“我國車險欺詐是保險欺詐的重災區，車險欺詐滲漏在保險欺詐中占比高達80%，保守估計每年涉案金額高達200億元。車險常見欺詐類型有擺放現場、酒駕、毒駕調包等30多種，保險公司防不勝防，損失巨大。”這是中國保險學會與金融壹賬通近期聯合發布的報告中提到的一組最新數據。

　　盡管車險領域欺詐頻發，但隨著大數據、人工智能等科技在保險領域的應用，這一現狀有望得到緩解。明覺科技保險事業部總經理張帆對《證券日報》記者表示，在互聯網、大數據等新興技術的推動下，通過科技的力量去轉變保險業所面臨的諸多問題是未來的一個大趨勢。

　　同樣，針對傳統保險業發展中出現的欺詐比例高等痛點，金融壹賬通董事長兼CEO葉望春表示：“高速發展的保險科技，為保險業提供了轉型的突破口和新的發展機遇。云計算、大數據、物聯網、人工智能和區塊鏈技術已經進入保險的核心業務流程，覆蓋包括產品設計、售前承保、理賠、售后服務、銷售風控等各個環節，并取得了一定的效果。”

　　車險欺詐呈現三大特征

　　保險欺詐一直是保險業的頑疾，根據國際保險監管者協會測算，全球每年約有20%-30%的保險賠款涉嫌欺詐，損失金額約800億美元。

　　從我國的情況來看，隨著保險公司業務的發展，各種潛在的欺詐風險也隨之增加。其中，據上述中保學報告數據顯示：我國車險欺詐是保險欺詐的重災區，車險欺詐滲漏在保險欺詐中占比高達80%，保守估計每年涉案金額高達200億元。

　　總體來看，據中保學上述報告顯示，我國車險欺詐具有三大特征。

　　一是欺詐形式多樣化。車險領域欺詐風險集中，據統計，車險常見欺詐類型有擺放現場、二次碰撞、故意出險、虛報盜搶、駕駛員酒駕或毒駕調包、重復索賠等30多種，保險公司防不勝防，給保險業造成巨大損失。

　　二是欺詐手段專業化。以車險欺詐為例，據保險公司統計，以汽修廠、4S店或二手車行人員為主的職業型欺詐和頂包案件占了大多數。車商等專業人員利用保險公司政策和管理的空檔，通過故意制造交通事故、編造未曾發生的交通事故、提供虛假理賠材料等手段進行詐騙。

　　三是犯罪主體團體化。近些年，保險欺詐從以往的“個案偶發類”逐漸演變為“團伙蓄意類”。車險欺詐以傳統修理廠為主體的“配件倒換”、“套用舊件制造事故”等常規方式，轉化為多主體（包括修理廠、二手車商、黃牛等）利用維修車輛資源進行拼湊事故（將同為單方事故的兩輛車，拼湊為兩起雙方事故，在不同保險公司進行賠付）、利用高價值二手車故意制造全損事故等方式，手段隱蔽專業、作案金額更大，也加大了保險公司取證和打擊的難度。

　　險企應對策略較單一

　　面對多樣化的欺詐手段，保險公司應對策略卻比較單一。

　　目前大部分保險公司主要依賴查勘、定損、核保、核賠人員的主動發現來識別風險。多樣化的欺詐手段對于人員經驗和技能要求極高，不僅人力耗費大、成本高，還可能引發人為的欺詐滲漏風險，傳統的風險管控方式已經無法滿足當前高速發展的保險市場的要求。

　　傳統核保和理賠環節需要耗費大量人力物力，以某排名前十的財產險公司為例，僅理賠運營人力就有15000人。投保人利用信息不對稱騙保、與第三方機構（中介或醫療機構）合謀虛假理賠、賠償金被冒領等問題時有發生，保險公司不得不加大人力投入以減少保險欺詐損失。數據顯示，中小財產險公司的人力成本超過15%，是險企管理費用居高不下的重要原因。

　　此外，2019年，調研機構FRISS針對全球150多名保險行業專業人士的“保險欺詐調查報告”顯示，有67%的保險公司仍需通過“工作人員的經驗”、45%的公司仍需依靠“理算員的直覺”來檢測欺詐案件和識別高風險客戶。但是，保險業務發展過快、行業人員流動加快等問題，也導致目前很多工作人員專業技能缺失、經驗不足，對欺詐類案件識別和處理能力不足。隨著保險業務的不斷擴展以及科技的進步，保險欺詐滲漏手段不斷翻新，僅依靠工作人員的工作經驗已難以解決欺詐問題。

　　除上述幾大問題外，在保險公司反欺詐的抗擊戰中，存在諸多與數據相關的挑戰。數據質量差、內部信息割裂和外部信息難共享等問題增加了行業和企業的風控難度。

　　險企已先后介入智能風控

　　2018年以來，隨著保險科技與保險行業的深度融合，保險行業開始進入“智能風控階段”，深度應用人工智能、大數據、區塊鏈和物聯網等技術。

　　智能風控管理的核心是基于智能算法，運用合適技術，以“電腦”協助“人腦”自動進行一系列風險管控操作，從而準確快速、全面有效地實施各業務環節的風險識別、風險評估、風險預警和風險處理等。

　　上述中保學報告提到，智能風控改變了過去以合規、滿足監管要求為導向的風險管理模式，強調用保險科技降低風險管理成本、提升客戶體驗、優化風控效能。相對于傳統風控手段，智能風控優勢明顯。第一，智能風控擁有海量風險規則支持風險篩查，全面覆蓋人工篩查容易遺漏的細小風險規則；第二，針對高風險案件環節，設置風險預警方案及時預警，防止風險向后流轉；第三，為應對客戶對風險管控的不同要求，可靈活修改及配置引擎規則中把握風控程度的閾值，實現個性化風險管控；第四，根據案件調查結果反饋及多維數據輸入，機器可不斷學習進化與迭代，提升風控精度，并應對不斷新增的風險類別。

　　《證券日報》記者發現，目前保險公司產業鏈的各參與方都已經不同程度地介入到保險智能風控的相關領域。首先，從監管機構來看，支持新技術在保險風控中的應用，在《反保險欺詐應用指引》中明確指出，“保險機構要利用大數據分析、云平臺等技術以及風險信息庫和歷史檔案等數據，構建規則、模型、欺詐網絡分析等針對個案或團伙欺詐的智能識別系統”。其次，從保險公司來看，大型公司都在智能風險管控轉型上持續投入資源，積累起較豐富的實踐經驗。最后，從行業第三方機構來看，多數公司都開始投入大量資源，在客戶風險評價、理賠反欺詐等方面做出積極嘗試。