消费升级、中产崛起、AI加持，互联网保险迎来新机遇

本文来自“本翼资本”，作者 陈运红。原题目《本翼为何认为互联网保险面临大机遇》

一、从保险的发展机制看保险行业的机遇

传统保险行业的主要商业模式是在负债段是靠尽量低成本的保费收入；在资产端则是靠保费收入进行投资产生资本收益。以上是保险公司真正的盈利模式。

传统保险发展机制很大程度上取决于其投资收益率稳定程度，当投资收益率越大，越能激励保险代理和销售渠道的动力。同时投资收益率的提高能间接提升保险的赔付率，从而吸引更多的消费者续保及增加新保险，进而扩大保费规模。而过去保险投资收益率一直在大幅波动之中，进而导致它的赔付率和客户满意度呈现大幅波动，最终使得中国的保险深度一直在3%~4%之间徘徊。

图1显示的是中国2002年-2015年的保险深度数据与险资的平均收益率的关系。可以看出，保险的渗透率基本是以随着险资收益率的波动方向而波动的，并且大约滞后一年左右。

因此要保持保险行业健康持续发展有以下几个条件：

第一个，能够促使保险行业健康发展的驱动力是资产收益率要稳定在一个平稳的合理区间，最好保持在5%至8%之间，并且这个收益率要高于银行存款收益率和银行理财产品的收益率，资产管理能力已经成为评价保险公司综合竞争力的核心指标；

第二个，规模经济是关键。因为保险的保费是通过概率，基于大数原理，所以当用户数越多，成本就越低，边际成本将不断下降。成本的下降促进产品规模扩大，对客户的吸引力将大幅提升，最终实现规模经济。而人工智能和互联网有助于降低负债端的成本，有助于实现规模经济。

2.从资产收益率的趋势判断保险行业的机遇

未来的收益率的增长趋势，从宏观经济来看目前2017年是一个过度年。不论是中美关系的梳理，还是从国内经济的改革进程上来看，2017年都是一个过渡年。而从2018年开始的5~10年，是中国进一步改革和中美关系进一步紧密的过程，总起来看是向一个好的趋势发展。而从股市来看，2017年是一个底部，2018年之后的5~10年是一个探底回升的过程。这个平稳增长的宏观经济和资本趋势对保险业长期发展是极大的利好，稳定的宏观金融环境保证了保险资产收益率的稳定，保证了保险行业的大发展客观要求。

3.从保险行业深度判断保险行业发展空间

保险深度=保费收入/GDP。按目前统计美国保险深度为8%、中国为4%、日本为11%、北欧最高为15%。全球均值为7%。

但当有了人工智能和互联网，将会提高效率、用机器替代人力、降低成本、整体降低了保险门槛，使得保险用户数大幅增长。虽然单个保费降低，但是给保险产品带来极大创新空间，增加了保险产品品种。最终随着未来互联网和人工智能在保险行业的应用，受人工智能和互联网的影响，全球保险行业的深度都会提高。

中国保险行业还受益于两个经济基本面的大趋势：

（1）消费升级，大环境经济的增长将会带动人均收入的增加，进而带动消费升级。影响保险深度的主要是保费收入，保险消费分为刚需（车险、意外险部分）和可选需求，后者可能更大一些。中等收入人群是购买保险的核心团体，所以随着中等收入人群收入的增加，消费升级，保费消费将从可选需求向刚需转变。

（2）中等收入人群的崛起。保险行业的深度与中等收入人群收入占GDP的比例高度正相关，消费升级带动中等收入人群的崛起，中国是未来中等收入人群崛起势头最好的国家。目前中等收入人群总体规模在2亿人，未来会上升到5亿以上，保险行业的潜在客户呈现极大市场空间。

二、人工智能可以为保险行业发展带来新动力

正如人工智能可能会是整个互联网金融行业的“救世主”一样，保险行业面临的这些问题可能也需要人工智能来解决。人工智能(Artificial Intelligence)技术的定义是它是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新的技术科学。通过研究学者一般认为，类似于智能生命这样的“智能”现象，本质上是复杂系统的一种“涌现”属性（emergent property）。它强调了一种只有在宏观具备但不能分解还原到微观层次的属性、特征或行为。单个的分子不具备生命特征，但是大量的分子组合在一起形成细胞的时候，整个系统就“活”了起来，这就是典型的涌现。因此类似地，通过大量计算机的并联，同样也可以实现一定程度上的“智能”。而这就是我们目前所处于的“云端智能”时代实现人工智能的技术原理。而之所以近些年才不断地取得进展，是因为在互联网的成熟后才能够实现大数据的积累、算法的更新迭代和硬件计算能力的提升到一定水准后才为云端化的人工智能的发展和规模化应用提供了可能。

