研發成本高？賦能銷售難？大模型賦能保險行業要小心這些坑

保觀 | 聚焦保險創新

由於近期公衆號推送機制改變，歡迎您在公衆號首頁點擊右上【···】，將保觀設爲“星標”，及時跟蹤行業最新資訊

在不斷髮展的數字化時代，大模型應用正逐漸滲透到各個行業中。尤其是在保險行業，從當初的計算智能、感知智能到認知智能，再到如今大模型深度推動行業向數智化轉型，皆爲保險市場提供了前所未有的創新可能。

不少業內人士認爲，在行業處於迭代轉型升級的當下，大模型技術的成熟和發展，無疑爲保險業高質量發展提供廣闊的探索空間，未來大模型將在保險市場發揮愈發重要和切實的應用價值，真正實現全方位賦能。

當然，也有人認爲大模型對行業改造有限，因爲AI技術在與保險相融合的過程中勢必會存在一些風險問題，而且在如今保險市場競爭愈發激烈的大背景下，借力大模型能否快速提高保司市場競爭力而回歸正軌，仍還是未知數。

帶着這些疑問，近日我們在直播中連線了函子科技創始人&CEO蔣耀鍇，以及COO趙赫，兩位老師在直播中和我們共同探討了目前保險行業AI大模型發展情況，以及有哪些已落地的保險應用場景等問題，同時對於衆多險企備受關注的該如何更好擁抱大模型的問題上，也給出了非常中肯的看法，本文的主要內容也來自該場直播。

1

大模型深度賦能保險業，影響幾何？

ChatGPT出現以來，大模型目前受到很多關注。大模型不僅以強大的數字處理能力，提升了用戶獲取消息、與虛擬信息交互的體驗，而且還使得人工智能從B端走向C端，降低了使用成本，用戶羣體得到很大擴充，尤其是對各行各業的深度賦能和改造下，商業化拓展性不斷加以延申。

那麼，大模型對保險行業的影響或改造潛力大嗎？

函子科技COO趙赫認爲，這種影響的潛力還是非常大的，具體表現在如下四個方面。

一是，大模型技術迭代升級下，保險數字人開始涌現而出，不僅可以讓保險行業內容自動化生產視頻和文字，更能夠讓保險代理人利用數字人來打造保險業強IP屬性，將數字分身虛擬化生成多個相應的保險內容分發給不同的流量平臺，通過多種形式快速與客戶互動等，以此來高度輔助代理人進行高效展業。

二是，在客戶服務方向上，隨着一張張保單賣出，用戶後期關於醫療和保險上的問題會越來越多，這其中包括理賠過程遇到的問題，或是產品對比問題，亦或是後期續費等等一系列反反覆覆出現的問題，代理人也不得不花費更多的時間來進行解疑答惑，無形之中增加了其時間成本。而像這些關於客戶關懷類的問題，都可以交由AI來完成。

三是，在知識搬運和運算方向上，保險前後端皆需要精準客服和高效運算才能深度服務用戶，但如今隨着大模型的深入，很多保險企業售後服務體系都交由機器人來操作，而如果涉及到非常複雜的保費計算，顯然個人是比較難勝任的，這時交由AI進行精準深度運算，可以很大程度上保證運算結果的高效性和準確性。

四是，在涉及到理賠方面的合法合規上，保司可以利用AI與客戶進行對話演練，從而校驗出代理人日常與客戶溝通環節是否合規。此外，在數據處理方面，上一代技術對紙質保單的圖像文字識別準確度非常低，很多空間信息、對應關係是識別不到的，但隨着大模型的出現，AI數字化技術的升級就能很好解決這一問題。

毫無疑問，目前AI技術已慢慢滲透至行業的方方面面，也在服務於一些保險業客戶，而他們到底對大模型有哪些方面的需求？又需要強化自身哪些條件來擁抱大模型呢？

首先，目前保司還不算完全準備好擁抱大模型，但是各大參與方有決心朝着這一方向不斷前行的趨勢已經非常明顯了。雖然保司可能在科研投入上花精力來解決目前遇到的諸多問題，但是當下國家層面出臺相關的配套監管政策完全不清晰，所涉及到的一些合規性內容，如哪些是能生成的，哪些又是被禁止的，相關政策的界定非常模糊。

其次，目前規模較大的保司是比較傾向於自研大模型，小規模的保司則採用開源或本地部署模型，但這兩種方式的成本是難以想象的高，可能會陷入到入不敷出的境地。

最後，當下不少保司的業務系統非常多，所涉及到的各種數據散落各地，如何將這些數據通過構建新流程都一起利用好，則需要花費很長時間。而且更重要的是，從業務層面上來看，在如今財稅新規、報行合一等政策影響下，整個保險展業流程都會發生巨大變化。

