1992年，在美国求学的吴军和唐澍在打工时相识于一家餐馆。异国他乡，志趣相同的二人，很快成为了要好的朋友。毕业后，二人分别进入了美国的健康险行业，吴从产品的精算起步，唐从IT架构起步。

“中国人是非常勤奋的。”吴军将自己和唐澍在美国的经历一句带过。也正是勤奋，2004年，吴被友邦（彼时还隶属于AIG——美国国际集团）从美国派到香港担任友邦亚太区健康险的总精算师。2008年，唐作为总架构师被当时美国最大的健康险公司Wellpoint，从美国派到中国筹备成立一家第三方理赔服务公司。

二人先后回国，开始深入研究中国商业健康险。在原有美国专业健康险的知识视角下，吴军发现虽然中国的商业健康险发展的速度非常快，但还存在两点核心问题：

第一，中国商业健康险的作业方式较粗放。以理赔为例，保险公司在处理理赔的时候，会面临大量的医疗单据，每张单据都包含了大量的医疗明细数据，但这些明细数据不会在保险公司的系统上留存，这样就错失了大量的有价值的医疗数据。

第二，中国商业健康险的作业模式较原始，多数是手工作业。且手工作业主要依靠理赔员的人工经验，错误率较高，效率较低。

在吴军看来，要解决这些问题，就需要借助美国商业健康险的管理经验和先进的系统。而彼时，唐澍正在做这项“搬迁”工作，但实践发现，美国的系统到中国以后会面临“水土不服”的问题。唐澍解释道，从结构上来看，中国的医保是广覆盖、低保障，多数理赔是由医保先赔付，然后再由商业保险介入，存在两个支付方。而美国只是单一的支付方。双方系统的底层架构并不一致。

吴军和唐澍看到了这块商机，“我们既有美国的底层技术知识，又对国内的商业健康险有充分的了解，就可以自主打造一套适合国情的健康险系统。”

为商业健康险提供自动化、高效理赔服务，在这一愿景下，2011年，吴军和唐澍创立谐筑信息科技有限公司（以下简称“谐筑”），聘请了一支十几人的研发团队，开始研发一款100%自主知识产权的全明细、全自动理算系统。

谐筑的理算系统是依据医疗发票进行保险理赔的底层技术。目前我国的医疗发票，左联是大项，如西药费、诊疗费等有限的几个大项科目，右联是明细，会详细的列出每项药品、检查等，如阿莫西林、CT等。

中国传统的理算方法是，工作人员手动查看理赔单据，理算后对顾客赔付费用，在这个过程中保险公司系统只会留存有限的几个大项科目，不会将明细数据录入系统并作结构化处理。由于明细数据并不在系统中直接参与理算，风控只能依赖人工经验，有时会出现错误，如诊断与诊疗不符（看感冒开降压药），全部依赖人工判断，极易漏判。

为解决理算服务时由手工操作产生的错误，谐筑以底层系统为依托，搭建其系统化、明细化的知识库。吴军说道：“这真的是一项很复杂的工作，以药品为例，我国有25万种药品加剂型，我们首先要对其统一编码，如阿莫西林在中国就有二三十家厂商生产，每一家的名字可能还不一样。”用了四五年的时间，谐筑将药品、器械、检查、手术等诊疗信息编制成标准的知识图谱与编码，并与各地的医保规则加以匹配。

为实现自动理赔，首先，系统会对保单进行解析，将保单中的文字规则像搭乐高积木一样转化为系统配置，然后，系统会根据事先的配置自动对病人提交的费用进行分解，确定好哪一部分是由保险公司来赔付，哪一部分由个人支付。

为了保证其正确性，谐筑增添了人机协作的功能。谐筑的系统会自动提示风险（如诊断和诊疗不相符），并弹出页面悬挂到审核人员面前，经过审核人员进一步审核过后，方赔付费用。吴军告诉记者，这样做的效率会提高五到十倍，且对人员技能的要求也会有所下降。

值得一提的是，谐筑的全明细、全自动的理算系统是一套通用系统，可以对市面上所有的保单进行自动化的理算。

随着理算系统在各个保险公司的落地，业务量也逐渐加大。吴军发现整套系统还存在一个问题：明细数据是需要人工的方式录入。

“目前国内的OCR技术（图片转换文字技术）已经比较成熟，但在医疗发票识别领域却只有30%的准确率，几乎不具实用性。”吴军解释道，目前我国的医疗发票为机器打印，存在很多问题，如：纸张上有水印、发票上盖着各种章、印刷会出现错行现象等等。且国内不同医院的医疗发票格式是不同的。

这些因素都导致了医疗数据OCR识别准确率较低。由此，在第一套自动理算系统研发五年之后，谐筑开始研发其第二套基于深度学习的人工智能OCR系统。

谐筑识别效果（图片来源：企业提供）

该OCR系统经过两年时间的研发，已累计学习了百万张发票影像和百万条清单明细，扫描和拍照影像的识别准确率都达到90%以上。且单张票据单线程可实现秒级识别，一台四显卡服务器一年可识别上千万张发票。

在实际生产中，为保证录入信息100% 正确，谐筑采用自动识别+人工复核的模式。值得一提的是，生产过程中被人工修正过的错误数据都得以沉淀，参与识别引擎再次学习，系统的识别能力不断被加强，人工参与率也随之降低，目前已经达到了“机器录入为主，人工校验为辅，错误数据加强学习”的良性循环。

目前，谐筑的两套系统相互配合。赔付对象通过微信小程序或APP上传医疗单据图片，OCR系统识别，识别过后通过人机协作系统完成复核工作，之后发票上的明细数据就以一种结构化的方式进入自动理算系统，最终实现赔付。

下步规划方面，谐筑会继续深化机器学习，并与各大保险公司建立合作。

据了解，谐筑目前正在进行B轮融资。