“如果一张医疗发票要走5个系统、3次人工核对，AI再聪明也省不了时间。”

——某头部财险运营总监张三

01 一场“30分钟”的理赔拉锯战

周五下午，张三收到客服转来的投诉：网约车司机李师傅上周剐蹭，理赔款迟迟不到账。

客服给出的原因是“车险保单信息录入不全”。后台截屏显示，张师傅上传的是一张平安电子保单，但字段“保险期间”被系统误判为“签单日期”，导致核保规则冲突，案件卡了整整三天。

痛点被量化：一张保单平均要经过2.8次人工校正，全公司每月为此付出4000小时人力。

02 “让保单自己开口说话”

2023年，张三的团队接入了一套快瞳保单OCR识别算法。上线第一天就遇到考验：扫描件歪了15°；

太平洋的保单把“保险期间”印成了“起讫日期”；

还有司机直接拍了手机屏幕，带着摩尔纹。

快瞳票据识别算法给出的解法很“暴力”——

先矫正：用角度检测+透视变换，把歪斜图片拉平；

再理解：NER模型把“起讫日期”自动映射成标准字段“保险期间”；

最后校验：与保司接口实时比对，发现李师傅的商业险其实已脱保，系统秒级拒赔并提示续保。

结果：单车险保单录入时间从5分钟降到1.3秒，字段准确率拉到98.7%。

一个月后，李师傅再次出险，从上传资料到结案只花了12分钟——他在司机群里发了一句“这次真快”，比任何广告都管用。

03 医疗票据的“暗礁”

车险的问题解决了，健康险的理赔又冒出新坑。

张三把2023年上半年的拒赔案件拉了个清单：

43%是因为发票明细与医保目录对不上；

21%是印章模糊被人工退回；还有重复打印发票，同一笔住院费在两家公司同时索赔

。

这一次，他们测试了医疗票据识别算法。

第一步是分类：门诊发票、住院清单、检验单……系统用ResNet+Attention先“看图说话”，准确率96%

。

第二步是标准化：算法把“0.9%氯化钠注射液”自动映射到医保目录编码“L600101”，连规格、厂家都对应上。

第三步是验真：直接调用税局接口，6要素秒级返回发票状态，假的直接拦截。

最意外的是印章检测。 过去人工审核只看有没有红章，算法却抓出了“PS合成章”——像素级异常在热力图里一片通红。上线三个月，重复报销案件下降72%。

04 当AI成为“水电煤”

张三最近算了笔账：

保单识别让车险核保人力减少40%，相当于每年省下800万元运营费用；

医疗票据识别把健康险理赔时效从平均3.4天压缩到0.8天，客户NPS提升19分。

更关键的是，系统开始反哺业务——

算法识别出的高频拒赔字段，被用来优化前端投保问卷；

医保目录的实时对齐，让精算部门第一次拿到了“带病体”真实费用分布，为新产品定价提供了数据锚点。

05 写在最后

在张三的办公室，贴着一张A4纸：“AI不是新渠道，而是旧流程的拆解和重组。”

当保单识别、医疗票据识别成为理赔环节的“水电煤”，保险科技的竞争才真正进入下半场——

谁能用更低的技术成本，把数据误差压缩到小数点后两位，谁就能在理赔这场无限游戏里活得更久。