跳至正文
技术

保险,以数据为核心重新构建。

1B将承保、数据、监测、技术与保险整合为单一系统。其产出并非一份更快的报价,而是一份从根本上信息更充分的报价。
L1
信号采集
L2
风险表征
L3
承保决策
L4 / L5
在保方案与事件反馈
架构

从信号到决策再回到信号。

五个层级,外加一条回传路径。正是这条回传路径,把风险平台与风险数据库区分开来。
  1. L1信号

    接入

    技术、运营与环境输入均自承载风险的系统采集,链上状态、遥测数据、控制措施证明、依赖关系图、威胁态势。

    • 链上状态
    • 机群遥测
    • 控制措施证明
    • 依赖关系图
    • 威胁态势
  2. L2模型

    风险表征

    原始信号经解析,形成结构化的敞口表征:何处可能失效、失效有多严重、与组合中其余部分的相关性如何。

    • 敞口建模
    • 损失幅度分布
    • 相关性映射
    • 情景构建
  3. L3核保

    决策

    核保人的工作对象是表征,而非原始数据。判断仍由人作出;证据基础由机器维护,并始终保持最新。

    • 承保偏好逻辑
    • 定价观点
    • 条款与条件
    • 上报阈值
  4. L4运行

    在保方案

    已承保的风险持续处于监测之中。偏离承保时所依据的状态,触发的是行动,而非续保时的意外。

    • 偏离检测
    • 整改流程
    • 组合累积
    • 重新定价
  5. L5响应

    事件

    事件数据回流至模型。每一次事件,无论是否在保,都会改进整个组合的风险表征。

    • 事件采集
    • 损失归因
    • 模型反馈
    • 组合学习

证据回流至模型,业务组合从每一起事件中学习

1B Risk OS

让您的数据替您谈判。

一层受权限控制的智能层,位于「关于风险可被验证的事实」与「保险公司可据以行动的信息」之间。它把客户自己掌控的证据,转化为核保人可读的风险敞口视图,并保留每一项结论的形成记录。
证据自下而上穿过各层;所学到的再回到底部。这条回路,正是风险平台与风险数据库的区别。

架构

从现实 到已投保的风险。

数据层与保险层被刻意分开。前者确立什么是真实的、谁可以使用;后者判断这对一项敞口意味着什么,并把它带到仍需批准它的市场。

  1. 现实人、企业、资产与机器。源系统、行为、所有权、遥测与记录。
  2. 信任身份、来源、生命周期状态、验证。在任何人据以行动之前,先确立什么是真实的。
  3. 授权目的限制、选择性披露、授权、撤回。由客户决定哪些数据外流、用于何处。
  4. Risk Twin保险视角下的敞口:损失驱动因素、正面信号、缺口,以及承保方将要求什么。
  5. 核保智能可承保性、结构、承保要求,以及风险得以配置前必须回答的问题。
  6. 智能体准备、比较、解释、监测。它负责汇整工作,不负责作出决定。
  7. 市场经纪人、MGA、承保方、再保险人。承保意愿、承保能力、已批准的条款措辞与人工核保。
  8. 保障由持牌承保方承保的保障,取决于其批准与保单条款。

两个问题,两个层次

什么是真的?

信任层连接并验证经济语境。它确立来源与授权,并且刻意不作保险决定。

  • 身份与所有权
  • 资产记录
  • 当前状态与遥测
  • 生命周期证据
  • 谁可以使用什么,以及为什么

这对保险意味着什么?

1B 把获授权的证据转化为保险公司可读的敞口视图,并组织从投递到承保能力的整个路径。

  • 可保性
  • 风险结构
  • 承保要求
  • 与市场的匹配
  • 决定的来源
Private Risk Twin

产品不是数据。而是对数据的解读。

数字孪生描述对象本身。风险孪生说明这个对象对保险公司意味着什么——并为每一项实质结论保留它属于哪一类陈述的记录。
  1. 已验证事实

    已签名、现行有效,并可追溯至其来源凭证。

  2. 派生属性

    由本身保持私密的记录计算得出的属性。

  3. 模型推断

    在一支机队或一个组合中读到的模式。标记为推断,绝不标记为事实。

  4. 承保方规则

    市场设定的边界。读取它的系统无权与之协商。

  5. 人工决定

    核保人的判断,以及随之附加的条件。

标记本身就是要点。一个说不清某项结论属于哪一类的系统无法被审计,核保人有理由不信任它。
数据与权限

回答问题所需的最少信息。

每一步都是一次削减。抵达保险公司的,只是回答其真正提问所需的最少信息。
  1. 原始数据尽可能留在来源处。
  2. 验证信任层只确认获准的事实。
  3. 已验证属性必要的最少证据,而非其背后的记录。
  4. 保险信号该证据对这项敞口意味着什么。
  5. 披露仅限已授权的信息,且仅用于其获授权的那一次请求。
特殊类别的个人数据仅在法律允许且获得适当授权的情况下处理。隐私增强技术并不会使原本被禁止的核保变为合法。
为什么会不断累积

