保险大模型革新：全面自动化倒计时

未来将会是一切都连接着AI的世界——科技杂志《连线》创始主编凯文·凯利（KevinKelly）曾在《5000天后的世界》中预测。

ChatGPT催生大模型热潮已将近两年，大模型的能力持续提升，基于大模型开发应用的探索也进入新阶段。“2023年是底座大模型高速发展的一年，2024年是大模型应用快速发展的一年。”泰康科技运营科技中心人工智能部助理总经理刘岩如是分析，目前大模型技术的发展相较2023年投资侧有所放缓，技术侧由训练大模型向应用倾斜，资源投入则由需要大量算力和算法投入的大模型训练向产品为主的大模型应用转移，大模型技术本身由大语言模型向视觉及多模态融合方向、智能体方向发展。

这意味着，2024年大模型应用正在加速产品以及场景落地。现实中，大模型在制造业、智慧能源、油气、矿业、医疗、教育、交通等多个行业的多场景下，展示了在提升工作效率、优化客户服务体验、推进企业数字化转型进程等方面的实际成效。

在金融业，大模型被看作一种“新基建”。太保科技总经理魏骄华表示，“随着大模型技术的迅速发展，目前已成为金融行业的重要应用工具。例如，彭博社的BloombergGPT、LTX通过GPT-4打造的BondGPT、开源的FinGPT等均是针对金融行业量身定制的大模型。”

金融的细分行业中，“保险是非常复杂的产品，但它的虚拟特征，恰恰是最适合AI应用的金融领域”，信美相互人寿董事长杨帆在和《财经》记者交流时做出如是判断。

据智研瞻统计显示，2018年中国保险业大模型行业市场规模3.84万亿元，2023年中国保险业大模型行业市场规模5.1万亿元，同比增长5.72%。目前，中国平安、中国太保、中国人保、阳光保险、信美相互人寿等多家保险公司均已围绕大模型进行了布局。

目前从保险业的场景应用层面而言，大模型可应用到全业务流程，可嵌入承保、理赔、审核等多个业务流程中，在应用场景上主要有营销、办公、核保、客服、编码辅助等。

据《财经》多方调研，目前来看，国内保险行业还处于场景落地的初级阶段，从知识助手、智能办公、两核助手、智能问数等领域，由内到外，由B端应用到C端应用的路径是目前保险业大模型落地的普遍路径。

从落地实践来看，在企业内部运用效率提升，为代理人和合作方赋能等toB端支持大模型的成效已初显，协助保险公司在产品设计、市场营销、客户服务、索赔处理等环节提高效率和准确性，从而提升整个价值链的效益；toC端，还主要集中于初级的客服交互层面，直接服务仍需评估和解决大模型安全问题，应对生成内容的可控和合规要求；技术底层，保险业正专门针对行业的大模型训练上下功夫。

蚂蚁集团保险事业群首席技术官孙振兴对《财经》表示，保险行业具有复杂的业务处理流程，涉及大量的多模态和非结构化数据（如保险条款、理赔各种单据材料、保单合同、图文视频素材等），以及丰富的客户服务和交互场景。大模型技术可以显著提升行业的自动化能力和用户服务水平，契合保险业态的需求。然而，作为一个专业且严谨的金融行业，保险对大模型的应用不仅需要通识知识和简单的推理能力，更依赖于深厚的行业专识、复杂的决策推理，以及大小模型协同处理任务的能力。因此，只有专门针对保险行业定制的领域大模型才能解决保险客户服务中的专业问题。

在大模型的布局上，保险机构纷纷笃定这是必由之路，不容落后。在全行业通用的生产力提升和保险行业特有场景的创新应用两个层面，大模型正由内而外一点一点拓宽边界，由内而外悄然铺开。

图1：保险公司应用大模型部分案例

实战效果初显：降本提效仅是第一步

大模型于保险业不仅是一个技术升级的过程，更是一种商业模式的变革。

多位保险业资深人士认为，2023年以前的前大模型时代，在这个阶段AI发挥的作用主要以降本提效为主。但随着2023年大模型技术登上舞台，其具备压缩海量知识的能力，同时还有拟人化的自然语言交互和理解的能力，突破了认知、推理、表达三重难题，所以未来保险业的变革将是重塑式的革新。

在全行业通用的生产力提升和保险行业特有场景的创新应用两个层面，大模型正由内而外一点一点拓宽边界，由内而外悄然铺开。刘岩表示，合规优先，首先在内部赋能场景开发应用，然后拓展到外部客户场景，充分积累大模型应用经验，配合监管严控大模型涌现风险。

AI芯片龙头英伟达公司CEO（首席执行官）黄仁勋10月12日曾公开表示，“我希望英伟达有一天能够成为一家拥有5万名员工的公司，并配备1亿名AI助手，遍及公司的各个部门。”在黄仁勋的畅想中，未来，英伟达将在公司的每个部门大规模部署AI助手（代理），以提高产出。届时，AI代理会将任务分解为多个较小的步骤，每个步骤处理一个特定的任务，以实现更广泛的目标。

和黄仁勋展望的相似，在保险行业通用的生产力提升方面，大模型的成效已初显。据魏骄华透露，当前在中国太保，大模型落地试点的场景集中在员工办公、研发测试、健康险理赔、车险理赔服务、审计作业等场景，目前仍在试点期。通过接下来基础平台的完善和场景的进一步拓展，预计2025年太保数字劳动力能够覆盖1万名员工，劳动生产率提升30%以上。

