当前位置:保险 > 正文
智能保险:金融与技术融合视野下的治理边界

  金融行业在浪潮和竞争下已经进化到了“智能金融”阶段。作为“智能金融”内容之一的“智能保险”已经在行业内蔚然成风,具体表现为“精准营销”、“差异化定价”、“智能风控”、“智能理赔”、“智能客服”等一些列应用。

  金融领域,金融与技术的融合是必然的。作为保险科技的高级阶段,“智能保险”是应对后工业社会的经典阶段——“智能社会”风险的必然,是金融领域中金融与技术融合的典范。“智能保险”可以通过人工智能、物联网、大数据、区块链、云计算等技术,将新技术所带来的社会高速运转中的碎片化和去中心化的风险信息进行实时侦测搜集,高速运算处理,智能决策反馈,并对“智能社会”中以人工智能为代表的新技术带来的新型社会和市场风险进行预防、控制和管理。

  智能保险领域,新技术应用,也会带来带有技术基因的新问题——算法歧视与算法黑箱,主体难以界定导致的可归责性问题,隐私保护和数据安全问题,以及算法同质、数据传导、技术外包导致的系统性风险。

  面对“智能保险”金融与技术融合的正面和负面效应,应该在“金融与技术融合”语境下,厘定“金融监管”和“技术监管”的边界以及“鼓励创新”和“金融安全”的边界,建立一套围绕“保险算法”的智能保险治理规则机制,并探索出一条“监管科技”+“监管沙盒”+“软法试点机制”的“宽进严出”的“试验”+“培育”+“监管”的治理路径,成就现代版的“金融监管中体西用”。

  保险领域金融与技术融合的必然性

  金融本质之一是风险定价,而保险市场相较于银行、证券、期货市场更为直接,更为集中地体现了这一本质。保险领域,金融与技术融合的动力来源于风险应对的被动选择和主动取向,具体来说有三点:

  一是源于应对新技术改造带来的社会和市场风险新变化的需要;

  二是源于解决传统保险难题——信息不对称引起的逆向选择(柠檬市场)与道德风险(保险欺诈)的需要;

  三是源于风险应对增进商业利润和社会福利的需要。

  依据行动与行动对象之间的“行动应对同平”理论以及 “连通器”效应,行动(监管、服务、审判)需与应对的对象处于一水平,既有博弈被动的因素,也需积极促成的努力。

  新技术新带来的风险,尤其是人工智能给社会带来的风险挑战(算法歧视与算法黑箱、隐私保护、人类控制危机)需要将保险服务也加入新技术的因素来应对。传统保险领域信息不对称引起的“逆向选择”——“柠檬市场”问题和“道德风险”——“保险欺诈”问题,亟待解决。

  因为其增加了保险服务的供给和获得成本,既不利于年保险市场健康发展,也不利于保护金融消费者。保险的承保利润高低关键在于“定价假设”,传统保险领域中人工“定价假设”在信息不对称下表现出很强的不精确性,加之人工理赔效率较低和风控成本较高,承保利润并不高。

  传统人工保险服务的“事后”模式,不利于对社会和市场风险的提前预防和管理,增加了社会和市场运行的安全成本,不利于社会福利的增进。

  智能保险是金融与技术融合的典范

  字面上讲,智能保险是保险和人工智能的结合,但是人工智能本身的实现及其保险领域的运用还需要综合运用大数据、云计算、区块链、物联网等新技术。

  新技术——A(人工智能)B(区块链)C(云计算)D(大数据)l(物联网)的应用呈现出一种“系统逻辑关系”。

  可以将人工智能系统比喻为“人体”,物联网是获取信息的感官系统,区块链是保存和处理信息的神经系统,云计算是大脑系统,大数据则是身体各器官尤其大脑系统中对海量数据信息的识别提取、归类整理、处理分析的过程机制,而“智能”恰恰是在前面几项技术的基础上依靠“机器学习”、“神经网络”、“自然语言分析”等人工智能技术的自我学习和反馈决策机制。要在保险领域实现智能化,也要遵循这一应用逻辑。

  以处理风险信息为例,通过物联网对风险信息进行侦测和搜集;大数据对风险信息进行结构化或标签化处理;云计算对风险信息进行高速计算和分析;区块链用“去中心”机制解决风险信息碎片化问题;人工智能技术(深度学习、神经网络、自然语言分析技术等)通过智能算法实现对风险信息的智能反馈和决策。

