2025年伊始，生成式AI再次引爆全球和中国，成为春节期间大家茶余饭后的热门话题。All in （生成式）AI已经成为诸多行业重要发展战略，保险行业也不例外。然而，险企在面对这一时代浪潮时，除了兴奋与信心，也应当冷静思考：生成式AI对于行业发展和业务开展来说，到底意味着什么？如何应用生成式AI，推动这一技术从概念验证进入价值验证？在技术落地过程中，会遇到什么挑战，又如何应对？

未来将是一个“AI+保险”的时代，解锁AI带来的价值、实现行业跨越式发展，将是当前保险行业最重要的课题之一。本文将探讨对于AI+保险的初步设想并提出建议，抛砖引玉，为行业全面规划和推动“AI+保险”转型变革带来启发。

乘风破浪：生成式AI发展迅猛、潜力巨大

2017年以来，全球生成式AI经历了两次比较大的加速发展。第一次是2022年，以ChatGPT的发布为代表。ChatGPT能够与人类进行多轮连续的各种对话，给出较为合理的回答，极大提升了对话交互模式下的用户体验，引发了全球关注。在此之后，ChatGPT在多模态大模型等领域持续迭代，诸多国外厂商也陆续推出了自己的生成式 AI产品。

而新一轮加速则是今年以来由最新一代国产生成式AI大模型（如DeepSeek）所推动的。这些国产开源大模型以其高性能、低成本和灵活部署，打破了算力壁垒，大幅降低了生成式AI技术本地部署和使用门槛，显著提升人工智能领域的“知识平权”，一经发布便引发国内外大量关注、下载和应用。这既让生成式AI这一前沿技术“飞入寻常百姓家”，也促进了各行各业认知，使其切身体会到拥抱生成式AI的必要性和紧迫感。

随着生成式AI技术的进步及其强大能力逐步为人所知，包括传统金融行业在的全球企业都在积极探讨这一前沿技术对本行业的影响和应用。2020年以来，对生成式AI的风投增长了425%[1]；2022年 “生成式 AI”的搜索量也增加了8倍[2]。

各行各业都在思考，与其被生成式 AI强行拥抱，还不如主动拥抱AI。我们看到，四类用例已经开始证实生成式 AI的价值，总结为4C：

• 客户旅程（Customer journey）：作为智能客服与用户接触，包括与用户建立沟通并完成客户服务。具体用例包括：客户服务聊天机器人、推荐器、任务自动化等等；
• 总结见解（Concision）：作为虚拟专家，帮助用户快速总结信息并得出见解，形成研究报告、推介文稿、说明手册等；
• 创意内容（Creative content）：作为内容专家，帮助用户生成营销信息、新闻稿、图像、视频、歌曲乃至于整本书。虽然目前对于AI生成的创意内容仍然存在知识产权上的争议，但是与之相关的应用程序仍在迅速发展；
• 编码（Coding）：这是最早被开发出来的应用场景，能够将整体生产力提高50%以上，并为以往具有挑战性的任务提供突破性方法；目前，这一应用场景已经延伸至为用户优化投资组合方案和量化/高频投资模型。

生成式AI给各行各业带来巨大价值。从全球来看，高科技行业将获益最大。相关技术可能影响到的主体多寡不同，其价值也各异。保险业受到生成式AI影响产生的生产力提升可达500亿-700亿美元之多（见图1），且在销售与分销、承保、保单管理、理赔、客服、中后台等几乎所有业务领域，生成式AI都可以帮助险企提升效率、降低成本（见图2）；与此同时，与保险高度相关的健康-养老行业将得到约1,500亿-2,600亿美元的生产力提升。未来，若保险和康养能够充分结合，生成式AI将带来约3,000亿美元的生产力提升空间。

过去两年，全球领先金融机构大多开始在业务前中后台积极布局生成式AI。例如，一些领先银行和资管公司通过生成式AI工具支持前线财务顾问，帮助他们提升沟通效率、增强分析洞察，或者赋能中后台缩短产品开发时间、简化运营、提高效率。

