保險科技賦能車險理賠應用研究：路徑、實例與建議※

○周雷 許佳 張鑫 宗小敏 費菲

1.蘇州市職業大學商學院 江蘇蘇州 215104

2.東南大學經濟管理學院 江蘇南京 211189

3.中國人民財產保險股份有限公司蘇州市分公司 江蘇蘇州 215004

4.友邦人壽保險有限公司江蘇分公司蘇州中心支公司 江蘇蘇州 215000

引言

我國是全球機動車保有量和駕駛人最多的國家，機動車輛保險（以下簡稱“車險”）是車主抵御風險的重要手段，是財產險類第一大險種，涉及千家萬戶和民生安全。車險保費收入約占財產險保費收入的80%，且近年來車險市場呈持續增長態勢。車險理賠是車險實現風險保障功能的核心環節，但是受主客觀因素制約，長期以來面臨理賠效率低、周期長、投訴多等問題，嚴重影響客戶滿意度和車險的高質量發展。2020年9月，原銀保監會發布《關于實施車險綜合改革的指導意見》，在一定程度上緩解了經營粗放、競爭失序等問題。隨著改革進入“深水區”，以進一步擴大定價自主權為主要內容的車險“二次綜改”于2023年6月落地，對保險公司的費率厘定和承保理賠提出了更高要求，特別是以車險為主要業務的中小財產險公司，短期內面臨費率降低、賠付升高、承保利潤被擠壓的局面。與此同時，保險科技的創新發展為解決車險理賠存在的問題、賦能車險數字化轉型提供了可行的新路徑。保險科技是人工智能、區塊鏈、云計算、大數據等底層技術與保險業務場景深度融合帶來的流程優化和價值創造。保險科技在車險理賠中的應用，不但有助于實現理賠流程的數字化、智能化和自動化，而且還賦能保險公司降本增效、優化服務、提升客戶體驗。

王和（2017）將保險科技創新分為傳統信息技術和金融科技兩大領域，認為兩者共同影響和賦能包括車險理賠在內的財產險業務的數字化轉型。唐金成和劉魯（2020）提出了“AI+車險”模式，認為人工智能是最有可能改變保險行業發展的前沿技術，尤其是在車險理賠領域，人工智能將成為保險企業降低賠付成本、縮短理賠周期、提升反欺詐能力的關鍵技術。周雷等（2020）認為自動理賠是保險科技賦能保險業高質量發展的典型應用場景之一，通過應用智能合約機制，能夠盡可能減少理賠過程中不必要的人工干預，實現車險“全流程自動化快速理賠”。郭曉燕等（2023）通過對太平洋保險公司的實證研究，進一步驗證了依托互聯網大數據開展線上理賠，能夠顯著提升保險公司車險業務的理賠效率。陳佳（2021）指出保險公司可以應用區塊鏈技術賦能車險理賠的欺詐風險防控、索賠請求管理及合同資料存證等。車險反欺詐聯合課題組（2021）基于監管工作實踐，以5家保險公司的理賠及反欺詐數據為基礎，分析車險欺詐案件的新特點，針對性提出了以大數據為核心構建多方協作聯動防控體系的監管工作建議。

綜上所述，已有研究主要分析了保險科技對車險理賠數字化轉型的影響，基于人工智能、區塊鏈、大數據等某種保險科技底層技術在車險理賠中的應用，以及保險科技對車險理賠效率、欺詐風險防控等某個層面的改進，而對各類保險科技集成創新賦能車險理賠高質量發展的作用機理和實現路徑，缺乏全面、系統的研究。本文通過文獻梳理和實地調研，分析車險理賠的現實“痛點”和保險科技賦能車險理賠的必要性，在車險理賠數字化轉型的大背景下，采用宏觀理論分析與微觀實例印證相結合的方法，構建系統完整的研究框架，對保險科技賦能車險理賠的底層技術、作用路徑、應用實例、制約因素進行全面研究，并在此基礎上從完善監管體系、加大保險科技投入、培養復合型人才、優化數字生態等方面提出針對性建議。

一、車險理賠的“痛點”分析

（一）車險理賠流程復雜，理賠周期較長

車險理賠涉及前端的報案調度、查勘、定損，以及中后端的報價核損、理算核賠、賠款支付等業務環節，流程比較復雜。在傳統理賠模式下，查勘和定損等前端環節需要通過線下完成。其中，查勘包括保險公司查勘人員趕赴事故現場拍照攝像與資料單證收集等，如果涉及人傷的復雜案件，還需要組織協調現場施救和進行初步的傷情鑒定與責任認定，往往需要較長處理時間；定損則需要對車險事故造成的損失進行現場專業調查，檢驗車輛等財產損失情況，幫助客戶確定維修方案等。而報價核損、理算核賠等中后端環節需要對損失情況交叉比對和驗證，對案件要素內容和人員操作規范進行多維度審核，易使理賠人員陷入大量重復案件處理中，影響高風險案件的處理質效。綜上，在傳統理賠模式下，車險理賠流程復雜，同時由于科技投入和應用不足，線下環節和人工處理進一步延長了理賠周期，嚴重影響了理賠時效。隨著保險科技的創新發展，通過應用人工智能、大數據等技術，對車險理賠的前、中、后端各業務環節進行數字化賦能，節省人力成本、優化業務流程，實現報案調度、查勘定損線上化，理算核賠、賠款支付智能化，紓解車險理賠流程復雜、周期較長的“痛點”。

