保险：绸缪核心场景

北京商报

在这个大模型时代，保险业作为应用人工智能最活跃的领域之一，其变化尤为显著。对于保险公司来说，大模型已经不再是“要不要用”的选择题，而是“如何用好”的必答题。大模型在保险行业的应用，正在逐渐从外围走向风险管理、产品销售、辅助办公等核心场景，给行业带来深层次的改变。

头部率先试水

拥有海量的数据、丰富的场景，使得金融行业成为大模型应用的一片蓝海。以保险业为代表的金融行业，正在积极探索大模型技术的应用和发展。今年下半年开始，国内多家头部保险公司入局，多个保险大模型如雨后春笋般涌现。

在众安保险的AIGC架构中，大模型则是基础。7月份，在2023世界人工智能大会上，众安保险发布了保险行业首份AIGC应用图谱，并带来众安AIGC中台灵犀及首批保险垂直场景AIGC应用工具——易创内容运营平台和集智经营分析平台。

不仅是保险公司，一些保险中介机构也在加速追赶大模型浪潮。蚂蚁集团保险事业群CTO孙振兴介绍，该公司大模型未来主要的应用场景在保险的产品理解和金选评估、智能保顾助理（支小宝）和代理人展业赋能，以及理赔信息提取和核赔判别四个方面。元保保险经纪（北京）有限公司（以下简称“元保”）介绍，该公司自创立之初就持续研究Google的BERT和OpenAI的GPT-2、GPT-3.5、GPT-4，并做了大量的落地探索，在多个场景都取得了很好的应用效果。

总体来看，目前头部保险公司以及部分保险中介机构已经率先进行了大模型的试水，循序渐进，已经搭建了较为完善的规划体系。在中国人工智能学会天使投资人郭涛看来，保险业已经形成了较为成熟的AI全场景化应用，积累了大量的数据和场景，这为大模型的应用提供了坚实基础。

广阔想象空间

实际上，大模型给保险场景带来的想象远不止于此。

保险业由于产品结构复杂，无法完全脱离对传统人力的依赖。在大模型出现前，保险业人工智能应用主要集中于核保和理赔环节。

大模型技术的应用，为保险业提升效率和解放人力带来了广阔的想象空间。大模型在保险的应用领域可以覆盖从前台到后台的各个环节。诸如风险管理、产品销售、辅助办公等，都有可能挖掘大模型的应用潜力。

在探索初期，保险行业针对大模型应用落地可行性及应用空间进行了初步试水，如今，现阶段保险公司主要将大模型应用集中在市场营销、风险管理等环节。正如中国信息协会常务理事、国研新经济研究院创始院长朱克力所说，大模型具备强大的数据处理和分析能力，可有效地提高保险业的运营效率，改善客户体验，提升风险防控能力。

在市场营销环节，大模型的个性化输出和交互能力，可以通过接入客户大数据系统，实时掌握客户最新信息，从而快速生成更加智能化、符合客户此刻需求的营销策略和内容文案，为客户推荐最适合的保险产品和服务。

在11月19日举办的第一届（2023）保险科技数智大会上，阳光保险集团副总裁谷伟表示，阳光正言GPT大模型平台不仅可以满足关键业务场景的需求，同时也具备复杂场景多模态处理的能力，它是具备智能的人工智能统一技术底座。

风险管理方面，大模型可以借助其强大的信息收集处理能力，对大量的业务文档进行处理，从中分析提炼出风险点，并对风控人员进行提示，从而提升风控效率，降低风险成本。据悉，中国太保的“数字员工”已在中国太保集团审计中心进行能力试点，与真实员工人机编队共同作业。

此外，将大模型用于辅助办公降低人力成本也是部分公司的应用探索。元保将大模型运用在人工客服团队的智能陪练中，解决了人训成本高、培训效果监控难、培训实战率低等问题。

大模型在保险领域的赋能空间较多，开发落地大模型对保险业无疑是一次革命性变化。孙振兴表示，今年大模型技术是个底层技术范式的升级，金融行业的每个业务环节都值得用大模型的方式去重新思考或重做一遍。落地过程中大家会根据各自平台的优势特点在路径上有差异化选择。

规模化应用面临挑战

大模型技术是一个复杂的体系性工程，在金融领域的探索也才刚刚起步，对于各家机构来说，面对的困难和挑战依旧不少，如技术瓶颈、数据安全、隐私保护等问题。

业内最为关注的是大模型能否处理好数据安全和隐私保护等问题。相较于其他行业，金融业首先对于技术应用的安全性、稳定性、可控性等要求远比其他行业更为严格。大模型的强大功能源于其处理和学习海量数据的能力，这其中不可避免地会涉及大量的敏感信息，如用户的个人信息、就医记录等。保险公司需要利用这些数据的同时，确保数据的安全和用户的隐私。

7月，人民银行就《中国人民银行业务领域数据安全管理办法（征求意见稿）》征求意见。8月，国家网信办等七部门联合公布《生成式人工智能服务管理暂行办法》。朱克力坦言，随着数据保护法规日益严格，如何在合规前提下收集使用数据是一个重要挑战。元保也表达了类似的观点，如何真正来规避涉及安全性和隐私保护的问题，是未来整个行业需要重点解决的。

大模型技术研发训练的高成本投入与成效不确定性，也是行业需要综合考虑的因素。大模型研发技术需要深厚的技术沉淀、海量训练数据、持续优化算法模型与完善的生态体系等。朱克力认为，技术更新换代速度过快，保险公司需保持持续技术创新能力，以便跟上技术发展步伐；此外，大模型开发维护成本较高，保险公司需要更好地权衡投入与产出关系。

对于保险业大模型的成本挑战，通信工业协会两化融合委员会副会长吴高斌表示，保险公司可以积极与科技公司合作，共同探索大模型在保险领域的应用，实现互利共赢。孙振兴也表示，今天大模型技术还在快速演进的过程中，行业可以充分和大模型科技公司合作，发挥各自技术及场景的优势取得双赢。

在技术浪潮式迭代的当下，新的技术发展具有不确定性。但我们可以确定的是，未来大模型在保险业的应用将更加普及，从客服、理赔等外围场景走向营销、风控、合规等核心场景，给保险行业带来深层次的改变。