斩获“Gartner2018金融创新奖”,平安产险智能闪赔缘何汇聚世界目光

简介: 澳大利亚当地时间10月29日,全球最具权威的顾问咨询公司Gartner(译名“高德纳”)在黄金海岸公布“Gartner2018金融创新奖”,中国平安财产保险股份有限公司(下称“平安产险”)“智能闪赔”项目凭借在智能风控、智能核赔、510极速查勘等核心服务和保险技术方面地不断创新和突破获得该奖项,成为亚太地区唯一获奖的保险公司。这是平安产险首次海外获得大奖,也是人工智能在保险行业应用获得Gartner全球创新奖的首家中国保险公司。

微信图片_20211231191710.jpg

平安产险总经理助理兼CTO顾青山和产险创新智能部副总经理肖嵘在评选现场


这个奖分量有多重?


“Gartner金融创新奖”由创始于1979年的顾问咨询公司Gartner发起设立,旨在对改变全球产业面貌并为盈利、效率和客户体验带来积极影响的业界领袖和创新产品进行表彰。


在全球影响力上,Gartner以其公认的权威性拥有全球各个行业(包括中国在内)超过11000家客户机构而独占鳌头,公司客户几乎囊括了绝大部分世界级大公司,全球500强的75%客户都在使用Gartner的研究成果。此次一同参选的还有印度Axis银行 、Max Bupa 健康保险公司以及澳大利亚联邦银行等各国创新金融机构。


微信图片_20211231191737.jpg


闪赔背后的AI力量


应对2018年台风“山竹”期间,平安产险受影响区域分公司借助智能闪赔大幅提升车险理赔作业效率、及时响应客户需求。在智能图片定损引擎的帮助下,平安产险第一笔车险赔款仅在报案后十六分钟就支付到账。面对台风期间恶劣天气及灾后集中爆发的案件,平安产险深圳分公司车险案件线上处理率超过70%,仅用了4天时间完成近1.5万笔车险案件定损。


据了解,“智能闪赔”由平安产险自主研发,拥有43项技术专利。目前,平安产险“智能闪赔”技术已向行业开放,多家保险公司成为其签约合作伙伴。同时,平安产险将AI应用于车险理赔全流程,从智能人机交互代替人工坐席接报案、到基于大数据的动态调度实现极速查勘、智能图片定损,全面提升理赔服务体验。


据悉,本次评选历时5个月,Gartner组委会从全球上千个报名者中遴选出5个大类的上百余个创新金融科技产品,涵盖机器学习应用、客户体验、内部流程创新、社会影响力、人力资本、科技创新、孵化器等多个领域,这些领域是当下全球最为前沿的创新金融科技,将对消费者、企业和社区产生巨大影响。在当天的峰会上,平安产险展示了自身在人工智能创新科技上的领先成果,并向大家分享了智能闪赔的创新场景应用。智能闪赔项目的创新性和AI应用领先性完全震撼了现场的海内外技术专家,上千家CIO/CTO纷纷把票投给了平安,现场投票一路遥遥领先,最终以绝对优势夺冠。


微信图片_20211231191815.jpg

此次平安产险“智能闪赔”能够获此殊荣,正是得益于产品对业务痛点的持续挖掘及产品不断创新:以“客户为中心”,紧跟时代步伐,用技术驱动业务流程改进、创新新产品,提供极致客户体验……未来,平安产险希望通过“金融+科技”的结合,以科技赋能业务战略变革,未来支撑打造一个智能产险、智慧产险,全面开启向“数字驱动经营、连接构建生态”的转型征程。


平安产险的未来格局


据悉,Gartner创新大奖将深刻并持续影响全球11000多家企业,影响力覆盖美洲、欧洲、亚洲、澳洲等重要区域,90多个国家的客户。这对于正在转型“金融+科技”的平安产险来说,意味着更大的机遇。它不仅彰显了自身的科技实力,也让全球看到了亚太地区人工智能应用的高水平和中国保险科技在全球的竞争力。


