《一个给保险公司识别营运车碰瓷骗保的AI风控项目》
金融科技 方向的结构化创业机会。综合分 66.32 ，可据此评估差异化、落地难度、市场空间、时间窗口与护城河。
机会标题：用AI识别出租车/网约车司机事故碰瓷与骗保风险
多维评分
综合分 = 创意25% + 可行30% + 市场20% + 紧迫10% + 壁垒10%。置信不计入综合分。
创意 72
可行 42
市场 82
紧迫 78
壁垒 82
置信 62
行业分类
创业方向
to B/技术
面向痛点
网约车/出租车司机事故碰瓷和夸大停运损失索赔成为黑产，保险公司、车主与平台缺少自动识别手段。
解决方案
利用行程轨迹、报案时间地点、历史出险记录、维修厂关联、索赔金额异常等特征，输出‘碰瓷/骗保风险分’，嵌入保险公司理赔审批流程拦截可疑案件。
潜在人群
保险公司车险理赔部门、网约车平台公共责任险风控、汽车租赁公司。
变现 / 商业模式
SaaS年费+按调用量计费；若与保险公司对赌节省理赔金额，可抽取5%-10%分成。
所需资源条件
- 事故理赔脱敏数据（必须） · 数据 — 与保险公司/交管部门合作获取，用于训练和验证模型
- 算法团队（必须） · 其他 — 需要数据工程师和算法专家，薪资成本高
- 保险行业渠道（必须） · 流量渠道 — 通过人脉或行业KOL打进保险公司内部
补充说明
必须解决数据合规授权问题，法律风险较高；冷启动建议与地方分支公司做POC，不以总部为起点。
所需岗位
- 算法工程师 ×2（技术） — 负责风险模型与异常检测
- 大数据工程师（技术） — 清洗、融合多源车辆数据
- 保险BD（商务） — 开发保险公司客户
风险
数据获取难，保险公司采购周期长，模型存在误伤；黑产手法不断升级需要持续迭代。
依据
两个回复都确认存在职业碰瓷现象：‘是的，还专门有干这行碰瓷的’、‘不然你以为为什么那么多碰瓷的都是网约车司机’。
下一步验证
先收集公开裁判文书与保险公司脱敏数据做案件关联分析，形成10个可解释风险规则，再找一家地方保险公司理赔部做试点。
标签
保险反欺诈,碰瓷,风控,AI,营运车辆