“正是由于大模型在思考模式、行动力和建模边际成本这三方面的突破，大模型可以对人的能力进行建模，不管业务中的具体问题是什么，只要具备了岗位的能力，都能够自行灵活规划使用工具来解决当前任务。”魏骄华阐释了中国太保数字劳动力的逻辑，即通过大模型对人的能力建模的方式来赋能业务。

据阳光保险相关负责人表示，在办公赋能方面，从办公助理、自动编程及知识搜索上推进认知和普及应用，阳光办公GPT累计使用次数77万余次，覆盖84%总部员工，员工广泛评价GPT对日常文书类工作效率有明显提升。科技团队应用大模型辅助编程，研发常青藤GPT编程助手，已推广至九个团队497人试用，在代码安全合规监测、代码注释生成方面可节省50%以上工作量，在新建系统的标准后台代码生成方面可节省60%以上工作量。

图2：智能员工“三级跳”

图3：大模型赋能保险业务流程

在保险行业特有场景的创新应用方面，大模型也带来了新的希冀，将实现从“粗放预测”到“精准预知”的发展。

据信美相互人寿首席风险官、数字化管理委员会主任赵雪瑶透露，当前信美的大模型应用还在逐步实施和验证的阶段。在销售支持环节，两核风控环节有一定的实践应用，从目前应用效果来看，能够助力进一步降本增效。例如，信美近期上线的“医家医”中端医疗险定制的专属产品咨询小助理，上线后综合准确率为98.33%。再以蚂蚁保的保险域的智能助理蚂小财为例，蚂小财基于自研的凤凰大模型能力能够回答各类用户咨询，其中包括核保核赔这类保险领域最复杂、最严谨的问题，回答准确率达95%以上。

将保险业的全链条分环节而言，大模型技术在保险行业中的应用，正在改变传统的风险管理方式。通过处理包括历史保险索赔记录、客户个人资料、健康记录、车辆行驶记录等在内的海量数据，大模型能够为保险公司提供更精准的风险评估和决策支持。

在保险产品定价阶段，大模型能够分析大量客户数据和历史索赔情况，帮助保险公司精准评估个体风险水平，实现个性化定价。不过据刘岩分析，现阶段大模型对海量数据的分析还存在技术难题，不是大模型当前应用的主要场景。在该场景的突破需要智能体技术的进一步发展，通过多智能体自主规划、相互配合来完成基于海量数据的分析和应用场景。

平安健康险IT管理委员会常务副主任马荣强分析，核保效率上，大模型能够自动分析投保人的健康数据和历史信息，快速做出核保决策。这大大减少了人工审核的工作量，同时提高了准确性和效率。

“传统的核保过程往往依赖于人工审核和经验判断，而大模型则能够通过分析大量的核保案例和数据来判断。未来，在核保端，可能不再需要这么多的代理人和核保师，当然大模型也会带来更多新的工作岗位。”一位中小险企总裁判断。

阳光保险相关负责人分析，在理赔环节，大模型的应用更是带来了革命性的变化。通过整合和分析客户提交的理赔资料、医疗记录、历史赔付数据等信息，大模型能够快速识别出理赔案件中的潜在风险和异常点。这不仅有助于保险公司及时发现和处理潜在的欺诈行为，还能提升理赔决策的准确性和效率。此外，大模型还能够实现自动化理赔处理，包括自动审核理赔资料、计算赔付金额、生成理赔报告等，从而大大缩短了理赔周期，提高客户满意度。

据孙振兴举例，例如在客户最为关心的保险理赔板块，在AI大模型新的科技范式下，两日快速理赔还远远不够，借助大模型可以达到99%的单据提取准确率和98%以上的核赔准确率，可以让用户感受到秒级赔付。“这意味着过去提交完一个单据之后，需要等待两三天以后才能拿到结果，但今天在试点保司的范围内，82%以上的门诊险，51%以上的住院险，用户可以立等可得，在一分钟甚至几秒钟之内实时拿到理赔结果，这背后是保险多模态提取大模型、理赔审核大模型，以及OCR等专业小模型共同协同作用带来的结果。”

一家中型寿险公司负责人表示，除了对日常客服、运营等岗位进行替代和效率提升，在产品定价和精算假设方面，通过大模型可以做到千人千面。更为重要的是，以前险企一个产品打天下的时代过去了，大模型可以满足定制化的需求，很多特殊客群的个性化产品诉求，可以通过大模型数据提供出更加有差异性的产品。但这也受制于监管限制。

麦肯锡全球副董事合伙人、金融保险行业及数字化创新专家刘明华认为，大模型生成的AIAgent相互之间能够独立地进行互动并模拟下一步动作，为用户构建一个数字化保险社区。

孙振兴表示，大模型技术发展迅猛，除了延续ScalingLaw在参数规模和数据方面持续提高，还呈现出多模态和强化学习两大趋势，使其能够处理图像、视频等多种数据，并进行更复杂的推理和决策，大模型将进一步推动保险业的服务体验和效率创新。

深层布局路径：“私有化布局+API调用”

在大模型的布局上，保险机构纷纷笃定这是必由之路，不容落后。

据刘岩分析，大模型技术对保险行业的创新推动分为两个层面，第一个层面是全行业通用的生产力提升，第二个层面是保险行业特有场景的创新应用。全行业通用生产力提升包括办公和个人助理等方向的大模型应用，对日常工作中的信息获取、加工、分析提供新一代的能力辅助，比如会议总结、文档编写、数据分析等场景。行业特有场景应用比如代理人的交互式培训，针对保险代理人的销售、增员等场景，利用大模型技术结合企业培训体系设计，提升代理人沟通能力。保险业态的复杂性特点和合规性要求，对大模型的应用既是很大的机会，也有很大挑战。