车险理赔员遇上新科技："三车循环撞"假象现形记

（原标题：车险理赔员遇上新科技：“三车循环撞”假象现形记）

图/宋文辉 摄

7月9日，平安产险北京分公司车险意健险理赔部区域经理丁宝刚又在忙碌着。作为一名理赔人员，他的工作需要第一时间赶往事故现场，有时危险系数也不低。

每当遇到大雨和冰雹等天气时，丁宝刚的工作便格外忙碌。“一次，北京通州局地出现大雨和冰雹，当晚我们的车险理赔报案激增到2000多笔。为此，七八个理赔人员两周连轴转地工作，每天早上8点多些开始工作，直到夜里将近11点才能下班，终于妥善处理好这些报案。”丁宝刚对21世纪经济报道记者介绍称，“我们在现场一边拍照定损，一边接听电话，有时真恨不得自己能有三头六臂。”

“大家都希望在最短的时间内解决问题。现在随着新技术的运用，无论是对我们，还是对客户而言，车险理赔都便捷了许多。我从业7年时间，感觉不断在刷新自己的知识体系，尤其是这几年，希望新技术能够更广泛地运用于车险理赔中。”丁宝刚表示。

诚然，科技正在赋能保险业。

“希望新技术更广泛运用于车险理赔”

21世纪经济报道记者在采访中了解到，传统车险理赔，客户至少需要经历报案、查勘、定损、核赔、理算、支付6个环节。其间，需要接触保险公司理赔人员最少4名，至少先后拨打7次电话，案均结案周期更是长达13天。可见其手续繁琐，流程复杂，由此引发的赔付时效长的投诉占比高达54.7%。传统理赔服务过于依赖PC端，现场作业依赖于字笔记录，无法适用大批量案件操作。

国务院发展研究中心金融研究所教授朱俊生对21世纪经济报道记者表示，“传统车险理赔时限遭诟病较多，原来时限较长，现在由于科技的进步，以及监管部门对车险理赔服务质量的关注，已有明显改善。从全国范围看，各地处理时长差异较大，有的地方短一些，有的地方长一些；6个环节不完全是客户直接面对理赔人员，有的是后台在处理，比如理算、支付环节；理赔时效与损失程度，以及有无人身伤害有关；理赔时效反映保险公司的绩效和品质，除保险公司自身因素外，还有外部因素影响，比如4S店的财务结算流程，客户基于下一期保费的考虑等。”

正因如此，朱俊生指出，“目前，保险科技运用主要集中在销售环节，其实整个运营管理全流程都需要加大科技运用的力度。通过科技运用提高理赔效率，是提升保险服务品质十分重要的方面。”

诚然，“新技术的运用不仅提高了理赔人员的工作效率，也改善了客户的理赔体验。”丁宝刚坦言。

丁宝刚介绍，“在传统车险理赔中，先是坐席客服接听报案电话，然后理赔人员PC端调取信息，再到现场用制式相机拍照取证。现在客户报案入口很多，手机APP、微信小程序都可以，理赔人员也可以通过手机上的工作系统定损，比如可以自动识别驾驶本号、车架号等，不再依赖于字笔记录。再如，可以自动识别零部件损坏程度，要修还是换， 附带相应维修价格。”

“从客户角度看，比如我们有项‘信任赔’的服务，即根据客户驾驶习惯、交通违章、车辆出险次数、车辆维修记录、消费信用等内外部数据，进行建模智能画像评分，授予一定的车险理赔信任额度。如果是在授信理赔信任额度范围内的单方小额事故，客户既不用打电话，也不用到维修点，直接通过手机APP或微信小程序进行定损，拍一两张出险照片，进行人脸识别验证，等待两三分钟理赔款就能到账。”丁宝刚续称。

平安产险提供的数据显示，其单方无人伤案件传统时效10.59天，“信任赔”平均时效188秒。使用“信任赔”后，用户体验指数NPS（净推荐值）达89%，高于传统车险理赔NPS的75.85%；结案率达100%， 平均结案时效为2.16分钟 ，高于单方事故案件10天结案时长。

朱俊生认为，保险公司通过基于图像识别的智能化保险定损以及基于人工智能的数字化核赔理赔新模式，可以提升保险理赔的效率与质量。一方面，保险公司可以利用图像处理、数据挖掘技术等对被保险人或其标的发生的事故进行自动化的分析，通过比对类似案例，细分损失类型，对历史数据进行分析建模，实现对各个理赔申请的评分，可以降低人力成本，提升效率。另一方面，保险公司可以运用人工智能辅助理赔理算。

科技手段防范欺诈风险

保险公司越来越丰富的产品和服务，在满足客户需求的同时，也增加了理赔的案件量。问题随之而来，如何防范花样百出的保险诈骗？

中国保险学会与金融壹账通联合发布的《2019年中国保险行业智能风控白皮书》显示，保险领域欺诈比例高，手段多样难以防范，全球每年约有20%-30%的保险赔款涉嫌欺诈，我国车险领域欺诈渗漏比例约达20%。

2018年4月，为维护保险消费者的合法权益，提升保险业欺诈风险管理的科学性和有效性，促进保险业健康可持续发展及社会诚信体系的构建，原保监会曾印发《反保险欺诈指引》，旨在构建保险行业欺诈风险管理规范和反欺诈技术标准，进一步防范和化解保险欺诈风险。

一位财产险公司车险业务负责人对21世纪经济报道记者表示，目前，车险理赔面临的风险主要分为定损风险、欺诈风险、合约风险三大类，表现形式主要为重复或超额投保和索赔，不实告知，伪造损失、伪造投保和出险时间，夸大或扩大损失，修换标准及尺度不一。

在此背景下，利用大数据和人工智能技术，在核赔环节进行风险识别，提高保险反欺诈能力，成为不少保险公司的选择。

例如，2019年4月，平安产险通过IFD智能欺诈侦测系统、智能审计系统、智能调查系统结合，发现了维修厂员工多次利用自身车辆故意拼凑车险事故骗取保险金。在组织证据链条后，平安产险选择报案，最终将其绳之以法。

具体而言，2015年至2018年三年间，某修理厂员工利用自己马自达轿车多次与私家车发生碰撞，通过IFD社交网络分析系统自动织网，平安产险发现马自达轿车与沃尔沃轿车发生碰撞后，沃尔沃再次碰撞现代轿车。一年后现代再次碰撞马自达，形成了三车碰撞循环，通过IFD网络分析，上述情况存在此网络共计12台轿车。通过车辆、人员、修理厂属性分析得知，相关人员为某修理厂员工及其家属，依据智能调查系统规则部署，对这些人所有历史案件跑批，确认车辆损伤情况属同一作案类型即低端撞高端，通过智能审计系统数据跑批，确认这些人拼凑主要以高端车左/右前角碰撞低端车单侧损失，制造道路强制并线事故。

平安产险提供的数据显示，其通过智能规则、模型累计识别风险案件43万笔，打击欺诈案件超过75000笔，实现智能欺诈减损26亿元。智能审计查杀风险修理厂397家，第三方149个，欺诈团伙406个，其中移交司法244人，追回金额2087.9万余元。

朱俊生表示，大数据技术可精确识别理赔中可能的欺诈模式、理赔人欺诈行为以及可能存在的欺诈网络，提升反欺诈绩效，降低理赔风险。通过基于大数据和人工智能的保险反欺诈以及基于区块链的风险管理与合规管理，提高保险反欺诈的有效性，降低道德风险和保险欺诈，提升保险公司风险控制水平，实现共赢。