（二）車險理賠客戶體驗欠佳，投訴糾紛較多

理賠是車險服務中容易引發客戶投訴的環節，客戶體驗欠佳是制約車險高質量發展的重要因素。分析車險理賠客戶投訴較多的原因，主要有以下三個方面：一是理賠流程智能化程度不高，降低客戶滿意度。理賠部分流程尚未納入線上化、智能化管理，延長了客戶等待時間，如現場查勘受路況、人力等因素影響，時效無法保證，客戶在事故現場等待中情緒焦躁，易引發投訴；部分報價核損、理算核賠環節需要人工統計、報送，易發生差錯，甚至可能因為一個細小問題而要求客戶反復提交資料，嚴重影響客戶滿意度。二是部分理賠人員服務意識淡薄，數字化理賠工具使用能力有待提高。部分接觸客戶的前端理賠人員“以客戶為中心”的理念不強，服務態度還有較大的改進空間。如受理話務投訴過程中，客戶情緒激動，客服人員沒有及時給予客戶清晰安撫和正向引導，易導致客戶投訴升級。同時，隨著保險業數字化轉型的推進，也對理賠員數字化理賠工具的使用能力提出了更高的要求。部分理賠人員數字素養和技能不足，線上作業不標準、不規范，信息安全風險防范不足，也會導致客戶體驗欠佳甚至引發投訴。三是理賠管理體制有待完善。車險理賠管理在一定程度上仍存在部門職責不清、內外協同不夠緊密、數據交換不及時、流程監督不夠等“短板”，影響客戶投訴處理，甚至引發二次投訴。因此，要解決車險理賠客戶投訴糾紛較多的問題，需要多管齊下，提高理賠智能化水平、加強員工數字化培訓、完善理賠管理體制，以更好地發揮保險科技對車險理賠的賦能作用。

（三）車險理賠道德風險較高，理賠欺詐防控難

盡管“最大誠信原則”是保險的基本原則，但由于交易各方的信息不對稱，以及保險理賠流程的復雜性、專業性，使道德風險成為保險理賠的固有風險和保險公司風險防控的難點。車險由于保險標的流動性強、數據共享范圍有限、合同條款不完善、違法成本低、保險公司數字化反欺詐能力較弱等原因，成為道德風險產生的“重災區”，車險欺詐滲漏在保險欺詐中的占比高達80%。在車險理賠過程中，欺詐、騙保等道德風險案件時有發生。首先，在車險合同成立后，保險標的一直在被保險人的使用過程中，對標的具體情況，保險人和被保險人獲取的信息是不對稱的。其次，車險理賠流程相對復雜，在報案調度、查勘定損、報價核損、理算核賠等多人協作的理賠環節中，保險公司、第三方車輛維修企業人員也存在利用自身職務騙保的可能性。第三，車險理賠欺詐呈專業化、職業化、團體化趨勢，出現了職業保險詐騙團伙，他們了解理賠漏洞、知道各類事故的索賠方式、擅用信息技術，詐騙手段不斷翻新，進一步增加了理賠欺詐防控的難度。此外，車險涉及千家萬戶，面廣量大，社會誠信體系的不健全、投保人誠信教育不足和法律意識淡薄、車險相關主體間的“數據壁壘”等，也會影響理賠欺詐的治理和保險業的健康發展。綜上，車險理賠面臨較高的道德風險，探索應用保險科技，構建全行業統一的反欺詐平臺和體系，能為防控欺詐提供重要支撐。

