随着“百模大战”的推进，大模型在保险领域的落地也引发了广泛关注。
据业内了解，大模型兴起后，多家险企通过自研或合作的方式推动了大模型落地应用。
业内人士认为，保险业作为数据密集型行业，具有数据优势和丰富的应用场景，是大模型的最佳应用领域之一。但目前大模型在保险业的落地还面临落地成本、金融数据标准化、合规性和数据安全、核心技术底座优化等挑战。
保险业积极布局大模型
2023年，以ChatGPT为代表的大模型技术引发了全球关注，推动通用人工智能爆发式发展。
科大讯飞金融科技事业部副总经理、AI研究院副院长梅林海在2024世界人工智能大会上表示：“大模型即将成为金融保险行业新生产力的加速器。”
保险业也积极拥抱这股浪潮，争相布局大模型相关应用。中国太保、国民养老、君龙人寿等险企纷纷宣布与科技公司合作，探索大模型在保险领域的应用。
多家险企，如中国人保、阳光保险、信美人寿、众安保险等，已推出保险业垂类大模型及相关应用，覆盖代理人赋能、客服、理赔、办公等业务环节。
阳光保险集团联合清华大学五道口金融学院发布的《大模型技术深度赋能保险行业白皮书（2023）》指出，保险业与大模型具有天然契合点，大模型在保险行业的应用前景广阔。
从应用层面来看，大模型可应用于保险全业务流程，帮助保险企业分析市场趋势、理解客户需求、精准定价、提升营销效率、加强风险管理、简化理赔程序、改善服务，从而降低运营成本、提升效率、改善客户体验。
科大讯飞数据显示，大模型在金融场景中的五大应用场景分别为知识问答、客服、开发助手、营销和办公助手。
太保寿险信息技术总监吴敏辰举例说明，太保寿险利用大模型结合心理学认知模型模拟客户反馈，提升代理人销售技巧。
双盲测试表明，采用该产品的低中级代理人的销售水平提升了 7.9%。
“目前，国内保险业仍处于探索 AIGC 落地的初级阶段，而海外保险公司已开始将 AIGC 融入保险业务流程，例如承保、理赔、审核等。”《白皮书》表示。
据信息技术研究分析公司 Gartner 预计，到 2025 年，AIGC 的全球市场规模将超过 1350 亿美元，其中银行、金融服务和保险将占 25%。AI 与 RPA（机器人流程自动化）技术融合，使数字人具备数据决策能力，这意味着虚拟数字人未来有能力重构保险行业的价值链。
显然，国内保险企业对大模型的探索也将加速。以中国太保为例，根据其发布的新的大模型三阶段建设计划，目前开始的第二阶段的目标是：到 2025 年建设 11 个岗位的数字劳动力，覆盖 10000 名员工，提高 30% 的劳动生产率。
仍面临挑战
尽管大模型正在为保险业带来体验变革，但综合业内人士的观点，以大模型为代表的 AI 技术在保险业的应用仍面临多项挑战。
首先是落地成本问题。在保险公司布局大模型时，始终绕不开“烧钱”这两个字。信美相互人寿相关负责人接受媒体采访时表示，大模型投入主要来自两部分，一是算力投入，二是技术团队投入。
据第一财经了解，从目前行业内保险公司布局大模型的情况看，“财大气粗”的大型保险公司更多采用自建团队并在外部助力下自研行业大模型的方式投入。例如中国人保表示，通过自建人工智能算法团队，积极推进内外部生态合作，深入大模型技术研发，打造了自主可控的人保大模型。该模型的结构是以深度理解保险行业的专属通用大模型为底座，面向垂直业务领域的自研场景大模型为主体，外部大模型能力则起到辅助作用。阳光保险也在 2023 年将自研 AI 大模型列为公司战略工程。
而部分中小保险公司则采用租用刚需算力，并基于外部基础大模型，配合插件及 Agent 能力建设来实现保险垂直应用。
“借助 AI、大模型等技术，我认为中小保险公司有机会通过提高运营效率缩小与大型保险公司之间的差距，但前提是找到适合自己的大模型落地方式。我们不仅要关注大模型落地场景的效果，还需要关注规模化应用带来的算力成本以及安全自主可控的要求。希望随着技术进步，算力成本会逐渐下降。”一名中小保险公司技术负责人表示。
其次是数据标准。梅林海认为，技术人员知道大模型应该如何优化，但不知道金融场景中这些场景的结果是好还是坏，而业务专家又不知道技术怎么优化，因此需要让更多的一线业务专家和技术专家打破知识壁垒，共同制定高质量数据的标准，为场景落地的高效运转提供帮助。
在大模型的核心技术基础（指构建和训练庞大、复杂的人工智能模型所需的计算资源和基础设施）中，在一些复杂业务中还需要持续迭代以满足场景需求。“金融行业对业务精度的要求非常高。
尽管人工智能在特定领域的精确度可以超过 80% 甚至 90%，但要实现全自动化，业务层面的要求往往需要达到 100%，这实际上对技术优化提出了极高的要求。
上述技术负责人表示，另一个挑战是数据合规性和伦理，这是人工智能技术应用中一直备受行业讨论的话题。在中国保监会主办的陆家嘴论坛上，中国人保总裁赵鹏指出，虽然数字化时代带来了“千人千面、千人千险”的可能，但个性化保险定价可能会导致老年人、残疾人等弱势群体保费过高，造成新的金融排斥。
这就要求我们更好地把握数字金融创新与治理的关系，既要充分利用数字技术提高服务效率，又要防止技术不当应用影响社会公平，尤其要避免大数据和算法歧视。
这位技术负责人表示，“从监管角度来看，技术是中性的，归根结底还是要管住运用技术的人”。