  所以智能保险是保险科技的一部分,是以人工智能为底色技术的保险科技ABCDI的集约化应用,是“保险科技”高级阶段。互联网保险仅仅是利用互联网技术达成的一种新的线上商业模式,是互联网技术对保险的“工具辅助”阶段, 而以“智能保险”为高级阶段的保险科技是金融科技对保险线上线下业务的深度变革,是“一体融合”阶段。“智能保险”拓展了“互联网保险”的边界,真正实现了保险服务的全景化、无界化、智能化。

  智能保险的金融与技术融合效应

  保险领域的智能风险定价和管理及其表现出的金融与技术融合效应,是通过算法实现的。最典型的是“机器学习”算法的应用,分为“有监督”或“无监督”的算法。“有监督”的机器学习算法主要包括“决策树”(decision trees)、“神经网路”(artificial neural networks)、 “线性回归”( linear regressions),“无监督”的机器学习算法以“聚类算法”( Clustering algorithms)为典型。智能保险的金融与技术融合,既有正面效应,也有负面效应。

  (一)正面效应

  作为保险科技的高级阶段,“智能保险”是应对后工业社会的经典阶段——“智能社会”风险的必然。新技术改造后的社会更加高速运转和去中化,风险更加碎片化。而“智能保险”可以通过人工智能、物联网、大数据、区块链、云计算等技术,将“智能社会”中碎片化和去中心的的风险信息进行实时侦测搜集,高速运算处理,智能决策反馈,并对“智能社会”中以人工智能为代表的新型技术带来的新型社会和市场风险进行预防、控制和管理。

  智能保险,通过大数据、云计算等技术以及“定价算法”、“反欺诈算法”等对投保人或被保险人大体量的数据就进行精准分析,使投保人或被保险人的诚信状况和风险状况更加透明,从而改变保险的“优劣质混沌”市场状态给客户提供更多差异化和精确化定价的保险产品选择,以解决长久以来困扰传统保险的信息不对问题及其导致的逆向选择问题和来自“保险人”和“被保险人”的“二重性”保险欺诈问题。

  2017年6月埃森哲发布《人工智能如何加速行业盈利和创新》的报告中,预测金融服务机构将因运用人工智能技术到2035年利润增长31%。新技术进入保险领域,能够改变“事后”的商业模式,对风险进行提前量化预测,实现精准营销和精准定价,提高承保和理赔效率,降低获客和风控成本以及赔付支出,促进行业零润增长。另外能够真正实现“风险转移”到“风险预防或管理”的转变,降低社会风险成本,促进社会福利增长。

  此外,通过大数据等技术,对分散化或小微化风险信息进行大量态搜集和结构化处理,将会满足长尾保险需求,有助于保险领域的普惠金融发展。金融是一种重要的“生产力化合要素”,而科技是天然的“生产力工具要素”。保险领域,金融与技术融合将形成保险市场的叠加和涌现效应,必将大大保障和促进社会的生态和持续发展。

  (二)负面效应

  保险算法的“大数据”运用和处理,能够实现对保险服务对象的精准(信用和风险)画像,给予其更加精细化的数据标签,进而为小微风险保障需求的长尾客户提供定价精准、优惠便利的保险服务。但保险算法实现的数据标签精细化,可能恰恰产生了更加精准的标签性歧视。在保险领域,最主要的可能体现是在基因检测者投保时可能会遭到保险公司的“基因歧视”,保险公司只因投保人携带有某种特殊的缺陷基因从而判断出其具有某种基因倾向性,进而对其作出提高保费或拒绝承保的决定。

  因为保险算法的复杂性及机器学习的自我性,导致保险领域的算法决策机制难以理解,形成“算法黑箱”问题。 “算法黑箱”加剧了“算法歧视”,在最极端的情境下,某些黑箱算法打着“优化资源配置”的旗号,对人类进行分类、排序与标签,产生了“黑暗歧视”。算法黑箱让人们难以获悉和理解算法决策过程,进而难以对错误性和歧视性“算法决策”进行分析后提出解决方案。另外企业可能以“算法知识产权”为借口,加大了算法公开和透明的难度。算法黑箱加剧了平台、生产者和消费者之间的信息不对称,不利于“金融消费者保护”。此外,“算法歧视”也将对保险领域的普惠金融实现构成威胁。

