从「信息平权」到「规划平权」，互联网保险未来已来？
文 | 周天财经
周天财经 原创出品
丘吉尔曾说：「如果我能办得到，一定会把「保险」两个字贴在家家户户的门上，每一个公务员的手册上，每个企业的章程里。」作为一项相当特别的金融产品，保险帮助我们对抗「不确定性」。
But，在投保时，我们却发现，不确定性还是无处不在：
各类险种五花八门，该优先配置哪个？
每一项险种下又有不同保司的不同产品，该怎么选？
即便是选定了一款产品之后，买多少保额才算合适？
…
以上只是粗略一列，每一项问题展开背后又有着许多门门道道，就比如医疗险和重疾险区别，保险合同中的各类专业术语等等，「买保险究竟要怎么买」成为困扰着消费者的共性问题。
图片来源：微博
以我询问了身边朋友的情况来看，绝大多数人都对保险的重要性有认知，知道保险重要，再往下大致分为三类，一是觉得太复杂被「劝退」，二是硬着头皮找资料、咨询专业人士弄清楚各个细节，三是囫囵买了些产品，但可能存在没买足保额或是买到性价比较差的产品，甚至可能因为健康告知问题有无法理赔的风险。
造成这一现象的原因，一方面是保险本就是复杂度极高的金融产品，其本质是为风险和意外定价，保险公司还要确保有钱赚，普通人想弄清楚费时费力是常态；另一方面，与商业保险相对发达完善的西方国家相比，中国保险行业起步较晚，但市场规模又很大使得过去多年行业野蛮生长，供需两端都没有建筑起很好的互信基础，急需站在消费者需求角度进行方案规划的意识和能力。
图片来源：微博
那么，有什么办法能够让消费者省心省力买对保险？
我们注意到，在支付宝里的蚂蚁保板块，近日正式上线了名为「省心配」的智能保险配置工具，通过人工智能技术为困扰消费者和全行业的投保痛点找到了一条新道路。
「省心配」顾名思义，就是能够根据用户的个人实际情况量身定制保险配置方案，用户在支付宝搜「省心配」就能体验，非常值得一提的，这是行业里首个 AI 保险规划师。
在实际使用过程中分为三个步骤「风险分析 - 保障评估 - 产品匹配」，只需要用户确认年龄、地区、收入等信息后，就可以通过蚂蚁保 HRAAM 保障配置模型来生成方案，全程不超过 30 秒。
一个产品细节是：如果是为本人配置的话，像年龄和常驻地区已经有默认填写，收入则是采用了统计数据中的当地平均收入水平，如果收入与实际不符，也可自行手动调整，这也降低了填写提交信息的复杂度，页面上也注明了对隐私数据的相关保护，有效减少了用户对输入个人情况的顾虑，打磨相当充分。
通过 HRAAM 模型计算，最终在产品匹配页面，省心配会选出最适合用户的一组配置方案，并且直接给到具体的产品、保额以及配置顺序，用户再根据自己的实际需要进行购买即可。
我在使用过程中最大的感受是，省心配将科技能力与产品打磨结合得非常「丝滑」。
一方面，HRAAM 模型的测算需要的个人数据遵循「最小可用」，只需要填写很少的个人情况，给出的推荐结果却十分「务实」：每一项的配置保额都有严谨的计算公式，比如意外保障就综合了用户、年龄、人群的意外发生率、收入水平、用户常驻地的康复护理费以及用户年龄人群的建议补偿周期，让保额够用但又不会太多导致浪费钱；另一方面，省心配在每个环节都配有相关的文字解释和数据参考，一目了然，非常适合没有太多配置经验的保险小白。
这款模型处处体现着「够用」的产品精神，技术有价值观，HRAAM 模型背后的价值观是：减少用户过度购买，避免过度保障，减少用户焦虑，好的产品，理应是「less is more」的。
类似于目前大热的 ChatGPT 产品：用一个极致简单的对话框蕴藏了人类迄今为止最先进、复杂的人工智能工具，产品在前端界面越简单、强大、易用，往往意味着产品将复杂留给了自己。