二、保險科技底層技術賦能車險理賠的路徑

（一）人工智能技術賦能車險理賠的路徑

人工智能技術賦能車險理賠主要體現在優化理賠流程、防控理賠風險等方面。第一，針對車險理賠的查勘定損流程，應用人工智能可以實現遠程查勘定損，引導客戶拍攝和上傳汽車全景照片和受損部位細節照片，為精準定損提供依據。由于人工智能已經基于機器學習針對不同車型、顏色和光照條件等進行了模型迭代，并應用集成學習融合了多個模型的經驗，所以保險公司能夠根據客戶上傳的照片和信息，通過計算機視覺定位汽車受損部件，快速分析其損傷程度，并借助智能機器人和深度神經網絡算法實現自動定損和維修方案智能計算，大大減少查勘定損人員工作量，提高理賠效率。同時，隨著高清電子攝像頭的引入，可以進一步提高理賠的精準度。高清電子攝像頭可清晰記錄汽車的行駛軌跡和車內駕駛人、乘客的行為甚至表情。人工智能通過對高清攝像頭獲取圖像的特征提取，能對事故車輛角度還原、去噪處理，并完成云端的自主學習；針對人傷案件，結合情景感知計算技術，還能根據車損情況預測傷情范圍，不斷提高責任認定和遠程定損的準確性，減少理賠糾紛。第二，針對車險理賠的報價核損、理算核賠流程，人工智能通過對比設定的核賠規則與客戶提供的資料，自動判斷是否賠付，并通過數據庫檢索和自動比價，確定受損部件的最優賠付金額，降低理賠成本、減少理賠滲漏，使保險公司有更多資源投入客戶服務中，提高客戶滿意度。第三，人工智能還可以迅速識別車險理賠團伙欺詐線索，賦能保險公司道德風險防控。如針對保險公司離職員工、汽修人員、欺詐前科人員等報案的理賠，應用人工智能對事故發生頻率、時間地點、車輛碰撞關系等要素進行綜合比對分析，鎖定疑點線索。此外，以ChatGPT為代表的生成式人工智能（AIGC）還可以自動化理賠流程，通過識別客戶輸入的問題和需求，快速提供相應的理賠方案，節省調查和認定成本。這些自動化流程支持保險公司提供實時、在線的理賠服務，更好地滿足客戶需求。但是，由于車險理賠涉及的信息復雜，包括車輛信息、維修記錄、醫療報告等，人工智能可能存在誤判風險，同時，如何保障客戶信息安全也是一個重要問題。因此，需要人工智能的應用與人的專業判斷相結合，并加強人工智能與其他保險科技的融合，更好地賦能車險理賠。

（二）區塊鏈技術賦能車險理賠的路徑

區塊鏈技術對車險理賠的賦能作用主要體現在防控理賠欺詐、縮短理賠周期、提升理賠效率、保障客戶信息安全等方面。第一，區塊鏈具有典型的去中心化特征，可以建立無需第三方介入的數據收集和驗證機制，并自動記錄交易的“時間戳”，有效減少保險欺詐行為。同時，基于區塊鏈的分布式身份認證功能，可賦能高效、準確的身份和保險標的識別，消除“偷換時空”的騙保行為。第二，區塊鏈的防篡改、防抵賴、可追溯等特征，能避免多重理賠，有效防控道德風險。例如，若對同一保險事故偽造事故認定書上鏈索賠，基于區塊鏈技術的車險理賠系統可以自動監測和識別，并直接拒絕賠付，避免跨地區、跨公司重復理賠。第三，區塊鏈的共識信任和集體監督維護機制可以實現車險理賠各主體間的信息可信共享，紓解多主體場景下信息不對稱和交易不協同問題，大幅簡化投保人、被保險人、保險公司、維修企業、交警、醫療機構等各主體間的信息交互流程，從而縮短理賠周期。第四，區塊鏈的智能合約機制能夠降低人工成本，實現自動化理賠。當車主將事故圖片、視頻等出險證據上傳到區塊鏈網絡后，智能合約機制會自動審核，并對符合預設理賠條件的案件，直接支付賠款到被保險人賬戶，降低保險公司人工成本、提升理賠效率。此外，區塊鏈的非對稱加密算法使用公、私鑰體系對數據進行基于數字簽名的認證，可以保障車險理賠時用戶隱私的安全性和數據不會被篡改。

