录。

（4）隐私安全问题

保险企业和科技公司需要利用各类客户信息提升算法和模型的有效性，但随着《个人信息保护法》的正式实施，涉险数据和信息受到更多的法律法规限制，比如客户的行车记录、通讯录、通话详单等信息，未经客户同意不允许采集，这就导致人工智能技术很难充分发挥作用。这也是目前保险智能反欺诈起步较慢的一个重要原因。

六、总结与展望

随着欺诈手段的不断升级，欺诈团伙越发“专业化”，他们深度研究保险公司的系统流程，利用承保和理赔的漏洞进行诈骗，刻意规避现有的防范机制。

传统的反欺诈手段已经明显到了瓶颈期。冰鉴科技研究院认为，保险公司及科技企业仍可以从技术角度降本增效，试举以下2个方面：

（1）利用大数据算法、知识图谱等识别团伙欺诈、医疗机构骗保

对于团伙欺诈，以及医疗机构的骗保，人工智能公司完全可以基于知识图谱及各类算法发现异常，并识别欺诈问题。依托知识图谱中的图关联分析、图计算推理等技术，解决相关领域数据孤岛、数据不对等造成的风险不可控问题，识别欺诈团伙、关联监控、黑产识别等风险，减少保险的损失。

（2）积极利用GPS、保险信息共享平台识别欺诈异常

对于车险领域的骗保，保险公司需要充分利用保险信息共享平台，了解客户是否在不同保险公司购买多份大额保单，并结合保险理赔客户的其他信息加以判断，比如通讯录、车载行动轨迹（GPS）等，通过运营商的数据判断理赔客户是否与欺诈团伙挂钩、是否有赌博习惯。此外，对于大额理赔客户，可以借助于人行征信报告，判断客户的负债以及征信情况。

此外，根据欧美经验，未来UBI车险将可能成为各大保险公司首推产品。因此，科技公司应该积极与保险公司合作，在UBI保险定价及风控方面积极参与。

在涉及用户个人信息及隐私问题时，联邦学习、多方安全计算等隐私计算等技术，也能在保险反欺诈方面发挥巨大作用。此外，保险公司、科技企业可积极与运营商等各类数据源合作，不断训练、提升反欺诈算法和模型的有效性。