泰康和百度智能云为何相互需要?
【深几度·产业数字化系列】
撰稿|吴俊宇
审阅|翟鑫源
「摘要:泰康自身数字化步伐还在加快。百度智能云则是面临拓展客户、售出解决方案的诉求。双方在技术、战略上都具备长期合作的基础。泰康这类企业,是百度智能云未来需要着重开拓的 KA 客户。」
01
转型诉求
金融保险机构数字化是目前探索最远的领域之一。
国家政策对金融保险机构提出了转型要求。金融保险机构利润率较高,有较强技术探索动力。过去几年的上云潮流为保险机构数字化奠定了基础。再加上 AI、云等领域的技术投入也带来了增效降本的实际成效。
普华永道 2020 年发布的《保险行业数字化转型研究报告》中提到,保险行业数字化转型业务能力遇到重要,其中涉及领域包括:
数字化产品创新,典型实践有产品原子化及组装创新、 产品多层次精细化定价及核算、产品全生命周期管理;
数字化风控,通过大数据分析建模及机器学习技术,识别承保、理赔业务中风险模型,实现全流程 风险控制;
数字化财务,探索智慧 财务相关的技术和工具来代替基础工作,从而释放更多空间至经营分析端;
艾瑞 2021 年公布的数据显示,保险机构技术投入增长增长率长期在 10%以上,未来三年的平均增长速度在 15%左右。
金融保险机构和云与 AI 企业之间的合作关系正愈发紧密。泰康与百度智能云之间的合作正是代表性案例之一。
对泰康这类需要技术创新、业务拓展的公司而言,智能化不可避免。近年来,泰康一直在强调技术创新的重要性。
为改变传统管理模式和思路,泰康正在不断转变观念、引进人才。目前,中高层已普遍具备现代化、国际化、互联网化的思维。
截至 2020 年底,泰康保险集团累计服务个人客户超 3.56 亿人,服务企业客户超 42 万家。每天需要处理大量理赔案件。提升效率和提高用户体验是其面临的重要问题。
2020 年 7 月,泰康和百度智能云共同搭建智能理赔项目已经完成一期建设。
泰康负责这些技术研发与落地的人正是刘岩博士。刘岩是泰康保险集团科技中心科技研究院院长。
随着 AI 的技术浪潮,以及集团对创新业务重视,刘岩于 2016 年加入泰康,主要负责 AI 技术研发和产品化工作,主持建设了金融行业首个人工智能平台群,包含语音分析、图像识别和知识图谱等平台。
泰康和百度之间的合作是在刘岩进入泰康后开始逐渐深入的。
2017 年泰康与百度签订了战略合作协议,2019 双方成立了联合创新实验室,双方在合作逐渐加深之后,逐渐进入了联合研发,培养了大量产品经理、算法技术乃至研发人员。
刘岩亲眼见证了泰康与百度智能云几年来合作的全过程。
泰康和百度智能云的合作也随着时间的推进,步入了新阶段。
02
产品合作
泰康和百度智能云之间有大量合作。
泰康正在持续进行保险业务向线上迁移,作为强监管领域,其中有大量问题需要解决。
客户身份认证让人脸认证是其中的刚需。
人脸识别项目合作在 2016 年就已经展开。人脸认证不可避免会遭遇攻击行为,这意味着泰康与百度之间需要不断升级系统安全模型。
泰康在 2016 年 12 月上线了基于百度智能云金融云开发的人脸识别一期项目,用于线上回访和回执两个业务场景,包括人脸识别前端、公安比对、业务衔接及后台管理等功能。
泰康人脸识别项目上线后一直保持着稳定顺畅运行,性能、准确率和并发量都能满足业务需求,并在系统运行期间,顺利解决了大量不曾预料的场景和突发问题。
这一项目对人脸识别准确率、并发率、混合云部署及整体解决方案的提升在行业内具有标杆意义,推动了中国保险科技的发展。
OCR 识别则是双方突破的另一个重点项目。
泰康与百度智能云联合研发的 OCR 技术实现了财务共享中心效率提升 110%,实现了 8 类票据类型的智能化识别,票务覆盖面高达 99.2%。
传统的人工采集效率低,成本过高。想要改善理赔流程,对客户资料上传过程的实时反馈以及对票据的准确识别是两大关键。
泰康业务范围全面涵盖人身保险、互联网财险、资产管理、企业年金、职业年金、医疗养老、健康管理和商业不动产等多个领域,不同的业务办理,需要在不同的系统中进行查询、录入和审批。
由于系统繁多,在保险业务的承保、核保、缴费生成保单及打印等一系列流程中,需要人工多次登录查询,重复对不同表单进行手工录入,导致业务效率低下。
针对以上问题,泰康和百度智能云联合研发了 OCR 平台,把卡证类和财务类等相对规范的票据都实现了自动化采集。OCR 整体采集准确率可以突破 98%。
过去保险行业有部分保全业务人员,所谓“保全”指的是:客户身份认证有误后,“保全”会负责客户保险业务的办理和更改。上线 OCR 平台之后,“保全”岗位可以不再设置。
OCR 技术落地真正的难点在于医疗影像类,目前市场平均准确率在 70%~80%之间。远低于上述规范票据。背后的原因主要是三块
医院自身的复杂性:全国二级以上的医院有接近 4 万家,通常有 34 大类票据,每一家医院票据的版式、字段名称都不一样。