在保险领域，许多国内外领先寿险、产险和再保险公司积极引入生成式AI为业务赋能。例如，某国内领先寿险公司开发了了AI内勤助手，支持内勤人员解决复杂问题、优化柜面运营流程，目前核保规则自动匹配准确率达98%、理赔材料审核时效提升80%，未来计划扩展至营销、后援等核心环节。某国际领先保险经代公司以生成式 AI技术为基础，搭建保单核保承保政策比较工具。某国际领先再保险公司利用生成式 AI技术实现条款自动审核，帮助承保人加快风险评估。

麦肯锡全球董事合伙人、中国区保险咨询业务负责人吴晓薇：

全球企业特别是金融行业都在积极主动拥抱AI，以此打造自身竞争优势；先聚焦在客户旅程上的细分场景应用，逐渐过渡到通过生成式AI改造整个业务流程，最终上升到商业模式、组织形态的改变和创新。本轮生成式AI的创新加速，是基于最新一代国产开源大模型（如DeepSeek）大幅降低了落地生成式AI的成本，包括模型、训练、硬件算力，从而降低了业务转型成本、提升业务转型价值。

广阔天地：“AI+保险”初步设想

若能充分应用生成式AI技术，将能助力保险行业全面优化资产负债表，大幅提升资负双端效能（见图3）。在资产端，保险公司面临投资收益不稳、结构仍待优化的问题。基于强大推理能力，不少生成式AI大模型产品已经能够实现资产大类SAA和特定资管产品TAA的智能决策，有望大幅改善保险公司资产端的效率和投资收益。

而在负债端，保险公司面临客户拓展乏力、销售增长有限、成本高企困境。而基于生成式 AI优化旅程、总结见解、内容创造的能力，可以帮助险企创新产品、服务和商业模式，打造全新的覆盖前–中–后台的保险全价值链，进而重塑行业竞争格局（见图4）。

从中短期来看：高价值场景用例落地，实现开源节流

保险公司以第三方大模型为基础，通过直接使用或者二次开发，选取前、中、后台高价值场景用例落地，实现“开源（提振销售和渠道赋能）”、“节流（降低运营和职能成本）”。一些具体场景用例包括：

• 前台销售场景–代理人赋能助手：实时赋能代理人的客户经营“工具箱”，直接以AI提供的解决方案和客户沟通，实现客需导向经营，具体包括代理人人设IP打造、保险建议书、条款问答、承保理赔答疑等。

过去，客需导向经营主要通过培训和活动量管理对代理人进行动作规范，需要代理人通过自律和持续自我提升来解决销售问题。未来，通过AI实时赋能代理人，可以直接提供“工具箱”（如自动化输出客户沟通方案、直接互动方式解决客户问题等），提升代理人触客、拓客、养客和转化效率，让代理人带着“答案/解决方案”与客户沟通。通过这些努力，有望明显改善代理人能力提升和新人留存，加速代理人渠道转型。

例如，在与客户互动前，代理人可以在生成式 AI大模型中输入个人背景、要求、目的并不断调试，自动输出高质量内容文案，准确定位并快速打造个人IP，节省大量营销方案制作成本，实现高效拓客。在与客户互动过程中，为代理人提供用户视角、24小时全天候、更加严谨的沟通话术和技巧培训，以及深入浅出的保险知识答疑。在客户互动后，还可以提供基于客户需求客制化的资产配置方案和保险配置方案，未来可通过导入保险公司产品信息，进一步自动匹配相关产品组合，大量节省代理人制作、调试客户方案的时间和精力。

• 前台销售场景–企微+智能外呼助手：利用生成式AI技术，在电销企微销售的全流程，通过自动内容生成、实时客户交流、精准方案制定，实现效能提升。

产险电销/企微中心转型升级是产险领域关心的话题之一。面对电销中心获客难、转化难、成本高的困境，基于生成式AI赋能销售全环节成为众多产险公司的选择。以车险销售为例。生成式AI可以帮助险企在窗口期+非窗口期实现全时段蓄客养客，同时在窗口期以企微和电话双链路成交。在客户建联方面，通过生成式AI赋能的智能外呼，实现客户触达，引导客户添加企业微信；在客户培育上，通过自动生成内容、企业批量推送，进行日常客户运营，维持客户关系。在车险购买窗口期，生成式AI可以赋能企微+电话双链路成交，大幅降低人工介入成本：在客户激活时，AI可以定制化话术与客户实时互动，并按需接入人工服务高价值客户；在产品报价时，通过企微自动呈现结构化报价卡片，直观清晰并可实时按需调整，坐席仅需视情况介入；在客户转化，基于客户历史数据，精准分析和匹配需求，逐步实现从人定价、从需求定价、从行为意识定价，并在线一键完成付费转化。