尽管看上去都是一种「生成式 AI 应用」，但「省心配」背后的核心 HRAAM 模型（Househould Risk Assurance Allocation 家庭风险保障配置模型）和 GPT 等自然语言处理模型不同，HRAAM 主要专精于运筹优化领域，并且因为是通过蚂蚁保的行业垂直数据进行训练，在风险判断和产品匹配上更具「术业专攻」，能够合理分配有限的资源覆盖更多的风险情况，而不经过垂直领域训练的 GPT 相对来说缺少行业数据，且在短期内也缺少直接形成配置方案的可能性。
HRAAM 模型是在保险精算学理论的基础上，融合传统金融学方法论，运用神经网络算法技术，针对每个用户配置几万种到十几万种方案，最终「翻箱倒柜」地选出最适合用户的一组方案在前端呈现，可以说后台运算这短短几秒时间称得上是「袖里乾坤」。
就目前的体验而言，蚂蚁保省心配已经能够满足普通用户「买什么险种」、「买哪款产品」、「买多少保额」的问题，而且因为每个步骤的解释非常清楚，即便用户最后不选用省心配的方案进行配置，单是使用产品的过程，也是一次个性化且直观易懂的保险科普。
将 AI 应用于保险行业并不新奇，此前几年如 AI 智能客服、AI 保险精算以及利用 OCR 识别智能理赔已经在大型保险公司得到了普及运用，但是在渠道端直接去和用户接触的成功用例少之又少。
以 2020 年 7 月上市的 Lemonade 为例，这家公司依靠纯线上模式获客、投保、查询和理赔，试图通过去掉代理人环节节省下来的佣金让利给客户，但是由于获客推广仍然需要高昂的市场营销成本，加之内部经营效率问题 Lemonade 迟迟未能盈利，上市后还曾被浑水做空，目前股价已不足高峰时期的十分之一，可见保险科技的商业实践远比纸面推演复杂得多。
分析下来，原因还是门槛过高：需要同时具备技术能力、数据支持以及用户信任，符合要求的玩家本就极其有限。以蚂蚁保为例，深厚的技术研发能力，「刚好够用即可」的产品观，是蚂蚁保能够推出「省心配」的前提，据周天财经了解，HRAAM 模型在推荐过程中不受佣金因素影响，主要是站在用户角度进行公正客观的科学配置。
自去年底 ChatGPT 横空出世以来，业界认识到 AI 会让很多行业「值得重新做一遍」，保险行业或许也不例外，「省心配」就是新一轮 AI 浪潮下的垂直产业先锋产品。
AI 在走近人们生活的过程中，本质上还是要服务于人，以人为主导，而保险行业本质上也是一个尊重生命价值，帮助人们生活得更加幸福的行业，这使得像「省心配」这样的 AI 保险规划师的出现多了一重现实意义。
好的保险规划师是可遇不可求的，如果将互联网保险的出现视作保险行业的一次「信息平权」，消费者可以更加轻松、便捷地接触到大量保险产品，那么不妨将「省心配」的推出视作「规划平权」、或者说「服务平权」的起点，的确，数据显示，「省心配」已经足以帮助用户节省 30% 的投保费用。
一个用户告诉我，他没耐心查看保险条款，实际上，他后来才发现，在自己买的两份保险中，都含有一条相同的保障，是 AI 帮助他发现了其中的重复浪费。蚂蚁保「省心配」项目负责人张程也向我提到，他自己的父母从上世纪 90 年代就给他买了大量的保险，如今回头看，发现有大量的购买都集中在一些储蓄型保险上面了，而具有保障作用的重疾险和意外险，却是缺失的。
这就是业内第一个 AI 保险规划师对于用户的意义，只需要符合保险的常识，不需要眼花缭乱的似是而非，足够公允，又足够简单，让普通用户可以快速、轻松地获得「够用」的保险规划服务，而人类保险规划师的优势则是提供水准以上的专业服务，并且发挥机器所不具备的如共情、长期信任等价值，二者搭配，或许能形成更加良性的行业生态。
相比动辄「拉满配置」，过度服务，这一次，我更相信「最小可用」。
－ END －
周天产业分析 原创出品 | techfinsight
专注于科技产业与商业现象的深度分析与趋势解读，亦关注企业家群体与企业文化。
周天财经 精选代表作
更多精彩内容，点击下方关注