（三）云計算技術賦能車險理賠的路徑

（四）大數據技術賦能車險理賠的路徑

保險行業是典型的數據密集型行業，特別是車險業務對數據的需求量較大。保險公司在日常經營中積累了多樣化的數據資產，為應用大數據技術賦能車險理賠奠定了基礎。充分利用大數據的創新特征，促進大數據與保險業務的深度融合，能夠有效解決車險理賠的“痛點”。第一，大數據能夠助推車險理賠數字化轉型，優化理賠流程，提升理賠效率。在前端的報案索賠、查勘定損環節，大數據技術能夠根據“客戶畫像”，精準識別和定位保險事故的環境信息和客戶的索賠需求，提高案件受理和處置速度；能結合計算機視覺，實現遠程查勘視頻和圖像的實時處理，并在定損環節通過大數據平臺和數據庫進行交叉比對和快速定損，提供更準確的賠付決策，同時簡化前端處理流程。在后端的理算核賠環節，能夠將大數據模型嵌入理賠業務系統，做到簡易案件審核自動化、風險案件審核智能化，縮短冗余的理賠流程，提升理賠效率。第二，大數據能夠提高車險理賠服務質量，改善客戶體驗，減少投訴糾紛。保險公司應用大數據技術分析海量客戶信息，洞察客戶潛在需求，據此優化車險產品理賠設計，實現“以客戶為中心”的理賠模式。通過在話務系統中嵌入大數據分析模型，能夠主動識別客戶情緒和訴求，及時正向引導，并對客戶分類，提醒后續處理環節，從而提高車險理賠服務質量，改善客戶體驗并減少投訴糾紛。第三，大數據能夠幫助保險公司更好地開展車險理賠反欺詐工作。通過數據清洗、數據挖掘和知識圖譜構建，開發大數據反欺詐模型并嵌入業務系統，能夠實時監測和管控欺詐風險。當“車輛三角閉環碰撞”等異常數據觸發大數據模型預警時，業務系統會自動發起對應環節的稽查任務，提高風險防控的有效性。同時，大數據還能從理賠案件中抽取風險實體，應用圖數據庫等技術進行深度關聯分析，通過可視化圖形清晰提示潛在風險點，提高反欺詐工作的前瞻性。

三、保險科技賦能車險理賠應用實例剖析

（一）人保財險公司“科技理賠”平臺紓解車險理賠“痛點”

中國人民財產保險股份有限公司（以下簡稱：人保財險公司）隸屬于人保集團，是國內歷史悠久、綜合實力強的國有財產保險公司，其車險業務市場份額大，保險科技應用早，具有行業代表性。人保財險公司在業界率先推出了車險“科技理賠”平臺，助力解決傳統車險理賠周期長、效率低、體驗差、欺詐多等“痛點”，實現了智慧車險、智能理賠的目標。

1.應用“AR+AI”技術優化理賠流程，縮短理賠周期。人保財險公司從2015年起推進車險客戶自助理賠，從最初的單方事故自助理賠逐步拓展至“雙人保”互碰自助理賠、一站式線上自助理賠。2021年，為進一步推動車險理賠業務數智化轉型，解決理賠周期長、效率低等“痛點”，人保財險公司開發了“科技理賠”平臺，應用“AR+AI”技術創設客戶服務專屬數字空間，對自助理賠進行全流程優化，如圖1所示。第一，在報案環節，針對不同渠道報案的客戶，統一進行自助理賠引導，系統判斷符合自助理賠條件的，確認后自動跳轉到數字空間線上“照片采集”流程。第二，在查勘環節，引入AR增強現實技術實現引導式照片拍攝，使客戶可以自助完成現場照片采集和事故信息上傳，避免客戶重復操作。第三，在定損環節，引入人工智能技術實現AI照片自動定損，包括外觀損失自動識別和維修方案智能計算。同時，引入大數據技術對定損結果進行多定損平臺交互驗證，如驗證結果一致，則確認定損結果和維修方案；如不一致，則由人保財險公司、維修廠、客戶多方在數字空間應用音視頻實時通信（VoLTE）完成視頻復勘，直至得出一致的定損結果。流程優化后，大幅提高了車險理賠線上一站式處理效率，平均理賠周期從15天縮短至4.5天，實現了小額和低風險案件線上化、智能化快速處理，有效減輕理賠人員的案件處理壓力，提升了理賠效率和客戶滿意度。

圖1 人保財險公司車險“科技理賠”平臺流程優化

2.研發理賠工具和軟件，提升定損效率，改善客戶體驗。人保財險公司基于“科技理賠”平臺，提出“以芯理賠，讓科技效力于人”的新理念，通過科技賦能，即應用大數據、人工智能、云計算等保險科技底層技術研發免拆發動機測量工具、數碼內窺鏡、紅外測溫儀等先進的科技理賠工具，以及“企業微信理賠小助手”“智能理賠App”等便捷的理賠軟件，最大程度提升車輛定損效率并改善客戶的理賠操作體驗。以免拆發動機測量工具為例，該理賠工具在定損環節的應用具有以下優勢：一是無需拆裝，可降低對發動機的損耗，有利于車輛保值；二是高效省時，該工具檢測發動機僅需1小時，而人工檢測耗時長，往往需半個月；三是精準度高，通過電子儀器檢測，精準度高達99.98%，而傳統人工檢測對修車師傅的個人主觀經驗依賴度高、誤差較大；四是免費檢測，科技理賠工具檢測發動機是免費提供的一項服務，為客戶省去高昂拆裝檢測費用。同時，基于RPA流程自動化機器人技術開發的“企業微信理賠小助手”，通過集成線上理賠工具的數據，按優化后的線上全流程進行查勘、定損、理算、核賠和結案。在線理賠崗接到微信后臺智能定損分派的任務后10分鐘內處理，對責任確定及照片可定損的案件簡化流程和單證，一站式賠付結案，顯著改善客戶體驗。

