由于系统繁多 ， 在保险业务的承保、核保、缴费生成保单及打印等一系列流程中 ， 需要人工多次登录查询 ， 重复对不同表单进行手工录入 ， 导致业务效率低下 。
针对以上问题 ， 泰康和百度智能云联合研发了OCR平台 ， 把卡证类和财务类等相对规范的票据都实现了自动化采集 。 OCR整体采集准确率可以突破98% 。
过去保险行业有部分保全业务人员 ， 所谓“保全”指的是：客户身份认证有误后 ， “保全”会负责客户保险业务的办理和更改 。 上线OCR平台之后 ， “保全”岗位可以不再设置 。
OCR技术落地真正的难点在于医疗影像类 ， 目前市场平均准确率在70%～80%之间 。 远低于上述规范票据 。 背后的原因主要是三块
医院自身的复杂性：全国二级以上的医院有接近4万家 ， 通常有34大类票据 ， 每一家医院票据的版式、字段名称都不一样 。
保险公司业务特点：保险公司受理被保险人理赔申请时 ， 一般会要求被保险人提供理赔材料 ， 保险理赔人员会将这些信息录入到IT系统 ， 形成电子记录 。
客户流程不熟问题：资料提交阶段 ， 由于客户流程不熟 ， 理赔资料可能会出现残缺不全等现象 。 审核人员需要审核补单 ， 导致理赔周期拉长 。
双方共同实现了门诊发票、住院发票、费用清单、结算单、病案首页、出院小结等6大类医疗影像 ， 已覆盖全国31个地区 ， 3万多家医院 。
这又是一次具备代表性的合作案例 。
03
联合研发
泰康和百度智能云之间的合作还在进一步深入 。 双方甚至到了联合研发 ， 百度智能云方面驻场办公的阶段 。
泰康科技研究院下设四大实验室 ， 各实验室负责相关项目的推进 ， 产品定向研发和业务支撑 ， 分别主攻四个重点产品方向：
机器感知实验室 ， 负责视频分析、图像识别以及实体机器人；
图文分析实验室 ， 与OCR技术相关；
计算语言实验室 ， 负责语音识别合成、语义理解以及人机交流与问答；
知识推荐实验室 ， 主要负责知识的挖掘、搜索和推荐 。
这四大实验室都与百度智能云有合作 ， 百度智能云研发工程师驻场 ， 和泰康之间共同应对产品创新 。
刘岩介绍 ， 选择百度智能云作为合作伙伴 ， 主要基于四个维度的原因 。
共享共建 ， 双方共同孵化产品 ， 可以产权共享、能力共享 。 这也是泰康最重要的考虑因素；
泰康与百度智能云开发人员和商务人员间的互信关系 。 百度方面重视产品落地 ， 然而行业内部分同类企业的策略则是偏商务导向 ， 这容易给产品规划带来战略误判；
百度智能云的产品平台化能力 。 百度涉足过大量ToG、ToB、ToC项目 ， 产品考虑相对深远完善 。 工程团队具备短时间集团作战能力 ， 常规中小企业无法比拟 。
由于泰康倾向于与性价比较高的企业进行合作 ， 综合考量之后百度智能云属于性价比相对较高的一家 。
刘岩在采访中一直强调AI的“一事一议”、“场景多变” 。 在他看来 ， 算法跑了1000米 ， 产品化还有9000米 。
原因在于AI应用产品定制化程度极高 ， 必须要深入合作、联合研发 。
以OCR能力为例 ， 单纯谈OCR能力强大缺乏说服力 。 AI的应用需要在特定数据、特定场景下展开阐述 。 部分OCR产品在不同场景和数据时会有不同的表现 。
落地到医疗票据识别这个场景中 ， 全国有上万家医院 ， 每家医院的医疗票据、历史数据以及更新板式都不一样 ， 在产品开发过程中 ， 往往需要生成基础模型 ， 根据基础模型具体到每个地区、每家医院的特点进行模型优化 。
恰恰是因为AI产品应用解决方案倾向于一事一议 ， 无法用成熟产品适配所有场景 ， 联合研发往往是最优解决方案 。 双方研发团队混编 ， 这种合作模式更为深入 。
联合研发也让泰康与百度智能云在合作时能够共同孵化具有高应用前景和价值的产品 。
04
未来方向
保险数字化的市场需求还在进一步扩大 。 保险数字化启动之后 ， 步伐则会加快 。
艾瑞测算 ， 2020年保险数字化升级服务市场规模为2800亿元 ， 这一市场保持着30%的年复合增长率 。


文章图片
对泰康和百度智能云而言 ， 当下是重要的转型时机 。
泰康自身数字化步伐还在加快 。 百度智能云则是面临拓展客户、售出解决方案的诉求 。 双方在技术、战略上都具备长期合作的基础 。
【泰康和百度智能云为何相互需要？