• 前台销售场景–自动化营销内容生成：全流程AI生成产服营销内容、销售话术和营销物料，并根据属地化特色形成各级机构版本和合规自动化审核。

目前，产品服务的营销方案生成仍然需要耗费较长时间、较多人力来完成：首先，根据产品特点和监管要求，人工生成产品宣传材料；下发机构后，各机构再根据总部材料进行属地化改造，然后提交总部进行合规验证。未来，产品营销方案有望通过全流程AI实现：运用人工智能技术生成产品文案宣传以及销售话术后，导入属地化特征（如销售记录、疾病分布、购买能力、客户画像等），根据各地特征自动生成各级机构版本，再通过导入合规规则进行自动化文案审核。这将有望大幅提升市场营销效率，降低营销成本。

目前，自动化生成营销内容在保险领域仍未实现，但在零售（特别是电商）领域已经有诸多应用。国内一些电商代运营机构已通过人工智能技术，自动生成符合不同平台调性和需求的模特海报、多角度细节图、详情页、营销文案等，仅采用小规模团队便可同时运营多个商户，极大降低商家运营成本。这些案例证明了人工智能技术在保险领域辅助营销的可行性——最大不同之处，可能在于保险领域监管合规要求更强，因此一开始仍可能需要人工合规干预，但未来可以通过将合规要求导入人工智能规则里逐步实现自动化审核。

• 中台营运场景–自动化辅助核保：根据客户上传的信息自动生成预核保建议，帮助核保人员提供核保建议和关注点。

人工核保需要比对客户提交的大量零散、非结构化资料，耗费大量时间和精力去摘取有效信息并进行理解分析，极大降低运营效率。通过生成式 AI的辅助，核保人员可以输入某个保险的投保健康告知和某个客户的医疗记录，让大模型帮助自动整理、汇总、理解、分析总结这些医疗记录中可能涉及到健康告知条款从而无法投保的情况，并以恰当形式直观呈现，从而提高核保效率和质量。

• 中台运营场景–内部理赔辅助分析：基于自然语言、机器视觉等技术，自动处理各类风险数据和客户提交的各类理赔信息，实现风险减量和快速理赔。

以车险为例，人工智能有望大幅提升风险控制和理赔自动化水平。一方面，车险产品货架相对单一，定价较为模型化，通过人工智能或者“虚拟人”与客户互动在技术上已经可行；另一方面，在新能源汽车保有量大幅增长的背景下，驾驶数据更易获得，险企既可以通过与合作车企的数据合作，运用人工智能全面理解并分析驾驶行为和实时路况，识别潜在故障，实施风险减量和成本控制，也可以通过人工智能分析解析驾驶记录仪数据和车主上传的事故照片等，实现实时自动理赔，大幅节省客户提交理赔文件和理赔人员理赔审查的时间和精力。

• 后台职能场景-AI驱动的招聘和人才培养：通过AI驱动的人才画像识别、高潜简历画像识别等，定制化人才培养方案。

以人才招募为例，生成式 AI大模型可以解读招聘需求，并生成岗位说明书，在多个平台同步发布。基于岗位要求，在收到简历后进行初筛并自动生成多维度评分表。针对符合要求的候选人，大模型产品还可以进行初步沟通，并将以上结果形成报告，供险企人力资源部门复核，大幅提升招募效率和质量。

麦肯锡全球副董事合伙人邵奇：

不断发展的生成式AI，大幅降低了技术部署难度，使得基于场景用例自下而上的转型试点成为可能；先不改变经营模式，沿着已有价值链/客户旅程赋能一线业务人员，在单场景用例小切口跑通盈利模式，再复制到整个业务流程。一系列国产开源大模型的出现，大大降低了转型门槛，成为保险公司的转型催化剂。

