金融科技與產業的融合為保險行業帶來產業升級的契機。其中，數據是驅動保險業務的重要資源，而保險企業通過AIoT釋放人工智能和物聯網技術優勢，對業務流程進行再造，挖掘數據潛力，驅動持續創新，提升核心競爭力。

保險行業面臨的新趨勢

保險行業正面臨新的格局調整。一方面，國務院金融穩定發展委員會辦公室發布的《關于進一步擴大金融業對外開放的有關舉措》，推出11條金融業對外開放的措施，讓保險業成本輪金融業對外開放的“重頭戲”。而市場加速開放的同時也意味著更為激烈的競爭。另一方面，在金融科技對整個金融市場的滲透和影響下，人們對金融服務需求以及金融產品服務模式的變化推動保險服務的快速迭代。

面對新變化趨勢，傳統的保險產品和服務方式漸漸地無法滿足客戶需求。在這個過程中，基于大數據、人工智能（AI）、物聯網（IoT）等保險科技成為決定數字時代保險企業競爭力的“殺手锏”。物聯網（IoT）的發展為保險公司提供了一個與保險用戶有深度接觸的機會。IoT可以為保險企業提供不同渠道來源的數據，通過多維度了解保險用戶，降低保險企業的風險，加速理賠效率，并為其保險用戶提供保險產品。同時，中國市場上“智能+”推動工業互聯網普及人工智能（AI）的應用。保險與新技術融合為創新型保險服務帶來新機遇。

AIoT打造保險企業新驅動能力

保險公司通過設計和運作保險機制為消費者提供完整、系統的風險轉移服務，而保險產品越契合消費者需要，價格精準度越高，消費者可獲得越大的保險利益。早期，互聯網、云計算、大數據等技術先和保險企業碰撞出“火花”。隨著大數據、云計算等技術應用逐漸成熟，加上深度學習上取得的突破、計算能力的增長、5G網絡部署的加快，讓人工智能（AI）和物聯網（IoT）成為新的技術爆點，并與保險企業的業務發生新的“化學作用”。

埃森哲的一份報告顯示，AI與IoT技術在保險科技創企開銷中占據主導地位，并且這兩項技術在提供定制化服務、為消費者帶來更多切實好處方面“至關重要”^【1】。AI具備變革保險業的潛力，能將其由基于過去行為經驗評估風險轉變為實時評估風險，為消費者減輕甚至預防損失。IoT則將使保險公司提供更為定制化與實時的服務，提升管理效率，簡化理賠程序，個性化精準報價。借助AI與IoT的技術融合，保險企業能夠基于實時數據采集、大數據分析，實現智能監控管理、用戶畫像驅動的動態定制服務。AIoT重構保險服務：

• 客戶個性化服務：基于AI的智能客服應用降低人工成本的同時，大大提高了效率。如代替人工進行部分信息整理和咨詢工作，通過語音交互服務縮短服務接入的等待時間，優化客戶體驗。
• 基于AIoT產品開發設計：基于IoT，保險公司可以將傳感器數據與傳統數據相結合，輔以AI分析技術，對個人行為分析，設計定制化的保險產品，并根據每個用戶不同的特征來推薦更合適的產品。
• 保險動態定價：通過機器學習建立智能化定價模型，實現針對不同人群和基于歷史數據的動態定價，如允許更安全的駕駛員為汽車保險（稱為基于使用的保險）支付更少的費用，而生活方式更健康的人支付更少的醫療保險費用。
• 預防式風險管理：通過利用物聯網終端收集到的多維和海量數據，進行風控模型深度學習訓練，形成從傳統事后分析追回損失和打擊欺騙的模式，演變成線上預測欺詐風險并及時止損的模式。
• 快速簡便理賠過程：速度和成功解決理賠是決定保險業務效率的關鍵因素。在保險公司調度理賠查勘車方面，AI和IoT技術可以實現智能化派工，提高查勘員現場處理效率和速度，甚至可利用無人機到事故現場進行查勘。

AIoT應用挑戰

盡管AIoT在保險業中的前景美好。并且，各大科技企業或云服務商開始進行市場布局。但是在應用上，AIoT還是面臨著比如對于多樣化終端設備的管理、如何在傳輸過程中保障數據安全等問題的挑戰。具體來說：

