图 | 雨禾
文 | 朱南军
自2022年底ChatGPT掀起AI大模型热潮以来，大模型技术取得突破性进展。在此背景下，保险行业积极应用大模型，使用新技术为保险公司高速发展赋能，实现数字化转型。大模型在保险行业的应用从内部辅助办公，逐渐向智能产品咨询、销售辅助、核保理赔等保险核心业务延伸。例如，“人工+大模型”的服务模式，一方面加速了理赔流程，线上即可完成理赔操作；另一方面相比传统销售渠道，使解答更加实时、回答更加全面，大大削减了人工成本，将有望改变保险难懂、难投、难赔的印象，提升大众对保险的接受度，进而促进新险种的普及。总之，科技浪潮让保险行业看到了重塑产业链、拓展业务范围、实现降本增效的巨大空间。
大型险企AI大模型处于落地应用阶段
开发与应用AI大模型方面，大型险企抢先一步。大型保险公司不仅拥有较多的财务资源和技术资源，能够投入更多资金用于AI技术的研发和实施，而且大型保险公司拥有庞大的客户群体和丰富的数据资源，为AI大模型的训练和优化提供了有力支持。2023年，中国人保发布了“数智灵犀—人保大模型”，并推出两款人保专属问答大模型——“人保智友”和“聪明宝”，分别面向个人和企业客户提供保险产品咨询、理赔申请、保单管理等方面的服务。此外，中国人保通过自建人工智能算法团队、推进内外部生态合作，构建以保险行业通用大模型为底座、自研大模型为主体、外部大模型为辅助的人保大模型生态。太保集团推进基于大模型的数字员工建设，目前太保数字员工已在集团审计中心进行试点，参与审计检查、公文质检、资讯问答等。阳光保险于2023年初启动了“阳光正言GPT大模型战略工程”，建设了以GPT大模型为核心技术的大模型开放平台，目前已经应用于客户服务、销售支持等场景。大型险企AI大模型已经处于落地应用阶段。
中小险企应用AI大模型面临更大挑战
相比大型险企，中小险企入局AI大模型的比例偏低，在保险业务前端的应用也显不足。身处AI大模型变革浪潮，中小险企若不顺应趋势，无疑会错失机遇。然而中小险企资金、人才资源不足，同时受限于算力、技术、数据等因素，若从底层开始搭建大模型，中小险企多有心而无力。同时，目前中小险企大模型技术尚不成熟，前期投入巨大，研发失败风险高，一些中小险企难以负担。有些小型险企采用合作开发的形式，但又面临数据安全性、模型专业性等问题。
AI大模型的落地应用与竞争使得中小险企面对更大的挑战。有别于其他行业，保险行业产品条款复杂、专业术语繁多，垂直领域的数据是大模型应用的关键。数据隐私和安全性、数据质量和标准化是险企不容忽视的问题，加之大模型是一种参数规模非常大的人工神经网络，在众多机器学习、深度学习的模型中，神经网络属于可解释性较差的模型之一，这面临着监管要求和模型可信度的双重考验。尽管所有险企都得面临上述情况，但中小险企在算力、技术、数据等领域匮乏使得自身面临更大挑战。
目前，各保险公司在落地人工智能应用方面选择的路径不尽相同。相比大型险企，中小险企在基础大模型的训练方面存在诸多障碍与困难，更多的是保持底层模型不变，在此基础上进行微调，这就导致大模型应用空间产生局限。大型险企的数据和资源优势使得其更早布局大模型应用，通过AI大模型，保险公司的成本费用在理想情况下可以被高度压缩，节约出来的费用可以助力有效降低产品价格、提升客户服务水平，大型险企的先发优势可能进一步扩大。
为缩小与大型险企的差距带来机遇
但是也应该同时看到，AI大模型为中小保险公司缩小与大型险企的差距带来了一定机遇。不同于传统保险销售场景，在理赔、保险销售等对AI大模型算力要求相对较小的领域，大型险企和中小险企几乎站在同一起跑线。并且中小险企近些年主攻“小而美”的发展策略，发展个性化险种，开展差异化经营，“AI+保险”的服务模式有助于中小险企推广新险种，实现个性化服务。
一方面，消费者购买保险通常最关注“保险公司的实力”和“理赔简单，赔付时间短”两方面。AI大模型在理赔流程方面能够显著缩小大型险企和中小险企的竞争优势。理赔场景的大模型壁垒低，即使是中小险企也可以借助开源大模型进行开发，显著提升服务质量，提高消费者满意度。伴随大模型技术的深入应用，大型险企和中小险企在理赔方面的差距有望进一步缩小。另一方面，AI大模型的崛起使得“基础模型+微调”成为人工智能开发新范式，对于中小险企，在开源的通用大模型基础上进行微调即可让人工智能获得保险领域专业知识。在综合资源有限的情况下，中小险企仅仅进行微调对算力、技术和数据的要求都会低得多，而且在销售、理赔等业务上不会有明显劣势，AI大模型在这方面反而扩展了中小险企的发展机遇与生存空间。
——原载《中国银行保险报》
作者简介
朱南军
北京大学经济学院教授，北京大学中国保险与社会保障研究中心（CCISSR）副主任。主要研究方向为金融风险管理、公司金融、保险资金运用。
供稿：风险管理与保险学系
美编：初夏
责编：度量、雨禾、雨田