3.應用大數據和科技理賠技術提升反欺詐能力，防控欺詐風險。人保財險公司基于“科技理賠”平臺，通過數據挖掘、規則定制和系統開發，提升反欺詐能力，突破反欺詐工作傳統的人防模式，有效凈化行業環境。第一，基于海量理賠數據進行大數據分析，提煉形成反欺詐風險規則，并嵌入理賠人員日常使用的核心業務系統，建立風險案件觸發提醒規則。同時，基于理賠大數據及風險規則的應用效果，持續優化迭代反欺詐風險規則，并對相關風險規則進行區域化定制，形成模塊化、可插拔的智能風險規則體系。第二，在大數據基礎上構建圖數據庫，實現案件信息快速查詢，了解人、車、案件的周邊關系，提供可視化、圖形化的數據分析界面和風險規則的智能篩查功能，并可定制欺詐篩查模型，快速識別特定風險案件，加強對代報案、特殊時段和特殊地點出險、多次出險等案件欺詐風險的防控。此外，科技理賠技術的應用進一步提升了反欺詐能力。例如，紅外測溫儀可采集發動機溫度，推算事故發生時間；車輛智能檢測終端（AIT）可讀取車輛電控系統故障底層數據，固化欺詐證據，防范修理廠、4S店等“合謀”騙保。

上述“科技理賠”應用已在一系列車險理賠案件中取得了落地應用實效（見表1）。

表1 人保財險公司車險“科技理賠”典型實例

（二）國內首款智能定損產品“定損寶”賦能車險理賠行業數智化轉型

“定損寶”是國內首款由第三方龍頭科技企業研發的，賦能各保險公司，特別是中小財產險公司車險理賠的智能自動化定損產品。“定損寶”2.0版將原1.0版中圖像定損技術升級為準確率更高的視頻定損技術，投保人只需將反映車輛受損狀況的圖片、視頻實時上傳，處于云端的IPA（智能流程自動化）機器人就能快速準確地給出識別和定損結果，實現了事故的遠程自主定損和自動理賠。“定損寶”2.0版賦能車險理賠的創新特色和作用效果，體現在以下三個方面。

這些讀前活動激活了學生的背景知識和生活體驗，讓學生用已學的知識引出新授知識，把他們的注意力引向閱讀話題，從而更好地為接下來的閱讀和閱讀后的寫作奠定語言基礎。

1.“定損寶”2.0版優化車險理賠定損流程，實現智能自動定損。在傳統理賠流程中，投保人出險報案后，需要等待查勘人員現場查勘，由于中小財產險公司查勘調度能力有限，在這一環節中往往延誤時間，影響后續流程的開展。“定損寶”2.0版整合機器學習、人工智能和基于規則的自動化技術，提高車險理賠過程的自動化效率和定損結果的準確性。出險報案客戶上傳相關照片和視頻后，“定損寶”2.0版通過計算機視覺迅速參與事故自動查勘定損工作，運用IPA機器人自動分析損傷程度，進行人工智能模型迭代學習和多方數據比對驗證，形成詳細清晰的定損結果，然后通過“公有云”平臺及時輸出并提供相關保險科技服務，有效賦能中小財產險公司推進車險理賠智能自動化。在上述過程中，“定損寶”2.0版減少了定損人員工作量、優化了車險理賠業務的資源配置和流程、降低了理賠成本、提升了理賠效率、改善了客戶體驗，方便財產險公司和投保客戶開展后續業務。

2.“定損寶”2.0 版助力防控欺詐風險和操作風險，降低理賠滲漏。在傳統理賠流程中，對保險欺詐的防控機制靈敏度較低，缺乏前瞻性。而“定損寶”2.0 版應用高精度的同步定位與地圖構建技術（SLAM），獲取車險理賠客戶和車輛的深度信息，提高了欺詐風險防控的靈敏度和前瞻性。SLAM技術被稱為AR/VR、計算機視覺、通用人工智能（AGI）等技術的升級版，在自動駕駛和車險理賠等場景下具有重要的應用價值，能夠實時識別快速運動對象的狀態，充分判斷其真實性，減少因虛假出險圖片造成的保險欺詐損失。隨著“5G+大數據”云端系統的應用及相關基礎設施的完善，SLAM技術日臻成熟，使用“定損寶”2.0版的案件中，車險欺詐風險大幅降低。同時，由于通用人工智能的客觀性，“定損寶”2.0版也可以避免因定損人員的不當操作造成的理賠損失，提升保險公司車險理賠質效。

