大模型席捲保險業，算力、技術投入是挑戰

伴隨着“百模大戰”的“硝煙”，大模型在保險垂直領域的落地也泛起了層層漣漪。

第一財經記者從行業內瞭解到，大模型“風起”後，已有多家險企通過自研或合作的方式推進了在大模型方面的應用落地。

綜合業內人士觀點，保險行業作爲數據密集型行業，具備數據優勢，且應用場景豐富，是大模型的最佳應用領域之一。但目前大模型在保險業的落地仍面臨落地成本、金融數據標準化、金融業務所涉及的合規性及數據安全以及大模型核心技術底座優化等挑戰。

保險業爭相佈局大模型

2023年，以ChatGPT爲代表的大模型技術引發了全球的關注和熱議，掀起了通用人工智能爆發式發展的浪潮。

“大模型的更新不是按年來進行的，也不是按季度來的，現在每個月我們都能看到各種全新進展，包括多模態、全自然交互等，這些都會爲金融保險行業的新生產力帶來加速。”科大訊飛金融科技事業部副總經理、AI研究院副院長梅林海在2024世界人工智能大會上表示。

保險業也正在積極擁抱這股浪潮，爭相佈局大模型相關應用。

在前不久舉行的2024世界人工智能大會上，中國太保官宣了其大模型的三階段建設計劃，並“一口氣”發佈了大模型在內部審計和多個業務線上的落地應用。而就在近幾日，國民養老、君龍人壽等險企也紛紛宣佈與科技公司進行戰略合作，探索大模型等AI技術在保險垂直領域的應用。

如果將時間線拉長至2023年，中國人保、陽光保險、信美人壽、衆安保險等多家險企均推出了自己的保險業垂類大模型及基於大模型的應用，涵蓋代理人賦能、智能客服、理賠、辦公等各個業務鏈條環節。

由陽光保險集團聯合清華大學五道口金融學院等單位共同在2023年底發佈的《大模型技術深度賦能保險行業白皮書（2023）》（下稱《白皮書》）認爲，保險行業作爲數據密集型行業，具備數據優勢，且應用場景豐富，是大模型的最佳應用領域之一。“大模型與保險的底層邏輯不謀而合，它們共同依賴於數據和模型這一基石。大模型的底層架構以數據和模型爲核心，而保險業則秉承大數法則，同樣以數據和模型爲基礎。保險與大模型之間存在着天然的契合點，使得大模型在保險行業的應用前景愈加廣闊。”《白皮書》稱。

從應用層面來說，業內人士認爲，大模型可以應用到保險領域的全業務流程，幫助保險企業更好地分析市場趨勢、理解客戶需求、精準化產品定價、提升營銷效率、提高風險管理能力、提升理賠便捷性、改善服務質量，從而降低運營成本、提升營銷和服務效能、提升客戶體驗。

科大訊飛對於大模型在金融場景中的需求統計數據顯示，前五大應用場景分別爲知識問答（36%）、文字客服（19%）、開發助手（13%）、智能營銷以及辦公助手。

在目前的落地應用中，大模型能達到的效果是怎樣的？太保壽險信息技術總監吳敏辰舉例稱，太保壽險將大模型應用在代理人培訓方面，利用大模型技術結合心理學認知模型，模擬真實的客戶反饋，提升代理人銷售技巧。雙盲測試顯示，使用該產品的中低水平代理人銷售水平提高7.9%。

“目前來看，國內保險行業還處於摸索AIGC落地的初級階段，海外一些保險公司已經開始探索將AIGC嵌入承保、理賠、審覈等多個保險業務流程中。”《白皮書》表示。

據信息技術研究分析公司Gartner預測，到2025年，AIGC的全球市場規模將超過1350億美元，其中銀行、金融服務和保險將佔該市場的25%。此外AI+RPA（RPA指機器人流程自動化）的技術融合已經使數字人具備數據決策能力，這意味着虛擬數字人在未來有爲保險業重構行業價值鏈的能力。

顯然，國內險企對於大模型的探索也將繼續加速。以中國太保爲例，根據其最新發布的大模型三階段建設計劃，目前開啓的第二階段目標即爲：到2025年推進11個崗位的數字勞動力建設，覆蓋10000名員工，提升30%的勞動生產率。

仍將面臨這些挑戰

儘管大模型正在爲保險業帶來體驗方面的變革，但綜合業內人士的觀點，以大模型爲代表的AI技術在保險業的應用也仍將面臨多項挑戰。

首先就是落地成本問題。“燒錢”，是險企在佈局大模型中始終繞不開的兩個字。信美相互人壽相關負責人在接受媒體採訪時表示，大模型的投入主要來自兩個部分，一個是算力的投入，另一個是技術團隊的投入。

據第一財經瞭解，從目前行業內險企佈局大模型的情況來看，“財大氣粗”的大型險企更多采用自建團隊並在外部助力下自研行業大模型的方式投入。例如中國人保就表示，通過自建人工智能算法團隊，積極推進內外部生態合作，深入大模型技術研發，打造了自主可控的人保大模型。該模型的結構是以深度理解保險行業的專屬通用大模型爲底座，面向垂直業務領域的自研場景大模型爲主體，而外部大模型能力則起到輔助作用。另外，陽光保險也在2023年將自研AI大模型列爲公司戰略工程。

而部分中小險企則採用租用剛需算力，並基於外部基礎大模型，配合插件及Agent能力建設來實現保險垂直應用。

“藉助AI、大模型等技術，我認爲中小險企是有機會通過提高運營效率縮小與大型險企之間的差距的，但前提是找到合適自己的大模型落地方式。我們不僅要關注大模型落地場景的效果，還需要關注規模化應用帶來的算力成本以及安全自主可控的要求。當然，希望隨着技術進步，算力成本會逐漸下降。”一名中小險企技術負責人表示。

其次則是數據標準。梅林海認爲，技術人員知道大模型應該怎麼去優化，但是並不知道在金融場景裡面這些場景的結果是好還是壞，但業務專家又不知道技術怎麼優化，所以需要讓更多的一線業務專家和技術專家打破知識的屏障，將高質量數據的標準共同制定出來，爲場景落地的高效運轉提供幫助。

同時，在部分複雜業務中，大模型的核心技術底座（指構建和訓練龐大、複雜的人工智能模型所需的計算資源和基礎設施）還需要持續迭代來滿足場景需求。“金融行業對於業務精確度的要求是非常高的。AI在部分場景的精確度儘管可以超過80%甚至90%，但是要全自動化的話業務層面的要求可能就需要達到100%，這其實對技術優化是提出了較爲極致的要求。”上述技術負責人表示。

另外，對於數據合規及倫理方面一直是業內在AI技術應用挑戰中討論較多的話題。在6月召開的陸家嘴論壇上，中國人保總裁趙鵬就表示，儘管進入數字化時代，保險公司實現“千人千面、千人千險”不再遙遠，但個性化保險定價可能導致如老年人、殘疾人等部分弱勢羣體的保費過高，造成新的金融排斥。這就要求我們要更好把握數字金融創新與治理關係，既要充分運用數字技術提升服務效率，又要防範技術不當應用影響社會公平，尤其要避免大數據及算法歧視。

“從監管角度而言，技術是中性的，歸根結底還是需要管住運用技術的人。”上述技術負責人說。