保险业者用机器学习提高业务效率

保险业者将机器学习运用到业务的实际案例越来越多元，据DataRobot研究指出，包括索赔预测、动态价格调整、诈欺侦测、产品推荐、风险评级、安全与隐私等，都是保险业者利用机器学习优势的类别。

AIG个人物产管理负责人George Argesanu表示，保险业高层决策者必须精算预期损失，才能合理分配资源，而机器学习更能找出传统方法不能洞察之处。

如保险科技公司Praedicat结合自有预测模式工具与德国安联人寿(Allianz)的风险责任资料，分析下个世代的灾难责任风险。Praedicat的建模引擎使用机器学习读取大量科学出版物，描绘出产品或物质在生命周期可能会产生的诉讼风险。

保险业者利用机器学习建立合理化价格模式，优化价格决策。MetLife Auto & Home的UBI车险即监控驾驶人的行车动态，并回报智能型手机App，App可立即给予驾驶回馈或建议，以促驾驶行为改善并降低保费的等级。

新创公司Shift Technology运用机器学习，助欧洲的保险业联盟分析1,300万个保险索赔案例后，发现3,000个案例是潜在的保险诈欺，且包括大型、组织化的诈欺计画，数年来可能已吸走数百万欧元。

Transamerica的企业营销与分析平台(EMAP)集成自身保险、退休金与投资产品与外部资料，包括消费者收入与社群媒体资料等；也使用Cloudera的分散式资料储存管理平台Enterprise Data Hub储存结构化、半结构化与非结构化资料。

澳洲投资新创公司Cytora，使用AI技术与开源资料助降低损失比例，增加保费并改善耗资比例。Cytora的机器学习算法引擎Risk Engine结合保险业者内部资料与外部信息，产生风险等级，看出整个产品组合中可能面临的预期索赔事件。

美国保险公司Aetna对手机与网站用户发布新的安全系统，提供用户不同的安全选择，除了口令或指纹等登入需求外，新的安全系统会透过软件功能、操作系统版本、甚至用户在打字时如何持取及地点等，侦测用户使用机器的行为模式，确定使用帐号的是用户本人。