而AI在保險業只取代約5%的場景覆蓋，還只是起到一個輔助和提效的作用，這也意味着政策端的持續變化，AI賦能保險業各方面的場景也不得不面臨着全盤推倒重來構建的局面。

2

保險市場大模型產品和服務落地，

面臨着哪些考驗？

正如開篇提及的目前保險市場處於AI大模型不斷迭代浪潮下，整個行業也在歷經着數字科技化的洗禮。而且隨着大模型技術迭代進程的加快，不少保司可以藉助AI完成一系列棘手難題，最大程度實現降本增效目的，另一方面還可以爲業務帶來更多新增量，提升整個產業效率。

然而，一個行業的共識在於，如今保險業涉及的AI路線紛繁複雜且維度衆多。那麼，一些科技公司爲保司所提供的大模型產品和服務主要落地了哪些應用場景？在這個過程中又會遇到什麼挑戰呢？

一方面，可以輔助保險銷售。在大模型賦能下打造出的理解能力、推理能力，以及代理人IP形象打造，都能夠更好的輔助保險代理人更精準的找到客戶，並且提供專業的回答，從而實現把更好的產品賣給合適的客戶，同時能提供後續的各種保險服務。此外，大模型還可以在覈保測算、產品定價、理賠測算，以及車險續保等方向上進行高度賦能。

另一方面，雖然AI在保險業務中的應用十分廣泛且有效，但目前在實際的應用當中，大量數據如何進行有效處理，是一大難點。我們知道光壽險涉及到的病種類條款已經超過五萬份了，平均一份報告就有三四十頁，數據體量非常大。

而如果這些龐大數據後期需要召回，在冗餘數據一片亂糟糟的情形下，AI大模型進行清洗、篩除可能會有所遺漏，無形降低了結果的準確性。

此外，一些保險文檔可能涉及到冗長複雜標題、段落或頁面被切割掉，以及特殊文本符號等等問題，而如果用OCR去做數據預處理識別，可能會出錯，這也是一大難點。

總的來說，目前保險業大模型產品和服務的場景落地，最大挑戰是先要將數據弄清楚和清洗乾淨，這是保司接下來無論是打造IP場景，還是構建數字化客服和數字化理賠端口的前提基礎條件，要先把最根基性的數據給完善好，才能保證最終產出的產品質量是可靠的，讓保險行業得到長期發展。

3

大模型賦能保險銷售，需闖過幾道關？

不可否認， 大模型正一步步地滲透到保險業方方面面併爲之賦能。而當下行業又正處於從粗放模式向精細化模式轉型關鍵期，這時大模型技術賦能代理人，推動其健康良性發展至關重要。那麼如今大模型在支持保險銷售方面，有哪些難點需要突破？

第一，首當其衝的難點就是客戶所屬權的問題。作爲大型保司大模型的研究人員，如果站在銷售代理人的視角，就需要利用專業性去感染客戶，從而爲其提供最大的信任與共鳴價值，但如今用大模型機器人去服務，一方面會擔心客戶端是否會接受；另一方面也害怕客戶所屬權會發生變化，這是因爲保險業中客戶所屬權一直是歸屬業務員的，公司只是做後續服務承接工作，如果發生改變，顯然會對業務員產生很大影響，導致大模型也無法順利推行。

第二，有些大模型研發人員可能有些刻意想要改變代理人與客戶之間的溝通方式，比如非得將機器人植入到小程序或APP裡，但這種方式顯然是違背常理的，客戶會通過該種方式完成所有服務的概率是微乎其微的，而且網上溝通平臺還會面臨封號的問題，這也是大模型技術賦能代理人所產生的一大難點。

第三，目前業務員在AI提供多方面助力時，還沒有達成大面積的統一性。比如有些業務員會覺得自己有多重互聯網投放渠道來獲客，但可能這些客戶購買慾望不是很強烈，因此他們也希望AI大模型技術能夠提前篩選出無需求的用戶；而有些業務員則是對知識庫查詢非常看重；也有不少業務員對AI話術輔助或演練需求非常低。這些難點其實歸爲一類來看，就是工作流不統一的問題。

第四，在認知方面，代理人不要對大模型有過高或過低的期望，一方面不需要擔心AI什麼都能做，始終會取代自己，就目前現實情況而言，一些複雜的情感分析交流的內容，AI還無法做的特別好；但另一方面也不能完全無視大模型，如果把流程和知識庫一起設計並建立好後，AI確實能做很多讓我們難以想象的事情。

總的來看，雖然大模型在保險行業的應用仍停留在初級階段，而且也面臨着來自多方質疑和挑戰，但正如“世上本沒有路，走的人多了，便也有路”，我們有理由相信，在市場不斷涌現出越來越多像函子科技這樣優秀科技公司的助力下，未來大模型勢必會更深度融合進保險業方方面面的場景，未來可期。