此前36氪介紹了一家計算機視覺企業(yè)linkface，它專注于將圖像識別技術(shù)應(yīng)用在金融領(lǐng)域。《“刷臉”業(yè)務(wù)之后，linkface想幫助金融機構(gòu)更高效地建立個人征信數(shù)據(jù)肖像》文中提到，linkface當時的主營業(yè)務(wù)有兩部分，一部分是提供在線人臉身份認證服務(wù)，另一部分是通過挖掘單體深度人際關(guān)系，為金融機構(gòu)提供更精準的客戶信用評估服務(wù)。

　　linkface產(chǎn)品總監(jiān)白志斌說，目前針對銀行的在線身份認證和針對金融機構(gòu)的征信服務(wù)已經(jīng)穩(wěn)定運行中，linkface已和50多家金融客戶建立了合作關(guān)系。

　　現(xiàn)在linkface正在聯(lián)合多家大型保險公司，希望將基于深度學習的圖像識別技術(shù)應(yīng)用在車險、農(nóng)險、壽險等領(lǐng)域，其中占產(chǎn)險行業(yè)七成以上市場份額的車險是linkface的關(guān)注重點。

　　白志斌告訴記者，在車險行業(yè)，大數(shù)據(jù)技術(shù)和基于深度學習的圖像識別技術(shù)可以應(yīng)用于兩個主要環(huán)節(jié)——前期的銷售營銷環(huán)節(jié)，以及后續(xù)的核保及理賠核損環(huán)節(jié)。

　　針對前期的營銷環(huán)節(jié)，linkface希望可以根據(jù)潛在客戶的畫像，針對性地提供產(chǎn)品營銷服務(wù)。在提升客戶服務(wù)體驗感的同時，也增加保險的營銷購買轉(zhuǎn)換率。“保險的精準個性化營銷服務(wù)和我們之前做的客戶信用評估服務(wù)，其實從基礎(chǔ)技術(shù)原理角度來講是相同的，都是通過單體的多維度信息來刻畫用戶畫像，而linkface在這個領(lǐng)域已有一定的技術(shù)積累。”白志斌說。

　　不過僅幫助保險公司賣出更多的保險顯然是不夠的。以linkface重點關(guān)注的車險行業(yè)為例，當前全行業(yè)車險處于微利和虧損之間，除了市場競爭環(huán)境影響外，還有各家保險公司的管控水平。管理集中度越強、基層操作彈性越小的公司，往往車險的盈利就越高。白志斌告訴記者，他們希望通過技術(shù)手段減少人工干預，進而降低保險理賠率，提升保險公司的營收。

　　而想要減少人工干預、降低理賠率，就需要從兩個關(guān)鍵環(huán)節(jié)入手——核保(決定是否承保)和理賠核損(勘驗損傷情況、是否存在欺詐)。雙核崗位在車險管理中技術(shù)含量最高，需要工作人員長時間的實踐積累。傳統(tǒng)的核保和理賠核損方法，都是人工在現(xiàn)場采集標的全方位信息，然后回傳到公司，并由專人進行車輛情況的評估。這種方法服務(wù)效率低且成本高，而且人工操作不可避免的會有工作失誤和徇私舞弊，保險公司也很難責任追究。

　　也就是說缺少優(yōu)秀的雙核人員，是改善車險經(jīng)營主要障礙。而人工智能的更廣泛使用必然減少對雙核人員的依賴。

　　據(jù)了解，核保環(huán)節(jié)主要涉及到車身劃痕識別和自然場景下的ocr識別。linkface已經(jīng)完成了算法模型的建立，正在用百萬級的車身圖像數(shù)據(jù)來訓練優(yōu)化算法。在ocr識別方面，linkface在此前的客戶信用評估服務(wù)已完成了技術(shù)積累，此次還加入了語義識別，進一步提升了識別準確度。

　　至于理賠核損環(huán)節(jié)，linkface首先會通過圖像識別技術(shù)，將后臺的標的照片以部位維度進行智能分類，之后使用圖像識別技術(shù)進行損傷程度的評估，并輸出核損報告。

　　白志斌表示，相比于智能核保，智能理賠核損技術(shù)難度更高。因為一旦涉及到理賠核損，車身和部件的損傷一般都比較大，識別難度增加。因此智能核保系統(tǒng)將于近期率先推出，推出初期主要會作為輔助工具使用。另外的智能營銷和智能理賠核損系統(tǒng)也在盡快開發(fā)中。linkface希望可以通過相繼推出的這三個系統(tǒng)幫助保險公司實現(xiàn)最大程度的業(yè)務(wù)自動化，提升效率減少人力成本，并降低騙保概率。

　　除了車險行業(yè)，linkface也在與農(nóng)業(yè)保險和人壽保險公司合作。白志斌表示，這兩個行業(yè)其實和車險行業(yè)思路一樣，也是減少人力并降低理賠率。農(nóng)業(yè)保險方面，可能需要借助攝像頭來獲取標的圖像數(shù)據(jù)，并和后臺數(shù)據(jù)進行比對識別。

　　不過和車險相比，壽險的核保理賠規(guī)則更復雜一些，需要有豐富醫(yī)學經(jīng)驗的人員來操作。尤其是壽險理賠中較為復雜的重疾等案件更需要專業(yè)人士進行判斷。因為可以用來訓練的樣本數(shù)量不夠多，人工智能短時間內(nèi)還不足以實現(xiàn)人工替代。

　　白志斌告訴記者，“在我們看來人工智能應(yīng)用與大數(shù)據(jù)的聚合是保險行業(yè)的發(fā)展趨勢，也是個較大的藍海市場。”