第十四屆金融科技高峰會秋季場會後報導
隨著生成式 AI 技術應用熱潮席捲，已然開始改變汽車保險與事故處理的作業態樣。成立 7 年的創星物聯科技，便巧妙透過科技助力，成功翻轉傳統繁冗的車險理賠流程。
文／明雲青
無庸置疑，生成式 AI（GenAI）堪稱今世最大的科技顯學，各行各業都對它熱情簇擁，期盼靠著它讓自己脫胎換骨、頭角崢嶸。而 GenAI 如此人人皆曰偉大的技術，應用範疇無限遼闊，當然也包含了自動駕駛與保險行業，甚至有人已探索出如何利用 GenAI 發揮自動理賠、保險定價、虛擬保險助理…等功效，重塑未來汽車保險與事故處理的態樣。
創立於 2015 年的創星物聯科技，主要就是以車聯網技術為基底，利用機器學習、機器視覺來評估保險上的風險，並以產險、車隊、車廠為目標客群。而該公司的創辦人暨總經理林俊彥，便是深諳「GenAI 之於汽車保險的應用與趨勢」的箇中好手。
傳統與自駕並行年代，汽車保險科技尤其重要
林俊彥強調，曾有一個前輩提到過，「AI 的盛行，讓每一個產業都值得重新再做一次」。乍聽之下，此言非常有道理；然而後來我們仔細想一想，過去網際網路的興起，不也是讓每一個產業都值得做一次？工業時代的興起，亦使每一個產業值得做一次？所以如今的 AI 興起，是否有值得商榷之處？
事實上 AI 與其他重大科技相比的最大的區別，在於其掀起濤天巨浪的時間間隔縮短，以致使我們在有生之年、或是在職涯歷程的 25~30 年間，必須面對一次、甚或兩次的科技革命。那麼，我們就需要用心探究這回以 AI 為主軸的科技革命，到底能夠為汽車保險帶來什何等衝擊。
再進入 AI 之於汽車保險議題前，先從汽車說起。汽車發明於 1885 年，當時 Mercedes-Benz 第一批量產 1,200 輛靠內燃機發動的現代汽車。時至 1977 年，Oldsmobile 採用了第一個量產的汽車微型計算機（ECU）。接著 2000 年時，Mercedes-Benz S-Class 使用的 ECU，已達到 2,000 萬行的軟體原始碼規模。到了 2016 年，Tesla 開始用機器視覺來代替人眼辨識，做為自動駕駛的判斷依據。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
綜觀汽車的「量」成長史，從 1880 年的 1,200 輛增長到 2025 年的 14.2 億輛，足足歷經了 140 年時間。但另一方面，若從「質」的角度來看，其間的改變時間相當短，而質變的主軸為 C.A.S.E.（Connected、Autonomous、Shared & Service、Electrified）；可從 2020、2030 兩個時間切片來比較，例如「C」，2020 年 48% 售出的車輛帶有聯網的 SIM 卡，2030 年則有 96%，或者針對「E」，2020 年電動化比例僅 3%，2030 年可望大增為 24%。
「有人說，創星現在做汽車保險的數位轉型，會不會在自動駕駛車上路後，讓這些技術完全無用武之地？」林俊彥坦言此話聽起來有點道理，但仔細想一想，全自動駕駛 Level 5 開始從 1% 的滲透、到 5% 的滲透、再到 10% 的滲透，感覺上很快，只不過傳統車輛迭代或淘汰的速度很慢，所以未來大家要面對一個複雜場景，就是有傳統駕駛的車輛、自動駕駛的車輛，同時並行在道路上；預估 100% 全自動駕駛，需要經過長達40年的演進。
這也意謂著，我們要面對極為複雜的狀況。意即有很多傳統車輛，舉證能力不足，但仍需它做保險理賠、事故調查、風險定價…等等，這就充分凸顯了創星的存在價值。
保險／保修／保養，為汽車產業鏈價值最高的一環
因為車輛變成人們的資產，假使這個資產造成別人的傷亡，或為自己帶來亟需填補的財務損失，此時就需要保險。若以全球 14.2 億輛車為總量基準，每年所需花費的汽車保險高達 20 兆台幣，市場堪稱巨大。
據 McKinsey 報告顯示，包括人工智慧、巨量數據、精準媒合、行動投保、流程自動化…等技術，正在從根本上重塑保險業。因此全球車載資通訊市場存有很多的供應商，嘗試用前述幾項技術，去改變汽車保險產業；創星的誕生，就是為了以 Data 與 AI 重構汽車保險／保修／保養服務。汎德永業總經理曾說，其代理 BMW 與 Porsche，一年賣 2 萬輛車營收 300 億，賣車毛利 8%，反觀保險／保修／保養毛利竟高達 46%，是整個產業鏈當中價值最高的環節。
創星的 Trans-IoT 數據服務平台，基本上同時提供給商業車和自用車，然後根據兩者不同的需求，來提供不同的車端技術；如用於商用車的 4G OBU 數據車機、4G mDVR 影像車機。
截至目前，經由 Trans-IoT 平台孕育的 Embedded Insurance 成功案例，已不在少數。如台哥大與富邦產險推動的商業車隊管理平台；泰安產線推行 UBI 試辦；明台產線推行一鍵理賠評估；某產險用於電動車的 UBI 動態計價；納智捷與新安東京海上產險合作推動 T-Box 汽油車原廠數據與保單整合應用。
以某產險結合車廠數據（影像）服務的案例而論，創星與一家知名電動車品牌商合作，前期從前端收集 Metadata，之後融合原始數據、環境數據、天候數據、路況數據…等，接著運用風險評估方法，計算駕駛上的風險，最終提供產險業者。
AI 加持，30 分鐘完成車險理賠流程
另一典型應用落在保險定價，即是大家熟知的保險理賠。按傳統程序，當事故發生，首先進行車禍現場處理，包括拍照蒐證、手繪製事故圖，甚至需要到警局接收筆錄，完成出險、調查流程，接著執行賠案建檔、和解，最終結案，整個過程歷時 2 到 4 週。
未來一旦藉助 AI/ML、機器視覺及 GenAI 等科技，即可化繁為簡，從車禍現場處理、機器視覺精準還原事故經過、理賠文本客製化生成，一路推進到結案，其間只需 30 分鐘。
類似於上述智慧文本應用場景，已經實際發生。如創星協助明台產險打造的「車聯御守 UBI 汽車綜合保險」便是一例，它是已實際商轉、且獲金管額核准發行的保單，其最特別之處，在於當事故發生時，可直接取用即時影像，從而透過無警處理方法，進行事故後續理賠作業。深究其中關鍵，在於車聯御守行車記錄器同時具備多項功能，包含 4G 車聯網、碰撞自動偵測、事故影片自動上傳、一鍵理賠通知、ADAS 安全提示及安全駕駛行為分析；此一快速理賠的保單，非常適用於無體傷或單純財損、肇責明確（如後撞前）、自撞事件等情境，約佔全台灣一年事故案件的五成。
然而上述情節仍仰賴人員接聽電話，有無可能再往前一點，用 AI 來處理系統與人的互動？答案是肯定的。
林俊彥指出，藉由事故影片上傳，系統後台同步收到案件通知，接下來可利用更多的機器視覺進行處理，像是在日夜晴雨中辨識道路上 的物件、號誌、燈號或車牌，乃至透過影像校正方式，將道路上的距離判斷得更清楚，同時藉由俯仰角轉換技術，再輔以高清地圖疊合，將行車影像變為頂視圖，從上帝視角精準掌握事故發生過程。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