微信图片_20211231191846.jpg


“智能闪赔”斩获“Gartner2018金融创新奖”表明在应用领域,该技术已处于行业领先水平,也进一步证明了平安产险在保险创新领域的独创性、领先性已经受到全球认可。未来,基于智能认知、人工智能、区块链、云技术等四大核心科技,公司将持续深化“金融+科技”、探索“金融+生态”的战略规划,不断优化产品及服务体验,促进科技成果转化为价值,实现“科技赋能金融,科技赋能生态,生态赋能金融”的长期发展愿景。

相关文章
|
存储 NoSQL 关系型数据库
数据库的发展史
数据库的发展史
|
Python
ROS节点检测ArUco标签并记录空间坐标
利用Realsense D435i相机检测ArUco标签,使用Python程序订阅相机的ROS话题,记录Time和标签的XYZ值,储存在一个csv文件中;当出现识别不到标签或者反馈坐标为0,0,0的情况时,不进行记录。
830 0
|
机器学习/深度学习 存储 人工智能
SEARCH-R1: 基于强化学习的大型语言模型多轮搜索与推理框架
SEARCH-R1是一种创新的强化学习框架,使大型语言模型(LLM)具备多轮搜索与推理能力。它通过强化学习自主生成查询并优化基于检索结果的推理,无需人工标注数据。相比传统RAG或工具使用方法,SEARCH-R1显著提升问答性能,在多个数据集上实现26%以上的相对性能提升。其核心优势在于强化学习与搜索的深度融合、交错式多轮推理机制及令牌级损失屏蔽技术,推动了LLM在复杂推理和实时知识获取方面的边界。尽管存在奖励函数设计简化等局限性,SEARCH-R1为构建更智能的交互系统提供了重要参考。
1403 7
SEARCH-R1: 基于强化学习的大型语言模型多轮搜索与推理框架
|
数据挖掘
uniapp uview扩展u-picker支持日历期间 年期间 月期间 时分期间组件
uniapp uview扩展u-picker支持日历期间 年期间 月期间 时分期间组件
1525 10
|
存储 运维 监控
2023年湖南省“楚怡杯”职业院校技能竞赛-信息安全管理与评估规程
2023年湖南省“楚怡杯”职业院校技能竞赛-信息安全管理与评估规程
|
Java 数据库 Maven
Jasypt 配置文件加密的用法
Jasypt 配置文件加密的用法
1357 0
|
人工智能 运维 Serverless
【云故事探索】NO1:看森马服饰,在阿里云上如何用AI实现创新?
在数字化转型中,云计算成为企业创新的关键驱动力。森马服饰借助阿里云函数计算,应对新零售挑战,实现业务模式重塑和效率提升。面对AI技术落地的困难,如高成本、长决策周期和复杂运维,森马通过阿里云的Serverless解决方案,快速将AI融入核心业务,优化了从设计到营销的全链条流程。通过函数计算,森马降低了AI项目初期的硬件投入和运维难题,提升了设计师的工作效率,将设计时间从3天缩短到30秒,实现了服装设计和营销的智能化升级。
【云故事探索】NO1:看森马服饰,在阿里云上如何用AI实现创新?
|
网络协议 安全 Linux
DNS 分析神器:dnsenum 保姆级教程(附链接)
DNS 分析神器:dnsenum 保姆级教程(附链接)
|
数据采集 数据可视化 算法
Python在大数据分析中的力量:Pandas、NumPy与SciPy
【4月更文挑战第8天】Pandas、NumPy和SciPy是Python数据分析的核心,构成其在大数据领域的重要地位。Pandas提供高效的数据操作,包括DataFrame和Series结构,以及数据清洗和预处理工具。NumPy专注于数组计算,提供高性能的ndarray和数学函数。SciPy则包含专业算法,适用于科学与工程计算。这三者协同工作,覆盖数据分析的全过程,形成强大的Python生态系统。随着社区的不断创新和新库的涌现,如Dask和CuDF,Python在大数据分析领域的潜力将持续增长。
872 0
|
机器学习/深度学习 自然语言处理 人机交互
语音识别技术的发展与未来趋势:深度学习、端到端建模与多模态融合
语音识别技术的发展与未来趋势:深度学习、端到端建模与多模态融合
1229 0
语音识别技术的发展与未来趋势:深度学习、端到端建模与多模态融合