3.“定損寶”2.0 版提升車險理賠行業數字化和智能化水平。“定損寶”2.0版的直接用戶為B端開展車險業務的保險公司，其產品定位符合車險理賠行業定損核賠數字化、智能化轉型的需求。原銀保監會于2022年底發布《關于進一步擴大商業車險自主定價系數浮動范圍等有關事項的通知》，對保險公司的產品創新、精準定價、定損能力和理賠質量提出了更高要求。“定損寶”順應行業發展趨勢，不斷迭代更新，為保險公司開發車險理賠創新產品提供開放共享平臺、數據接口和保險科技數據支撐。各家保險公司自助接入“定損寶”2.0版后，依托可信數據開放共享平臺、應用程序編程接口（API）和軟件開發工具包（SDK），結合自身理賠流程，開發了“拇指理賠”“慧定損”等創新產品。同時，“定損寶”2.0版還以自主研發的區塊鏈核心技術為底層架構，在保障隱私數據安全前提下，提供可負擔的保險科技解決方案，提升保險公司車險理賠自動化、數字化和智能化水平，促進行業高質量發展。

綜上，“定損寶”2.0版產品的主要功能與賦能效果（見表2）。

表2 “定損寶”2.0版產品功能分析與賦能效果

四、保險科技賦能車險理賠的制約因素

（一）保險科技監管體系待完善

保險科技在賦能車險理賠數字化轉型的同時，也可能帶來新型風險，對監管有效性構成挑戰。首先，以分業監管為主的監管體制無法完全適應保險科技跨界融合和不斷拓展應用場景的趨勢，同時對新型業務的保險消費者權益保護也需要加強。其次，車險理賠效率提高、人工智能和系統性風險的復雜性也對監管科技提出了更高要求，需要加強政府部門監管科技的技術應用和平臺建設。此外，保險科技的應用會帶來不同于傳統金融風險的新型風險。例如，UBI車險的數字化理賠可能加大客戶行駛軌跡等隱私泄露的風險；租用第三方云服務會面臨數據泄露、業務中斷等服務外包信息科技風險；無人駕駛場景也給理賠責任認定帶來新挑戰，而這些風險和挑戰需要通過完善保險科技監管體系來前瞻性應對。

（二）保險公司科技投入待加強

從長期來看，保險科技在車險理賠中的應用是車險數字化轉型的重要組成部分，也是各家財產險公司的“必答題”。但是，隨著2023年車險“二次綜改”的推進，短期內車險保費價格走低，疊加疫情后居民出行全面恢復常態，保險公司可能面臨綜合賠付率和經營成本率上升、利潤率下降的問題，從而擠占其他費用支出空間。保險科技在車險理賠中的應用總體上還處于初級階段，需要大量研發資金的投入，并且見效周期較長。保險公司一方面希望通過科技賦能車險理賠，來解決業務“痛點”，實現“降本增效”；另一方面又因為車險承保利潤率的下降，無法在科技方面投入大量資金，造成科技投入不足的局面，從而制約了保險科技賦能車險理賠作用的進一步發揮。此外，保險公司與上下游企業、高校、科研機構的協同攻關及科技成果的轉化，包括保險科技與車險理賠場景的深度融合應用，也有待加強。

（三）保險科技復合型人才不足

保險科技的創新發展催生了對保險科技復合型人才的迫切需求。總體上看，我國保險科技復合型人才的有效供給不足，存在結構性矛盾。一方面，各家保險公司、保險科技企業對復合型人才的需求上升且呈多樣化、特色化趨勢；另一方面，由于保險科技復合型人才培養周期長、要求高，導致供不應求，特別是同時掌握保險科技底層技術、數字化車險產品研發和理賠應用的高端復合型人才，更是“一將難求”。復合型人才不足的原因主要包括：一是政產學研協同的人才培養體制不完善。復合型人才的培養需要科技與業務融通的培養環境和平臺，但是保險相關的跨業合作和輪崗機制不健全、政產學研協同創新體系待完善、多元化的人才流通渠道不暢通，影響了復合型人才培養質效。二是高校車險理賠相關專業人才培養目標滯后，課程內容交叉融合不足。保險類課程偏重理論教學，缺乏實踐操作和技術應用；技術類課程又與保險業務脫節，無法滿足保險科技發展對復合型人才的市場需求。三是保險行業從業要求相對較低，理賠人員的結構和素質不適應數字化發展趨勢，同時保險公司缺乏完善的復合型人才培養、引進和激勵機制，制約保險科技復合型人才的發掘和成長。