云端人工智能较为擅长提供一对多的服务，但目前人工智能在应用领域的发展还多处于“专用阶段”，无论是人脸识别、视频监控、语音识别都主要应用于完成具体任务，覆盖范围有限，产业化程度有待提高。而技术要与商业连接起来，最重要的还是找到合适的应用场景，提供实质性的价值，比如机器对于人类工作效率的提升、或者能够在高风险系数的工作中代替人类。

2.人工智能在保险行业中可以广泛应用

通过对人工智能理念的理解，我们可以发现，保险行业会是一个比较容易与AI技术相契合的点。具体来看上面所说的两大难点：

对于渠道的创新，在于人工智能具备信息获取和信息处理能力，并且这样的能力可以“一对多”地发挥作用。因此对于保险的销售具有一定的帮助，客户可以像面对真正的销售人员那样面对AI、从AI那里获得帮助。而互联网保险只能做到将繁琐的保险条款挂在网页上；

在产品的创新方面，人工智能技术可以通过大数据精准分析和定位用户，细分保险标的和风险因子，实现产品的定制化和定价的个性化，而不是像互联网保险那样简单地把传统保险产品搬到网上售卖。

人工智能保险可能可以解决包括现在火热的互联网保险都不能解决的保险行业瓶颈，所以可能是整个保险行业的一个历史机遇。而目前市场上真正能够实现在保险行业中应用的AI技术还没有实现。从这个角度来说，目前很多大小公司正处在一个相同的起跑线。没有谁比谁更先进，在这点上，那些创新拥抱新科技的公司更有机会抓住历史机遇。

三、人工智能对保险行业的总体影响

从上文的讨论中可以看出，人工智能对保险最重要的提升是渠道和产品两个方面，为了更全面地概括人工智能技术对保险行业的影响，本文从以下三个角度来讨论人工智能技术对保险行业的影响。

1.保险的专业性方面的效率提升

（1）在负债端的帮助：

众所周知，保险公司也是典型的杠杆交易者。其负债端主要是不同期限的保费，资产端则是银行存款、债券、权益类资产或另类资产。因此，保险公司一方面需要控制负债端的资金成本，一方面要尽量在资产端提升收益率。而负债端的主要成本除了基本的约定收益及出险赔偿外，还包括退保、满期给付等。而目前占总保费收入比例超过8成的分红险、万能险，其向客户保证的收益率都是达到甚至超过同期银行理财产品的收益率的。

在此基础上再加上各类赔偿和给付的成本，保险公司的负债成本在国内金融机构中属于更高的水平。若经济遭遇下行，保险行业将面临很大的经营压力。因此，对保险公司而言负债成本控制将是非常重要的命题。这一方面需要寄希望于利率市场化，使得金融机构能够准确地把握利率中枢，另一方面则需要通过大数据，使得保险公司对出险额概率的把握更加准确。

（2）在资产端的帮助：

决定保险公司利差收入的一方面是负债端的成本，另一方面则是资金运用即投资收益率。保险资金的投资范围一般较为广泛，因此平均收益率高于银行理财资金。如果分析保险资金的具体的运作方式，则可以看出，其中各类投资的比例较为平均且固定，每年变动不大，并且银行存款、债券占比较高、股票比例则明显偏低。说明当前我国的险资运作仍然偏向保守。并且据了解，许多保险公司的资金仍然是通过投资外包的低效方式进行运作。因此我们相信人工智能在资产端的投资决策等方面具有巨大的发挥空间，如果在投资效率上能够大幅提升，相信收益率也能够有很大改观，并最终体现在行业的盈利水平上。

（3） 在风险端的帮助：

保险公司与其他金融行业不同，在业务经营中容易发生道德风险（如带病投保、骗保等）这类无法准确估计的风险，并且一旦发生，损失往往非常巨大。这也是为何传统保险公司不愿意轻易扩大经营范围和产品种类。而在核保理赔、反欺诈等相对标准化的业务上，人工智能都可以提供非常大的支持，从而提高保险行业的效率。通过机器识别参与保险核赔，降低骗保风险。而这又可以帮助保险公司规避许多不必要的成本。

