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。

   新财网对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。读者应详细了解所有相关投资风险，并请自行承担全部责任。本文内容版权归新财网投稿作者所有