  智能保险可能由于数据质量差或算法有瑕疵引起投保人或保险机构大幅亏损,但因为保险智能机器人的主体地位不明以及智能代理问题,可能导致难以界定责任和分配损失。另外,因为智能保险依托于对大数据的智能处理,所以个人保险信息或敏感的公司数据可能因为事故等原因而落入他人之手,因此“个人隐私保护和数据安全”问题还是对智能保险的一大天然忧虑。

  算法依赖及算法和数据的同质性,保险数据交互使用,以及保险算法等技术外包模式会加剧保险市场系统性风险。如果所有算法具有相同缺陷,那么会导致保险市场上的损失积聚化效应。金融稳定委员会(FSB) 2017年11月发布的关于金融领域的人工智能(AI)和机器学习(ML)应用的报告讨论了人工智能对金融问题的影响,指出,因为数据的交互使用,会增加金融市场或金融机构的之间的交叉关联性风险。另外保险算法等技术外包也会加剧这种关联性风险。

  金融与技术融合视野下的治理边界

  (一)厘定“金融监管”和“技术监管”的边界

  智能保险领域,金融与技术融合语境下,金融监管与技术监管的属性不同, 要区分传统金融问题治理和新型技术问题治理,重视智能保险技术带来的新风险和新问题。金融与技术融合语境下,要厘定智能保险领域的治理边界。

  一方面,金融的传统问题,依照金融的思路解决,采取“一致性”监管。

  另一方面,面对技术带来的带有技术基因的新问题,在鼓励创新的语境下,采取“技术对技术”的新型治理方式——Regtech,并建立专业化和技术化的算法监督组织。

  无论是互联网保险创新还是保险科技创新,互联网属性和保险科技属性之外的,还是要采取和传统保险“一致性”的监管,依然要遵守机构准入、偿付能力、条款费率等保险法律制度。“保险科技”概念不同于“互联网保险”,互联网保险更注重的是一种线上的商业模式,而保险科技更注重对线下线上保险业务的一种创新性综合技术解决方案。

  保监会原副主席周延礼指出,互联网保险创新产生了地域监管、数据安全和信息披露等三方面的新的监管问题。虽然互联网保险法律制度都还尚需健全,但面临“保险科技”或“智能保险”这一新的情况及其新问题,在完善互联网保险法律制度的同时,要注重区别对待,制定一套定位于“保险科技”或“智能保险”的综合解决方案。

  虽然互联保险领域新产生的三方面监管挑战——“地域监管、数据安全和信息披露”在 “智能保险”领域也同样存在甚至更加突出,但智能保险领域的核心机制是“保险算法”,因此要特别围绕“保险算法”,制定一套带有技术特性的治理方案。

  这种技术特性一方面专门针对新技术带来的带有技术基因的新问题,另一方面治理方式采用技术的手段。智能保险领域,针对人工智能为代表的新技术带来的带有技术基因的新问题,具体解决如下:

  1.应对算法歧视和算法黑箱

  针对保险领域的算法歧视、算法黑箱、算法失控等引起的伦理道德问题,可以引入伦理调节器,将优良的伦理道德价值编入保险算法,对保险算法进行伦理价值评估,并对保险算法伦理性错误进行及时纠正。

  应对保险算法歧视:在悖论、阻碍、黑箱语境下的解决》所述,由“主观价值算法歧视”和“客观系统算法歧视”的分类和界定,可以将保险算法歧视进一步细分为三类——“设计者歧视”、“数据标签歧视”、“算法系统自我学习歧视”。

  依据前述分类,解决保险算法歧视问题,可以给出以下解决建议:

  a.设计者要公正,避免主观歧视编入算法;

  b.数据标签化或结构化过程中要注重对“弱势主体信息”进行去标识化或加密;

  c.防止机器自我学习形成自我歧视(混沌歧视)。

  应对保险算法黑箱:应对保险算法黑箱问题,可以有以下几条建议:

  a.要进行金融人工智能开源,增加保险算法设计和运行的透明性;

  b.在设计保险算法时加入另一个算法对其算法决策的过程进行忠实的记录,增加保险算法决策机制的可解释性;

  c.兼顾知识产权属性与政府核查以及开源(公开透明)的动态平衡,给保险算法系统知识产权申请设置符合时代发展的柔性条件,同时政府对核查搜集的保险算法也应该恪守一定的保密义务。

