□唐虞

数智化（Digital Intelligence）是指利用数字技术和数据驱动的方法，实现智能化、自动化和优化决策的能力。这一过程结合了人工智能、大数据分析和机器学习等技术，通过对大量数据进行收集、整理和分析，为企业和组织提供更深刻的洞察力和智能化决策支持。

随着大数据、人工智能和云计算等技术的进步，数智化已逐渐成为保险公司提升风险管理能力的重要工具。保险公司的核心在于风险管理，而数智化技术的应用可以大幅度提高风险识别、评估、监控和应对的能力。通过数智化，保险公司能够更准确地预测风险，更有效地分散风险，并能更及时地应对风险事件，从而保护公司的资产和客户的利益。

数智化技术的应用

在具体应用方面，大数据技术可以帮助保险公司收集和分析大量的客户数据、市场数据和行为数据，从而识别潜在的风险因素。通过对这些数据的深入挖掘，保险公司可以更早地发现风险信号，提前采取措施。人工智能技术，尤其是机器学习和深度学习，可以对风险进行更精细化的评估。通过训练模型，保险公司可以预测风险发生的概率，评估风险的严重程度，为风险定价提供科学依据。云计算提供了强大的数据存储和计算能力，使得保险公司能够实时监控风险状况。云平台上的风险监控系统可以快速响应市场变化，及时调整风险管理策略等。

随着当前相关技术的发展，保险公司应该考虑如何将风险管理部门从一个被动的、孤立的实体转变为一个主动的、综合的、战略性的推动者，进一步投入资源为风险管理部门提供数字化赋能。风险管理工作的技术应用也应当被纳入公司整体层面的数智化转型过程中。通过重新定义其战略目标并利用数字化，风险管理部门可以从传统的风险缓解器演变为一个充满活力、具有前瞻性的合作伙伴，使组织能够在不确定性中蓬勃发展。例如，咨询公司麦肯锡估计，通过提高当前风险管理方法的效率和有效性，数字化的风险计划可以将风险管理活动的运营成本降低20%至30%。

传统风险管理的不足

当今瞬息万变的商业环境，包括颠覆性技术的兴起、市场的不稳定、法规的演变和监管政策的更新，使得一些传统的风险管理方法面临挑战，限制了其创建更高价值的潜力。在保险行业，大部分风险管理部门当前的工作目标通常围绕着减轻已知风险、维护内部控制和风险管理体系、应对监管要求等传统工作内容。然而，在数字化扩大了风险范围和性质的环境中，这种方法在以下几个方面存在不足：

传统的风险管理是被动的，主要关注已识别的风险。在数字时代，风险是动态的、不断发展的，而且往往是意外出现的。被动管理往往会使组织对新出现的威胁视而不见。

传统上，风险管理部门在孤岛中运作，通常与其他业务职能部门存在一定的脱节，这种碎片化的视野使得整体风险评估具有一定的局限性，并阻碍了对相互关联风险的识别。

快速的技术进步和市场变化需要灵活的应对措施。传统的风险管理部门通常缺乏敏捷性，无法跟上不断变化的风险形势。

数智化带来的变革

然而随着技术的发展，数智化提供了一种变革性的风险管理方法，即无缝互联、数据驱动且具有敏捷性。

以操作风险管理为例，机器学习可以减少或消除耗时和重复性的工作任务。例如，对大量操作风险数据的处理和分析，长期相对内容固定的质量保证和定期报告编制工作使员工容易产生倦怠情绪。部分金融机构已经成功应用机器学习来减少现有流程的误报，从而减少单独逐笔审查的需要。机器文本挖掘的学习技术可用于获得更深入地了解损失历史，例如根本原因和风险驱动因素。在相关应用系统中，可以进一步使用自由文本描述对现有的损失数据进行分类，使用机器学习技术使操作风险的数据收集、处理和分析更加高效。

以承保过程中的风险选择为例，通过使用Open AI技术核保人员能够大量缩减阅读客户提交的投保文件、过往损失记录、企业财报、内部文件等文本文件的阅读时间，通过设置关键风险信息的提取，快速形成初步的客户风险等级评估报告，从而更加快速、有效地进行承保决策。

在其他方面，部分风险管理成熟度较高的保险公司在一些具体应用方面已经开始从自然语言处理 （NLP）过渡到大型语言处理（LLP）。

然而，在保险公司日益采纳数字技术应用到广泛的业务及风险管理流程中，我们也必须及时开发与之相适应的数字化或人工智能风险管理框架以确保以相称性原则进行用例风险和影响性评估。同时，对新技术的应用也需要持续秉持乐观审慎的态度对内容输出的质量加以人工验证和复核，不能过度依赖纯技术结果的输出。在具体应用场景方面，还应该以问题为导向和以风险本质为导向去选择合适的技术和实现方式，不能为了创新而使用华而不实的技术手段从而偏离风险管理目标的初衷。

（作者系苏黎世财产保险(中国)有限公司总经理助理、首席风险官）