阳光财险：IRC理赔红黄蓝项目|车险|运营

来源：2021年第二届中小金融机构数智化转型优秀案例评选

一、项目背景及目标

近些年，车辆保险正处于一个飞速发展阶段，车险市场日趋复杂化，车险理赔风险的管控对公司发展显得尤为重要。为了公司的可持续发展，我们需要依托智能化、科技化手段揭示风险规律，预判风险隐患，研判处置方案，全面提升风险管控能力。

虽然，我司现针对理赔风险采用一定的手段进行了管控，但依然存在诸多不足，具体表现如下三点：

（1）标准缺失：人工经验对于理赔过程管理和风险管控的作用十分有限，标准不统一。

（2）自动化程度低：缺少自动化核赔的技术手段，理赔案件自动核赔率较低。

（3）风险管理单一：主要是从案件风险，未考虑人工操作风险。

为解决风险管控的不足，在现有系统中，以“ABCD” （人工智能、区块链、云计算和大数据）为引擎，结合一键赔场景，升级车险理赔红黄蓝模型，建立以AI单证识别、大数据风险洞察组合的红黄蓝管理体系，从报案信息到人员行为、定损质量、单证收集等全流程实现管控。结合风险特征建立“机智阳”智慧审核机器人，实现蓝色案件零单、一环节结案，红色案件系统强制干预，黄色案件人工审核的分级处理通道。同时结合AI单证识别实现系统自动录入与精细管理，对人员行为形成人员红黄蓝评价模型。设计可有效监控、识别、立判欺诈及渗漏风险的理赔场景，保证高覆盖、低误杀，从而达到风险的智能管理、减少赔款损耗、提高自动化比例、节约运营人力、降低运营成本的目的。

二、创新点

技术创新：本次全面引入ABCD技术即人工智能、区块链、云计算和大数据技术。

应用创新：将ABCD技术应用到理赔智能核赔审核；理赔人员红黄蓝管理属行业首例；外部数据接入反欺诈模型实现团伙欺诈的精准识别。

三、技术实现特点

机智阳核赔机器人：在理赔查勘、定损、核损环节引入CE的AI图像识别技术和AI风控模型，通过两个AI工具的相互结合来识别出车损的渗漏风险和欺诈风险。实现无风险案件自动核赔，有风险案件人工核赔。借助AI技术和大数据技术提高案件审核效率以及反欺诈、防渗漏的降赔目标。

理赔案件红黄蓝模型：利用大数据XGboost算法，使用保单因子、事故因子、客户画像，历史沉睡数据来优化、训练案件红黄蓝模型，迭代出评分精确，反欺诈能力更高的案件红黄蓝模型。在理赔报案、查勘、定损、核损、核赔全流程植入升级版的红黄蓝模型，驱动SIU反欺诈流程，强化阳光的理赔反欺诈能力优势。

理赔人员红黄蓝模型：基于理赔人员行为数据，充分利用理赔大数据，以规范动作执行和个人对公司价值贡献为标准，为理赔员画像，确定理赔人员红黄蓝分类，匹配相应的权限和激励措施，并与案件红黄蓝模型互相迭代进化，根据人员分级实现进行差异化的流程与权限配置。

四、项目过程管理

机智阳核赔机器人部分：

1、需求分析阶段

2020年3月初至2020年3月底，其间主要进行了需求的分析，明确需求的目标和对系统流程进行了设计，完成项目一页纸编写、需求分析文档编写以及评审工作。

2、系统详细设计阶段