从中长期来看：全面创新，实现“第四渠道”和“数字化保险社区”

在前期点状用例打造的基础上，保险公司可围绕销售、培训、产服、理赔等不同业务流程，敏捷迭代用例，全面改造业务流程。生成式AI技术可贯穿于客户开拓、接洽准备、客户面谈、事实发现、达成共识、设计方案、展示方案、递送保单、客户服务、转介绍等展业各环节中，全面整合自动化内容生成、代理人赋能助手、企微智能外呼、产服智能推荐、自动化辅助核保、自动化客服等AI驱动的功能，全面提升展业效率、释放销售潜力、优化资产端成本。

在更长远发展中，在满足监管合规要求的基础上，保险业若能全面应用AI智能体，“第四渠道”和“数字化保险社区”或将实现——这意味着商业模式和组织形态在内的飞跃式变革（见图5）。“第四渠道”指的是由AI智能体自主管理的销售渠道，可以帮助险企大幅提升服务半径与服务质量，我们或将在企业微信和电销渠道见到AI智能体销售的落地。

而“数字化保险社区” 则是更进一步：它围绕客户需求形成并深刻影响客户心智，由多个AI智能体共同协作支持满足，并按照产品和服务的基础元素为需求定价，以至于可能脱离了“保险公司”这一传统组织模式和“保险产品”这一传统产品模式，实现高度智能化、客制化、即时化的保险服务供给。

不论是“第四渠道”还是“数字化保险社区”，两者的共同点都是以“AI智能体”为载体、真正以客户为中心，来改造当前以真人和公司为载体、以产品和队伍为中心的业务流程。这些AI智能体将成为保险机构的“虚拟员工”和“虚拟同事”，表现出类似人类的行为（例如计划、反馈和工具使用），但能够处理更复杂的工作流程（例如非结构化数据和非线性任务）。未来的险企人力资源部门可能既要管理实际的人，也要管理“虚拟人”。

麦肯锡全球董事合伙人、中国区保险咨询业务负责人吴晓薇：

从单点场景用例到整个业务流程改造，只是第一步。畅想未来，在监管允许的情况下，生成式AI或将变革“保险公司”这一传统组织模式和“保险产品”这一传统产品模式，形成保险销售和服务的“第四渠道”及“数字化保险社区”。第四渠道和数字化社区将围绕客户展开，实现保险产品和增值服务智能化、定制化匹配，并按照产品和服务的基础元素为需求定价，直接满足客户需求。

 

稳中求进，直面风险与挑战

在一些已经落地的生成式AI实践中，浮现出诸多风险问题。对于保险公司等金融机构来说，由于金融产品的高度复杂性和金融行业的强监管属性，准确性、合规性和技术科技架构往往是在探索和应用生成式AI技术时面临的最大挑战。保险公司应当未雨绸缪、有备无患。

• 准确性风险（幻觉）：由于抽象推理能力不佳，可能会编造看似可信的答案；对于高价值场景的应用，可通过以下举措降低幻觉：
• 搭建专属行业知识库：针对专门业务领域（如金融/医疗）构建结构化行业知识库，并以RAG系统部署；
• 搭建多模型交叉验证：集成多种大模型进行交叉验证；
• ​设计提问词模板库：提供“精准提问指南”，或自动优化用户提问的问题；
• 定制化微调模型：通过标注并训练数据等手段，在特定场景（如合同审核）降低幻觉率；
• 设置风险控制：设定“绝对禁止自主生成”规则，仅允许展示知识库原文，或者在一些特定场景（例如保单条款、法律文书等）要求必须附带条款出处；
• 合规性风险：未能满足消费者保护、信息保护等而导致监管合规处罚

金融行业在客户触达、反洗钱等方面都由细致的合规要求，对AI驱动的客户互动提出了更高的合规要求，金融机构要确保向客户提供的信息均符合合规要求。保险公司在应用人工智能技术时，可将合规要求深度融入大模型技术架构与业务流程，通过“规则约束+技术拦截+人工兜底”三层防线，确保客户建议的合法性、真实性与适当性。