（四）車險理賠數字生態待優化

從整個車險理賠生態體系來看，“理賠數字化”是車險行業的一次重大變革。但是，受主客觀因素制約，車險理賠的數字生態體系仍有待進一步優化和完善。首先，保險公司獲取行業外部數據和其他公司車險理賠共享數據的渠道不暢，“數據壁壘”影響車險理賠數字生態體系建設。除基礎社保信息外，保險公司對于公共交通、醫療服務、維修記錄等外部數據，尚無合法合規、統一規范的數據查詢接口。同時，各家保險公司與其他保險公司共享車險和反欺詐數據的意愿偏弱，由此造成的信息不對稱制約了保險科技對車險理賠賦能作用的發揮，也為欺詐活動提供了空間。其次，人工智能、區塊鏈、云計算、大數據等保險科技底層技術的應用尚處于相對“孤立”狀態，未實現融合應用，特別是作為多項數字技術集成創新載體的“元宇宙”，與車險理賠場景的深度融合，尚缺乏已落地的具體方案。因此，要進一步探索構建服務車險理賠的“元宇宙”，綜合應用保險科技優化和完善車險理賠數字生態，賦能車險行業高質量發展。

五、進一步支持應用保險科技賦能車險理賠的建議

（一）完善保險科技監管體系，支持科技賦能車險理賠行穩致遠

為支持保險科技賦能車險理賠守正創新、行穩致遠，同時防控潛在風險，需要進一步完善保險科技監管體系。首先，要加強頂層設計，優化監管體制。落實《黨和國家機構改革方案》，在組建國家金融監督管理總局的基礎上，完善保險業監管理念，使之適應保險科技跨界融合的發展趨勢，加強對保險科技車險理賠應用等新型交叉業務的統一監管，同時強化行為監管和持續監管，統籌負責車險投保人的權益保護工作。其次，要加大監管科技應用力度，建立全國統一的車險大數據監管平臺。建議監管部門加強監管科技能力和資源建設，培養監管科技人才，在保險科技監管中充分應用數字技術，推進風險監測機制信息化、常態化、智能化，加快數據監管平臺搭建，改變車險監管的數據建設滯后于保險科技創新的局面，同時紓解信息不對稱，提升監管的實時性、穿透性與專業性。逐步建立和完善全國統一的車險大數據監管平臺，實現車險理賠信息的實時匯總、動態監測、風險預警和欺詐攔截，并整合預警模型要素與交通拍攝圖形數據，應用人工智能對可疑行為自動攔截和處理，從而有利于推動行業的標準化建設和有效防控欺詐風險，為保險科技賦能車險理賠營造良好的監管環境。第三，要完善監管模式，加強對新型風險的前瞻性防控，實現鼓勵創新與防范風險的平衡。在金融科技創新監管試點的基礎上，完善“監管沙盒”模式，為車險數字化理賠創新產品提供安全可控的測試空間和包容審慎的監管環境，在充分保護保險消費者權益的同時，為保險科技創新應用提供監管支持。要高度重視新技術應用可能帶來的各類新型風險，有針對性地完善風險管理機制。加大車險理賠業務中的個人隱私信息保護力度，鼓勵保險公司運用區塊鏈、分布式身份認證等技術完善對數據傳輸和終端設備的信息安全風險防范。要求租用第三方云服務開展車險理賠業務的中小財產險公司強化“服務外包、責任不外包”的主體意識，明確界定服務外包邊界和數據權屬關系，完善“防火墻”設置和災備管理，提升對業務連續性、數據泄露、網絡攻擊、合作方欺詐等新型風險應對能力。針對無人駕駛技術的逐漸普及可能對車險理賠責任認定等帶來的新挑戰，監管部門要前瞻性地完善監管規則，引導保險公司加強對新技術的研究，及時修訂車險合同條款，并提高保險科技在新場景下的適用性。

（二）加大保險科技投入力度，推動前沿技術突破與理賠融合應用

車險理賠的數字化轉型離不開保險科技的研發投入和轉化應用。保險公司要合理規劃內外部資源，把握數字化轉型的大趨勢，平衡好短期投入和長期效益的關系，加大保險科技投入力度。首先，要增加資金和人力投入，完善內部制度和預算管理，規定每年收入的一定比例用作科技研發投入，并嚴格要求專款專用，為保險科技創新提供資金保障。優化內部組織構架和崗位設置，可以在車險理賠業務條線單獨設置科技支公司或事業部，健全人力資源管理機制，保障科技人力投入。其次，要立足科技高水平自立自強和自主可控，積極推進保險科技前沿技術的協同攻關。行業內龍頭保險公司或者平臺型企業可以聯合高校、科研機構、產業鏈上下游企業等合作建設保險科技協同攻關中心，對生成式人工智能（AIGC）、區塊鏈“閃電網絡”（Lightning Network）、大數據多維引擎與增強分析等前沿引領性技術開展協同攻關，為保險科技創新提供底層技術儲備和支撐。同時，政府部門可對中心開展關鍵共性技術研發、推動創新成果共享、打造產業創新高地、搭建資本運作平臺等給予相應的政策支持。第三，要提高科技成果轉化率，推動保險科技與車險理賠場景的深度融合應用。要深入了解車險理賠的痛點、難點，從業務實際出發推動技術創新，研發滿足需求的理賠新技術，提高科技成果轉化率。要促進保險科技底層技術與查勘定損、理算核賠、運營管理等車險理賠各業務環節的融合，實現全流程數字化轉型。