• 數據傳輸與存儲安全挑戰：AI系統及IoT會不斷收集和分析數據，保障數據的安全性及可靠性就變得很重要。在AIoT應用過程中，不僅要考慮邊緣端的設備如何保障數據安全，還要考慮數據智能分析與整合過程中的數據安全，更要考慮云端數據存儲與交互共享的安全。
• 數據處理時效性：物聯網的發展加速了工作負載從云到邊緣計算的遷移，使更多的應用從云上下來，更靠近“數據源”，從而實現數據收集、處理和分析的低延遲，降低數據傳輸的壓力，提高數據處理效率。AIoT的應用和發展將推動對邊緣計算的需求。這意味著，對于架構或者服務的評估需要衡量對于邊緣計算支撐的效果。
• 多樣設備管理：隨著物聯網設備的增多，需要面對解決設備高效互聯，集中管理的問題。

AWS加速保險業與AIoT之間的融合

作為全球云技術的翹楚，AWS提供的IoT產品服務涵蓋了設備軟件、控制服務和數據分析服務，形成從云端到邊緣計算再到終端管理的完整的服務布局，并且通過嵌入AWS AI服務，從而形成一整套完整的針對AIoT的解決方案。

• IoT邊緣端的計算服務：AWS IoT Greengrass 可將 AWS 無縫擴展至邊緣設備。借助 AWS IoT Greengrass，連接的設備可以運行 AWS Lambda 函數、基于機器學習模型執行預測，保持設備數據同步以及與其他設備安全通信，甚至在沒有連接互聯網的情況下也可實現這些功能。
• IoT設備管理：AWS IoT Decvice Management用來安全地大規模注冊、監控、遠程管理IoT 設備，以及通過無線方式 (OTA) 發送固件更新。AWS IoT Device Management 與設備類型和操作系統無關，可減少管理大規模且多樣化 IoT 設備部署的成本和工作量。
• IoT規則引擎：借助 AWS IoT Core將設備連接至云和其他設備，通過設定規則快速篩選和轉換設備數據并對其執行操作。通過AWS IoT Core對接AWS的其他服務，以便收集、處理、分析和操作互聯設備生成的數據，而無需管理任何基礎設施。AWS IoT Core 會在所有連接點提供身份驗證和端到端加密服務，保障數據安全。
• AIoT數據洞察力：AWS數據分析服務（Amazon Redshift、Amazon EMR、Amazon Kinesis、AWS Lambda等）和Amazon Machine Learning可以用來對歷史/離線/實時數據進行分析，或進行基于機器學習智能應用，加速數據到價值的轉換。

圖1 AWS IoT方案參考架構

借助AWS的技術和服務或參考架構案例，保險企業可以利用AI和IoT技術來對現有業務進行再造，加速創新速度。同時，AWS合作伙伴網絡（APN）的成員也可借助AWS技術加速保險企業享受新技術帶來的紅利。

AWS助力Cognizant構建InCatalyst，為保險企業提供便利服務

通過無人機結合深度航拍對臺風地震等自然災害實現實時數據抓取，通過對百萬住戶監控防御性降低受保用戶損失和保險公司成本，作為AWS APN咨詢合作伙伴和托管服務提供商（MSP），Cognizant通過AWS將人工智能，大數據，物聯網，機器學習等黑科技轉化為創新保險能力，基于AWS建立保險創新平臺InCatalyst。

圖2 InCatalyst架構功能圖

InCatalyst平臺中重要的一環是快速模型制作環境（Rapid Prototyping Environment，RPE）。RPE通過技術項目模板（TPT）和業務項目模板（BPT）幫助保險用戶加速模型的開發。TPT模板的一些示例包括會話人工智能、面部認證、針對保險的Amazon Alexa Skills以及針對保險的Amazon MongoDB模型等。通過AWS 提供的API，將AWS人工智能等服務整合到平臺上，讓保險客戶快速使用。并且BPT模板則提供一些專有解決方案，可以SaaS方式進行定制和購買。借助InCatalyst，美國一家大型人壽保險公司在短短三天的時間內，使用Amazon Alexa Skill去整合客戶的后端票務處理系統，為用戶提供更好體驗。

科技無疑將為保險業帶來更加廣闊的空間和發展機遇。隨著AIoT在保險行業中的應用，保險公司有能力及能量處理大量的數據資料，并且從中分析并獲得不同的客戶洞見，來改造整個保險業務環節，為用戶提供差異化的服務，來提高顧客忠誠度，促進整體產業健全發展。AWS以最全面的云平臺為基礎，提供豐富且智能化的IoT和AI服務，助力保險企業將AIoT與自己的業務進行快速整合，實現業務創新。

【1】參考來源，埃森哲《保險科技的崛起》https://yq.aliyun.com/articles/161069