保险公司业务特点:保险公司受理被保险人理赔申请时,一般会要求被保险人提供理赔材料,保险理赔人员会将这些信息录入到 IT 系统,形成电子记录。
客户流程不熟问题:资料提交阶段,由于客户流程不熟,理赔资料可能会出现残缺不全等现象。审核人员需要审核补单,导致理赔周期拉长。
双方共同实现了门诊发票、住院发票、费用清单、结算单、病案首页、出院小结等 6 大类医疗影像,已覆盖全国 31 个地区,3 万多家医院。
这又是一次具备代表性的合作案例。
03
联合研发
泰康和百度智能云之间的合作还在进一步深入。双方甚至到了联合研发,百度智能云方面驻场办公的阶段。
泰康科技研究院下设四大实验室,各实验室负责相关项目的推进,产品定向研发和业务支撑,分别主攻四个重点产品方向:
机器感知实验室,负责视频分析、图像识别以及实体机器人;
图文分析实验室,与 OCR 技术相关;
计算语言实验室,负责语音识别合成、语义理解以及人机交流与问答;
知识推荐实验室,主要负责知识的挖掘、搜索和推荐。
这四大实验室都与百度智能云有合作,百度智能云研发工程师驻场,和泰康之间共同应对产品创新。
刘岩介绍,选择百度智能云作为合作伙伴,主要基于四个维度的原因。
共享共建,双方共同孵化产品,可以产权共享、能力共享。这也是泰康最重要的考虑因素;
泰康与百度智能云开发人员和商务人员间的互信关系。百度方面重视产品落地,然而行业内部分同类企业的策略则是偏商务导向,这容易给产品规划带来战略误判;
百度智能云的产品平台化能力。百度涉足过大量 ToG、ToB、ToC 项目,产品考虑相对深远完善。工程团队具备短时间集团作战能力,常规中小企业无法比拟。
由于泰康倾向于与性价比较高的企业进行合作,综合考量之后百度智能云属于性价比相对较高的一家。
刘岩在采访中一直强调 AI 的“一事一议”、“场景多变”。在他看来,算法跑了 1000 米,产品化还有 9000 米。
原因在于 AI 应用产品定制化程度极高,必须要深入合作、联合研发。
以 OCR 能力为例,单纯谈 OCR 能力强大缺乏说服力。AI 的应用需要在特定数据、特定场景下展开阐述。部分 OCR 产品在不同场景和数据时会有不同的表现。
落地到医疗票据识别这个场景中,全国有上万家医院,每家医院的医疗票据、历史数据以及更新板式都不一样,在产品开发过程中,往往需要生成基础模型,根据基础模型具体到每个地区、每家医院的特点进行模型优化。
恰恰是因为 AI 产品应用解决方案倾向于一事一议,无法用成熟产品适配所有场景,联合研发往往是最优解决方案。双方研发团队混编,这种合作模式更为深入。
联合研发也让泰康与百度智能云在合作时能够共同孵化具有高应用前景和价值的产品。
04
未来方向
保险数字化的市场需求还在进一步扩大。保险数字化启动之后,步伐则会加快。
艾瑞测算,2020 年保险数字化升级服务市场规模为 2800 亿元,这一市场保持着 30%的年复合增长率。
对泰康和百度智能云而言,当下是重要的转型时机。
泰康自身数字化步伐还在加快。百度智能云则是面临拓展客户、售出解决方案的诉求。双方在技术、战略上都具备长期合作的基础。
恰恰如此,泰康和百度智能云之间的合作瞄准了未来发展方向。
2020 年 10 月,百度与泰康双方高层曾经进行会谈,双方围绕保险、金融、本地生活服务、营销和客户等方向探讨合作。
泰康保险集团总裁兼首席运营官刘挺军在当时那次会谈中提到,未来人工智能技术主要在健康险、医疗、养老等产业链和供应链条较长的领域。
刘岩称,人脸识别与 OCR 相关技术事实上还可以进一步深挖。泰康和百度智能云近期在自然语言理解和知识图谱方面还在寻找合作点。
泰康将要发力医疗板块、养老板块和健康板块。这也意味着泰康未来需要定制的技术方案将更为前沿且复杂。尤其会涉及医学知识图谱、医学自然语言理解与处理技术。百度在这一领域积淀相对深厚。双方优势互补,能够推动产品快速孵化落地。
事实上,对百度智能云而言,和泰康之间的合作也极其必要。
百度智能云当下需要拓展公有云领域的市场,还需要与客户定制联合解决方案,以此获取利润。
泰康是百度智能云的重要客户。如果能够就公有云、解决方案定制实现长期合作,不仅可以在行业内树立标杆,未来营收还能保持续稳定增长。
百度智能云在 2020 年提出了盈利要求,多家券商也在对百度云与 AI 业务进行单独估值。在当下,百度智能云可被视为百度未来重要引擎之一。
作为引擎,客户必不可少。泰康这类企业,是百度智能云未来需要着重开拓的 KA 客户。
这将是支撑百度智能云未来发展的基础之一。
版权声明: 本文为 InfoQ 作者【吴俊宇】的原创文章。
原文链接:【http://xie.infoq.cn/article/9d9718f8aafb6e4298eb6e752】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论