• 落地科技架构

在具体落地实施过程中，保险公司可以在统一的应用方向、应用架构和基础架构上，同时集成开闭源模型，实现模型随时切换，充分利用开闭源模型的各自优势（见图6）。当前，开源模型的低成本和易部署吸引了大量关注，诸多险企已成功或者正积极准备部署这些开源模型。针对这一趋势，险企需要充分考察和思考的，是如何在这些开源模型中充分结合自身已有的结构化数据库（例如保单数据、客户经营模式、承保规则等），即在确保这些自有结构化数据库的隐私性、安全性和合规性的情况下，如何向开源模型输入数据并训练出适合自身业务开展需求的小模型或者专业模型，从而实现业务赋能。

勇探慎取：对于“AI+保险”实施的初步建议

在生成式AI的时代大潮下，“AI+保险”已经成为行业共识。中国保险业从业者们应当做好准备，主动拥抱这一新技术趋势，以业务发展为根本，以生成式AI自下而上的快速应用为方向，结合必要的技能破局、能力培育和风控创新，实现跨越式的价值创造。

• 发展战略：业务技术深度耦合，容错机制鼓励创新

随着AI+保险时代的来临，技术战略将成为公司战略的代名词。这意味着，一方面，保险公司应当主动了解技术前沿，把握最新科技发展动向，捕获算力革命带来的范式迁移机遇，以“为我所用”。另一方面，保险公司也应当清晰地认识到，技术始终是为业务服务的。在技术门槛大幅降低的市场环境中，更要深挖业务护城河，锻造以用户价值为核心的业务能力。无论生成式AI在何种场景中落地、不论AI智能体的数智化水平高低，最终的目的都是为了向客户提供最优质、最贴合其需求的保险产品和服务。因此，险企应当将技术与业务紧密结合、协同发展，通过全链渗透式融合，淬炼出具有商业基因的技术战略架构。

同时，就和其他技术一样，生成式AI的产业化进程仍将是非线性演进。因此，险企需要以“容错带宽”思维重构创新管理体系。在技术探索阶段，可以战略性地配置试错资源，构建起诸如试验沙盒、灰度验证等容错迭代机制。这种前瞻性的试错成本前置策略，既能缓冲技术不确定性带来的可能冲击，又能为创新火种保留足够的燃烧氧气，最终在技术成熟曲线爬升期实现创新红利释放。

• 落地战术：快速试点优化流程，逐步推广创造价值

与我们对AI+保险的初步设想一致，险企在生成式AI落地应用过程中可已通过快速试点、识别用例、落地实施，最终实现价值。一方面，建议险企整合业务和科技专家，组建跨职能敏捷团队，推动大模型落地。另一方面，深入一线自下而上识别高价值场景用例，推动定制化大模型持续迭代和试点打磨，进而逐步扩展到其他用例、渠道和职能。具体到用例上，险企可以根据自身能力和业务资源，首先选择业务量大、重复度高、使用便利性高的场景，逐步推广到全业务流程，实现流程重塑。

• 能力培育：全员触AI赋能增效，人才强基聚势谋远

在生成式AI的技术门槛大幅下降的当前时间，保险公司应当意识到，生成式AI技术的应用落地不应该只是科技条线/员工或者工程师的事情，而是需要全员共同推进的方向。事实上，不少险企已经发现，在公司尚未实施生成式AI技术的时候，许多代理人自己已经开始积极应用这些大模型产品来赋能业务开展。因此，除了科技部门外，险企业务部门需要充分参与生成式AI应用的共创中，才能挖掘需求、识别真正有价值的用例场景，实现最快速的落地实施和价值创造；管理部门需要能够真正创新思想意识，利用大模型技术优化改造业务流程，从而提升公司的商业价值。

此外，如今各行各业对数据科学家和工程师的需求都在增加。随着保险公司不断强化生成式AI的能力，人才和数据竞争势也将愈发激烈。险企可以通过专门的技能培育和实战训练，以及针对性的招募活动，升级全员AI素养、孵化AI专门人才，并建立战略人才储备库。机遇当前，能否赢下这场竞争会对保险公司的中短期发展产生直接影响。