（三）完善政產學研協同創新體系，加大保險科技復合型人才培養力度

首先，要完善政產學研協同創新體系，為復合型人才培養提供良好的平臺和環境。要發揮政府的監管激勵效應、保險公司的創新主體地位、高校的科研支撐作用、行業自律組織的服務引導功能，完善政產學研協同創新體系，為高端復合型人才培養提供科研和實踐平臺。要健全跨業合作和輪崗機制，鼓勵保險從業人員積極參與行業交流和學習，打通政產學研多元化的人才流通渠道。其次，加大滿足車險理賠數字化轉型需要的復合型人才培養力度。高校應加強對車險理賠行業人才需求的調研和分析，面向理賠數字化轉型開設保險科技交叉專業，推進師資隊伍、課程內容和教學資源建設，構建保險學、汽車營銷、信息技術交叉融合的課程體系，同時加強對學生實踐創新能力的培養，滿足行業對復合型、應用型人才的迫切需求。第三，保險公司要加強理賠人員數字素養和技能培訓，健全復合型人才引進和激勵機制，完善人才梯隊建設。保險公司要整合內外部資源，大力引進和培養數字化人才，有針對性地加強理賠人員的數字素養和技能培訓，使其熟練掌握“定損寶”等數字賦能工具的使用。要健全復合型人才引進和激勵機制，根據業務發展和數字化轉型需要，積極引進亟需的“領軍人才”，完善薪酬激勵和職業晉升制度，鼓勵員工提出和實踐創新想法，為保險科技人才營造崇尚創新的企業文化和廣闊的發展空間。支持大型保險公司設立保險科技子公司，優先選拔具備保險與科技復合背景的人才進入高管層。同時，保險公司還應加強與高校合作，通過校企聯合培養，提高復合型人才培養的適用性，完善人才梯隊建設，為保險科技賦能應用提供智力支持和人才保障。

（四）探索構建服務車險理賠的“元宇宙”，優化車險理賠數字生態

要優化車險理賠數字生態，首先，需要應用大數據等保險科技打破“數據壁壘”。要探索建立跨界大數據庫，有序引入公安、交通、維修、醫療等外部數據源，實現跨行業信息的安全共享、合規使用，賦能車險理賠效率提升和風險防控。同時，應用區塊鏈的防篡改、防抵賴、可追溯等創新特征，以及同態加密、聯邦學習等隱私計算技術，實現“數據可用不可見、可控可計量”，在保障隱私的前提下，推動保險公司間數據共享上鏈，為車險理賠數字生態建設提供數據支撐。其次，“元宇宙”作為多項前沿數字技術和功能深度融合、集成創新的產物，在車險理賠中具有廣闊的應用前景，能給客戶帶來實時全景的沉浸式體驗，實現理賠全流程的智能化和自動化。因此，在建立大數據庫和實現數據上鏈的基礎上，各類保險機構和相關主體要合作探索構建分層的車險理賠“元宇宙”，優化車險理賠數字生態，全方位賦能車險高質量發展，服務人民美好生活（如圖2所示）。

圖2 車險理賠“元宇宙”的分層結構與主要功能

首先，物理世界的“傳輸層”與數字世界的“鏡像層”對應，使“元宇宙”具備數字孿生功能，能夠全景還原事故現場，實現全流程遠程查勘定損，客戶還可通過數字世界實時了解物理世界的理賠進度。其次，“元宇宙”的“處理層”中，結合邊緣計算、云計算和人工智能技術生成的虛擬數字人，不僅“任勞任怨”地把大量重復性的理賠資料錄入、核對等工作做到完美，還能勝任通過圖片和視頻識別車損程度、根據理賠規則核算金額等頗具專業性的任務。“元宇宙”的“邊云協同”功能和平臺生態化特征，使其能夠參考成千上萬的圖片和視頻，并與新收集到的證據比對，高效精準地報價核損和理算核賠，幫助保險公司在防范欺詐風險的同時，在物理世界的“服務層”中提供高質量的車險理賠服務。保險公司的理賠人員能夠作為場景搭建師，憑借多年積累的專業經驗，優化整個理賠流程，在“元宇宙”中搭建車險理賠數字化交互平臺，更方便地與客戶進行信息交流，并開展客戶關懷，為車險理賠創造良好的數字生態環境。此外，數字人民幣作為鏈接數字世界“價值層”與物理世界“應用層”的載體，可以通過“元宇宙”中的區塊鏈智能合約，實現賠款的精準、定向、自動支付，顯著提升客戶體驗，助推車險理賠高質量發展。