保险业的变革步伐不断加速。
保险公司往往面临着严格的法律及市场监管，对于变革慎之又慎。但普华永道 2017 年全球金融科技调查显示，在所有金融机构里，保险公司在关注金融科技方面表现得最为积极，并采取了各种具有竞争性的应对措施，45% 的传统保险公司已与保险科技公司建立合作关系，而在 2016 年，这个数字是 28%。
而在中国，随着人均收入水平提高和人口结构的变化，保险市场在未来拥有巨大的增长空间。据 Oliver Wyman 报告，中国保险科技市场的总保费到 2021 年的年复合增长速度达到 31.2%。中国的保险密度(人均总保费)和保险深度(总保费与 GDP 比率)高于新兴市场水平，但与发达国家相比还有很多差距。这意味着，保险行业还有许多机会。
36 氪曾报道过的「深智科技」成立于 2017 年，他们选择从车险、农险和寿险三个垂直领域切入保险市场，重点关注承保和理赔两个环节，试图用人工智能对保险业改革提供解决方案。目前已有 6 款产品，包括基于深度学习的车辆识别评估、OCR单证识别、人脸识别，以及之前报道过的农险领域的牛脸识别。其中，牛脸识别目前已进入试点状态，效果良好，运用牛脸检测和耳标号识别功能后，工作人员能够以平均 2 秒一头牛的速度采牛的信息。
最近，深智科技研发了面向针对医疗险理赔环节的的票据识别产品「慧识票」，试图让票据录入环节实现机器自动化。
目前的健康险理赔大致包括录入、理算、理赔和赔付环节，大部分依靠人工处理，其中票据的录入占用了理赔人员大量的精力，还会有计算出错的风险。行业内，有医疗保险第三方管理公司(TPA)能够为保险公司提供处理理赔以及安排医疗费用结算等服务，在票据处理上也应用了传统的 OCR，但通常还须人工核算一次，实际效率提高有限。
而深智的新产品「慧识票」基于数百万张医疗票据图片，应用了OCR、专项数据训练方法和机器学习抽取等方法，来对医疗票据进行识别。在以前，人工录入一组医疗票据大概需要 5 到 10 分钟，但引入「慧识票」后，时间能压缩到 5 秒之内。
医疗票据识别示意图
深智科技产品总监白志斌表示，医疗票据识别领域目前鲜有人工智能公司参与，其难点在于医疗票据种类多，各地标准不统一，为了反欺诈，机器还得涉及大量的理解过程。
首先，健康险涉及到的医疗票据种类多种多样，为机器感知数据增加了难度。以返还型健康险为例，理赔所需的医疗票据包括住院票据、门诊票据、医保分割单和费用清单，重疾险还涉及了诊断书、化验报告、出院记录等等。平均每张票据涉及到 200 - 300 个字段——而传统的票据识别，如发票，涉及到的字段数可能不到一半。
另外，我国各地的医疗系统缺少统一规范，因此，保险公司往往要处理上百种不同模板的票据。让机器来识别数据则要面临票据套错位、褶皱、光线、印章等干扰信息，这些都是需要攻克的难题。
其次，让机器理解数据存在难度。理赔环节中，为了防止欺诈，理赔人员需要比对不同的票据，确定数据无误。因此，机器需要在不同的表格中理解数据所在的相对位置、确定核心关键字到底是哪个。比如，药物清单的各项药物价格相加，总价到底与票据上显示的是否一致?这些都需要机器来理解。
因此，深智科技设置了大量校验规则。相较于人工选择性地对核心数据进行处理，机器能够对全部数据都进行收集，对于保险公司确定来年的业务计划也有帮助。
在推广方式上，「慧识票」一般会为保险公司提供定制化的解决方案，如部署在保险公司内部的 IT 系统上，或采用调用 api 接口的方式。这样一来，保险公司可以减少各地部署定损员的成本，并且也提高了人效。另外，团队支持在客户的服务器上训练模型，因此不会带走客户的数据，为客户隐私提供了保障。
目前「慧识票」已经研发完毕，在山东地区进行试点，并与数家保险公司达成合作，预计将在 6 月上线。白志斌表示，深智科技之后还将继续耕耘保险领域，公司预计在今年第三季度开启首轮融资。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