更好的证据改善的不只是价格。

论点不是「软件让保险更便宜」。更好的风险选择、更少的信息不对称、更少的人工处理与更强的组合洞察,各自改善保险经济学中不同的部分。
  1. 嵌入式分销触达的摩擦更小
  2. 更多已承保风险观察到的敞口更广
  3. 更多已验证证据不确定性更低
  4. 更细的分层风险得以区分
  5. 更好的核保可承保性判断更精确
  6. 损失洞察赔案与险些发生的事件
  7. 承保能力关系被真正理解的组合
  8. 承保授权按产品设定的边界
  9. 产品与条款剩余风险结构更佳
  10. 更多分销然后再来一轮
示意性架构。此处内容均不构成报价;只有在持牌承保方批准并签发保单后,保障才成立。
风险对象

一项敞口,解析为可定价的对象。

原始信号本身并不构成承保输入。只有当它被解析为结构化的表征之后,才成为输入:什么会失效、后果有多严重、与组合中其余部分的相关性如何,以及当下的状态是否仍与承保时的状态一致。
下方的数据结构仅为模型示意。其中不含任何客户数据。
风险对象维护中
  • architecture.class已验证
  • controls.baseline已验证
  • dependency.graph监测中
  • autonomy.scope监测中
  • deviation.signal状态漂移
  • aggregation.cluster监测中
  • incident.history已验证
  • remediation.queue未决
偏离承保时的状态即触发相应动作
按风险类别划分的信号

风险不同,产生的证据也不同。

新兴风险不存在通用的遥测方式。每一类别的观测手段,都按其自身特性单独配置。
数字资产
  • 托管架构类型
  • 门限与签名人拓扑
  • 冷/温/热资产配比
  • 证明出具频率
  • 依赖集中度
  • 链与资产敞口结构
  • 事件与未遂事件记录
MiCAR / CASP
  • 牌照状态与范围
  • 客户资产隔离模式
  • ICT与第三方登记册
  • 连续性与退出规划
  • 治理与任职资格状况
  • 法规变动敞口
人工智能风险
  • 生产环境自主等级
  • 评测与红队频率
  • 人工监督覆盖率
  • 工具与支出权限范围
  • 模型与供应商变更率
  • 事件与未遂事件遥测
  • 数据溯源状况
机器人
  • 运行设计域
  • 机群运行时长与利用率
  • 干预与脱离率
  • 软件版本分布
  • 与操作人员的距离
  • 认证与标准合规状况
  • 现场事件分类
代币化资产
  • 链上/链下对账
  • 发行控制拓扑
  • 底层资产托管安排
  • 预言机与定价依赖
  • 赎回与转让机制
  • 权利主张的管辖法域
网络与数字风险
  • 外部攻击面
  • 身份与访问权限状况
  • 供应商与依赖集中度
  • 备份与恢复能力
  • 凭据与泄露情报
  • 行业威胁环境
原则

这套系统做什么,以及不做什么。

判断由人作出

模型负责把证据结构化,但不决定风险偏好、条款或价格。作出决定的是核保人,只是其所掌握的图景,比以往流程所能提供的更为完整。

证据重于告知

凡无法观测的控制措施,一律按其可能并不存在来处理。验证先于承保能力的投放。

实时,而非年度

一年更新一次的风险图景,在一年中的大部分时间里都是错的。状态处于持续维护之中。

组合记忆

每一起事故,无论是否在保,都会改进承保账簿中其余标的的表征。这套系统具有复利效应。

数据最小化

我们只采集会改变承保决策的信号,除此之外不再采集。任何接入之前,采集范围均以书面形式约定。

客户可控

交易对手方看到的,与我们看到的是同一幅图景。任何评估都不会基于客户无法查阅的证据。

技术

承保是一个信息问题。我们照此对待。