2.为用户定制个性化方案，有助于保险普惠

人工智能能为用户提供从保险产品设计，核保理赔，到销售及后续等一系列服务，可以部分甚至完全代替现有客服，解决保险销售的专业性问题。一方面可以与现有的销售人员相辅助，通过数据的训练和录入去指导保险销售人员，进而给用户提供合适的保险解决方案。比如，当客户问到非常冷门又专业的问题时，系统能够给予支持。当人工智能技术足够强大后，可以针对用户的家庭情况、收入情况、理财风格和未来规划等因素，分析出用户各个阶段的保险需求，将用户需求与市面上大规模的保险产品数据进行智能匹配，继而直接为用户提供最适合、最具性价比的个性化保险方案。这样基本上可以解决保险行业的代理人问题，并最终推动保险行业在渗透率上得到本质提升。

3.完善行业基础设施

根据《国务院关于加快发展现代保险服务业的若干意见》的定义，保险业基础设施一般包括社会保险意识、保险信用体系和数据积累、交易平台和服务支持机构等。从发达保险市场的运作经验来看，保险行业的健康发展与完善的基础设施密不可分，包括保险风险数据库、资产交易平台和风险管理支持机构在内的完善的行业基础设施既是保险业健康发展的重要支撑，更是现代保险业的重要标志。而我国与发达国家相比保险业基础设施完善程度还相距甚远，而这已经成为制约行业发展的主要因素。其中最为突出的问题就是保险风险数据库不够完善有效。保险风险数据库主要由行业经验生命表和疾病发生率表等各类保险基础数据组成。生命表和疾病发生率表在以往主要由基于居民的死亡数据和疾病数据等单一统计数据的经验归纳得出。而在未来，可以通过人工智能对海量数据的运算来完成，除了寿命等直接数据外，包括环境、经济等外部数据也会加入考虑范畴，甚至可以对个人进行个性化预测（通过基因测序等数据），从而能够得到更加准确的死亡或疾病风险估计数据。这对保险行业的发展是非常直接的促进。

四、人工智能保险的局限性

虽然人工智能技术与保险行业相结合所带来的前景十分广阔，但我们认为人工智能保险依然具有一定的局限性，并不能解决所有问题，也非保险行业的终极形态。这主要是由人工智能技术本身的局限和保险行业本身的局限两方面决定的。

1.人工智能技术所带来的局限

（1）效率问题

目前的人工智能还处于初级的云端智能阶段，需要大量数据的持续喂养及训练。而这些数据的获得往往会成为一个行业的瓶颈，如果没有大量的闭环数据或者持续数据来训练这个系统，人工智能保险可能难以为继。

现在保险行业的情况是数据的割裂非常严重（类似银行体系，甚至更差一些），几乎没有公司有特别完整的数据可以产生，有些公司得意自己有很多数据，身份信息、手机号码，他在哪工作等等，但是这些数据并没有太大的用处，我们需要更闭环、更完善、更持续的数据，才能够将人工智能保险推到更高的高度。

（2）安全问题

金融业属于系统重要性行业，云端人工智能实现的服务的稳定性和安全性，尤其是是否会造成信息泄露或计算错误等问题仍然有待评估。

2.保险行业本身的局限

（1）健康与人寿保险：

未来随着技术的进一步进步，对投保人的健康情况乃至基因组序列信息可能都可以被收集，以便保险公司厘定更加个性化的费率。但反过来，信息也变得更加透明，整个保险业的毛利率可能会下降。

（2）汽车保险：

未来随着人工智能技术的提升，如果无人驾驶车逐渐成为主流的交通方式。则交通事故的发生率将大幅降低，整个汽车保险行业规模可能会大幅缩水。

（3）其他财产保险（如农业险等）：

在万物互联时代，通过无人机及无处不在的传感器、安防装置，许多信息可能会第一时间被收集，风险也会更快地被获知（例如长周期的天气预报等）。因此人们对财产损失的担忧会不断降低，对财产保险的需求也会大幅降低。

3.保险行业监管层的限制

无论国内还是国外，金融产品或者服务一定是要被监管的，且有准入门槛。金融科技公司不是持牌机构，因此，不能直接向客户提供金融产品或服务。因此虽然这类公司在人工智能技术方面具有巨大的先发优势，但一旦涉足保险行业可能会带来巨大的冲击和一些未知风险（类似余额宝）。当然，不排除有些金融科技公司做大以后收购一些持牌公司，但毫无疑问是要接受监管，并且监管层也需要随之提升监管的时效性。