30多种套路让险企防不胜防 车险欺诈年涉案200亿

（原标题：30多种套路让险企防不胜防 车险欺诈年涉案金额200亿元 ）

“我国车险欺诈是保险欺诈的重灾区，车险欺诈渗漏在保险欺诈中占比高达80%，保守估计每年涉案金额高达200亿元。车险常见欺诈类型有摆放现场、酒驾、毒驾调包等30多种，保险公司防不胜防，损失巨大。”这是中国保险学会与金融壹账通近期联合发布的报告中提到的一组最新数据。

尽管车险领域欺诈频发，但随着大数据、人工智能等科技在保险领域的应用，这一现状有望得到缓解。明觉科技保险事业部总经理张帆对《证券日报》记者表示，在互联网、大数据等新兴技术的推动下，通过科技的力量去转变保险业所面临的诸多问题是未来的一个大趋势。

同样，针对传统保险业发展中出现的欺诈比例高等痛点，金融壹账通董事长兼CEO叶望春表示：“高速发展的保险科技，为保险业提供了转型的突破口和新的发展机遇。云计算、大数据、物联网、人工智能和区块链技术已经进入保险的核心业务流程，覆盖包括产品设计、售前承保、理赔、售后服务、销售风控等各个环节，并取得了一定的效果。”

车险欺诈呈现三大特征

保险欺诈一直是保险业的顽疾，根据国际保险监管者协会测算，全球每年约有20%-30%的保险赔款涉嫌欺诈，损失金额约800亿美元。

从我国的情况来看，随着保险公司业务的发展，各种潜在的欺诈风险也随之增加。其中，据上述中保学报告数据显示：我国车险欺诈是保险欺诈的重灾区，车险欺诈渗漏在保险欺诈中占比高达80%，保守估计每年涉案金额高达200亿元。

总体来看，据中保学上述报告显示，我国车险欺诈具有三大特征。

一是欺诈形式多样化。车险领域欺诈风险集中，据统计，车险常见欺诈类型有摆放现场、二次碰撞、故意出险、虚报盗抢、驾驶员酒驾或毒驾调包、重复索赔等30多种，保险公司防不胜防，给保险业造成巨大损失。

二是欺诈手段专业化。以车险欺诈为例，据保险公司统计，以汽修厂、4S?店或二手车行人员为主的职业型欺诈和顶包案件占了大多数。车商等专业人员利用保险公司政策和管理的空档，通过故意制造交通事故、编造未曾发生的交通事故、提供虚假理赔材料等手段进行诈骗。

三是犯罪主体团体化。近些年，保险欺诈从以往的“个案偶发类”逐渐演变为“团伙蓄意类”。车险欺诈以传统修理厂为主体的“配件倒换”、“套用旧件制造事故”等常规方式，转化为多主体（包括修理厂、二手车商、黄牛等）利用维修车辆资源进行拼凑事故（将同为单方事故的两辆车，拼凑为两起双方事故，在不同保险公司进行赔付）、利用高价值二手车故意制造全损事故等方式，手段隐蔽专业、作案金额更大，也加大了保险公司取证和打击的难度。

险企应对策略较单一

面对多样化的欺诈手段，保险公司应对策略却比较单一。

目前大部分保险公司主要依赖查勘、定损、核保、核赔人员的主动发现来识别风险。多样化的欺诈手段对于人员经验和技能要求极高，不仅人力耗费大、成本高，还可能引发人为的欺诈渗漏风险，传统的风险管控方式已经无法满足当前高速发展的保险市场的要求。

传统核保和理赔环节需要耗费大量人力物力，以某排名前十的财产险公司为例，仅理赔运营人力就有15000人。投保人利用信息不对称骗保、与第三方机构（中介或医疗机构）合谋虚假理赔、赔偿金被冒领等问题时有发生，保险公司不得不加大人力投入以减少保险欺诈损失。数据显示，中小财产险公司的人力成本超过15%，是险企管理费用居高不下的重要原因。

此外，2019年，调研机构FRISS针对全球150多名保险行业专业人士的“保险欺诈调查报告”显示，有67%的保险公司仍需通过“工作人员的经验”、45%的公司仍需依靠“理算员的直觉”来检测欺诈案件和识别高风险客户。但是，保险业务发展过快、行业人员流动加快等问题，也导致目前很多工作人员专业技能缺失、经验不足，对欺诈类案件识别和处理能力不足。随着保险业务的不断扩展以及科技的进步，保险欺诈渗漏手段不断翻新，仅依靠工作人员的工作经验已难以解决欺诈问题。

除上述几大问题外，在保险公司反欺诈的抗击战中，存在诸多与数据相关的挑战。数据质量差、内部信息割裂和外部信息难共享等问题增加了行业和企业的风控难度。

险企已先后介入智能风控

2018年以来，随着保险科技与保险行业的深度融合，保险行业开始进入“智能风控阶段”，深度应用人工智能、大数据、区块链和物联网等技术。

智能风控管理的核心是基于智能算法，运用合适技术，以“电脑”协助“人脑”自动进行一系列风险管控操作，从而准确快速、全面有效地实施各业务环节的风险识别、风险评估、风险预警和风险处理等。

上述中保学报告提到，智能风控改变了过去以合规、满足监管要求为导向的风险管理模式，强调用保险科技降低风险管理成本、提升客户体验、优化风控效能。相对于传统风控手段，智能风控优势明显。第一，智能风控拥有海量风险规则支持风险筛查，全面覆盖人工筛查容易遗漏的细小风险规则；第二，针对高风险案件环节，设置风险预警方案及时预警，防止风险向后流转；第三，为应对客户对风险管控的不同要求，可灵活修改及配置引擎规则中把握风控程度的阈值，实现个性化风险管控；第四，根据案件调查结果反馈及多维数据输入，机器可不断学习进化与迭代，提升风控精度，并应对不断新增的风险类别。

《证券日报》记者发现，目前保险公司产业链的各参与方都已经不同程度地介入到保险智能风控的相关领域。首先，从监管机构来看，支持新技术在保险风控中的应用，在《反保险欺诈应用指引》中明确指出，“保险机构要利用大数据分析、云平台等技术以及风险信息库和历史档案等数据，构建规则、模型、欺诈网络分析等针对个案或团伙欺诈的智能识别系统”。其次，从保险公司来看，大型公司都在智能风险管控转型上持续投入资源，积累起较丰富的实践经验。最后，从行业第三方机构来看，多数公司都开始投入大量资源，在客户风险评价、理赔反欺诈等方面做出积极尝试。