  2.解决可归责性难题

  智能保险定价机器人具有主体资格吗?算作保险精算师吗?当智能保险机器人智能定价不符合相关规定,违反了一般的精算原理,其责任分担又如何呢?按照智能保险系统建立和运行的要素,可以将智能保险算法责任分为三部分(1)设计者、生产者、销售者、使用者责任;(2)数据提供者者责任;(3)机器学习自我责任(人工智能的自我意识,该部分可承认人格),分别对这三类主体进行归责。

  3.防范算法同质、数据传导、技术外包导致的系统性风险

  针对算法同质以及技术外包导致的系统性风险,中国人民银行、中国银行保险监督管理委员会、中国证券监督管理委员会、国家外汇管理局联合印发《关于规范金融机构资产管理业务的指导意见(征求意见稿)》)要求“金融机构委托外部机构开发智能投顾算法,应当要求开发机构根据不同产品投资策略研发对应的智能投顾算法,避免算法同质化加剧投资行为的顺周期性。金融机构应当针对由此引发的市场波动风险制定应对预案。因算法同质化、编程设计错误、对数据利用深度不够等智能投顾算法模型缺陷或者系统异常,导致羊群效应、影响金融市场稳定运行的,金融机构应当采取人工干预措施,强制调整或者终止智能投顾业务。”

  另外针对技术外包问题,还有银监会下发的《中国银监会关于印发银行业金融机构信息科技外包风险监管指引的通知》、《关于加强银行业金融机构信息科技非驻场集中式外包风险管理的通知》的相关规定。智能保险应该参照资管行业和银行业,针对算法同质以及技术外包导致的系统性风险,建立相应规范制度。

  4.尤其在物联网(IoT)的应用方面建立隐私保护和数据安全机制

  物联网因其异构、分布式、高融合的特点,还存在物理俘获、隐私保护等新型特殊性安全问题。在智能保险领域,应当设计有效的抗物理俘获方案,对物联网的“数据获取和处理”算法机制进行隐私保护和数据安全设计和监督,保证物联网运用下的隐私保护和数据安全。

  (二)厘定“鼓励创新”和“金融安全”的边界

  人工智能对解决传统保险领域的难题发挥了巨大的作用,也促进了社会福利增进和普惠金融的发展,是金融与技术融合创新的典范。政府监管方面,应该为智能保险创造宽松和鼓励的发展环境,并对保险算法设置知识产权激励机制。

  在“金融监管”和“技术监管”的语境下,有一部分是“金融”和“技术”融合后的“化合”效应、“涌现”效应,这也是“技术金融创新”不同于一般“设计金融创新”的区别所在。面对智能保险这种“化合”或“涌现”效应,依据行动与行动对象之间的“行动应对同平”理论以及 “连通器”效应,也应该探索出一条“金融”+“技术”的创新监管模式。对保险科技的监管,国际普遍存在着“监管沙盒”式的测试监管模式。那么“监管沙盒”是否也可以和“监管科技”结合呢?“监管沙盒”结合“监管科技”,让测试环境也科技化,让Sandbox本身成为科技盒子,有利于“监管沙盒”测试等功能的高效发挥,同时也有利于Regtech的试点推进。

  对保险科技的监管,国际普遍还存在着 “孵化器”等鼓励创新计划机制。值得探讨的是,“监管沙盒”是否也可以采取中国软法环境下的“宽进严出”的运行思路呢?监管沙盒除了容忍、避风、试行、观察功能外,是否还有培育的功能呢?中国软法环境下的“宽进严出”思路提议,可以融入到中国各地的“沙盒机制”探索中去。一方面“宽进严出”可以鼓励创新并培育更多的创新企业,另一方面有利于进入“监管沙盒”的创新企业最终拿到正式牌照进入大市场。

  发挥“监管沙盒”+“监管科技”+“软法试点机制”融合效应,可以进化出一种新的应对“技术金融创新”的中国特色的测试、培育、监管流程机制。总之西方的“监管沙盒”、“监管科技”和中国的“软法试点机制”可以融合出一条新的治理路径,成就现代版的“金融监管中体西用”。

相关链接:

作者:刘元兴 来源:银行家杂志 发布时间:2018-05-21 06:01:52
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任