• 技术应用：破局AI工程化问题，共建行业生态协同

在生成式AI进行工程化阶段后，险企需要考虑“四重命题”，从技术层面上落实生成式AI。首先，模型选型上，在短期快速部署和长期应用需求（例如，多模态模型）之间、在开源生态和商业闭环之间、在成本投入与性能产出之间，做出持续平衡和调整；其次，架构设计上，需满足端侧、云测的迭代升级和应用者的需求变化；第三，智能体建设上，需要设计从RPA助手到决策大脑的路线图，应用部署不同能力的智能体，满足不同阶段的业务发展和经营模式需求；第四，技术衔接上，需要在技术堆栈中置入新旧融合接口，让生成式AI的新技术与传统大数据技术有效结合。

行业也应当意识到，在生成式AI的产业化长征中，单独一家保险公司都无法完全、完美解决所有问题。因此，保险行业内部以及与外部其他行业、行业协会和行业监管部门应当加强沟通协作，集众人之智，逐步形成行业标准和行业范式，指导规范技术发展与应用，帮助解决落地实施中的问题与挑战，推动行业共同进步。

• 风险管理：全景洞察各类风险，创新驱动破局升级

保险是受到高度监管的行业，合规经营是行业发展的生命线。生成式AI技术的引入催生出新型风险类型，包括算法偏见、结果幻觉、数据完整性、模型可解释性等。因此，在技术部署过程中，保险公司需构建包含新旧不同风险的多维度风险评估框架，全景式洞察在技术落地过程中可能引发的风险。险企也可以通过建立产-学-研-监协同创新平台，实现风险识别机制与监管指引的动态校准，在满足监管合规要求和充分理解技术本身的前提下，去应用新技术。

同时，保险公司应着力构建“AI+风控”的融合创新模式，利用AI技术赋能风控，实现AI风险的智能化管理，在创新中发现问题、解决问题。例如，可通过构建“规则引擎+智能算法”的双轮驱动模式，将监管合规要求进行智能解析，转化为可量化、可执行的数字规则和合规清单，并将其深度嵌入AI系统的决策逻辑中，实现合规审查的自动化与智能化；建立“人机协同”的风险决策机制，将标准化、流程化的合规审查交由AI系统处理，使风险管理专家能够专注于战略级风险评估与创新性解决方案设计。

• 实现路径：由点及面智能突破，客户驱动全面飞跃

保险公司可以围绕识别的高价值点状用例进行试点；再扩展到全面改造业务流程，如销售、培训、产服、理赔等不同业务流程，从而全面提升展业效率、释放销售潜力、优化资产负债表。

未来，在满足监管合规要求的基础上，保险业应当以“第四渠道”和“数字化保险社区”为潜在探索目标，实现经营模式和组织架构的飞跃式变革、颠覆式发展。“第四渠道”由高度智能化的AI智能体自主管理渠道销售，可大幅提升服务半径与服务质量、降低服务成本。 “数字化保险社区”由多个AI智能体共同协作支持，有望实现完全以单个客户的实时需求为导向，提供高度智能化、客制化、即时化的保险服务，也有望打破“保险产品”的传统产品模式、“队伍/渠道”的传统经营模式和“保险公司”的传统组织模式，推动整个行业向真正“以客户为中心”产生“质”的飞跃。

 

 

结语

就保险行业而言，最新一轮生成式AI大模型的发展不仅带来了技术应用门槛的大幅降低，实现了人工智能领域的“知识平权”，更重要的是其代表了行业期盼的“新质生产力”，将驱动底层经营逻辑的全面升级进化。而对于从业者而言，既要兼顾当下的快速布局与业务应用，实现新技术变现，也要对未来的经营管理模式进行底层的深入思考，积极推动生产力与生产关系的双升级。

作为中国保险业长期的思想和行动伙伴，我们对于“AI+保险”的巨大潜力充满信心，但也意识到要做到这些绝非易事。我们希望通过这篇文章为行业全面规划和推动“AI+保险”的转型变革增添一份力量，坚定前行信念。

 

本文作者

吴晓薇 麦肯锡全球董事合伙人，中国区保险咨询业务负责人，常驻北京分公司

邵  奇 麦肯锡全球副董事合伙人，常驻上海分公司

程  珵 麦肯锡项目经理，常驻上海分公司

苏文扬 麦肯锡能力与洞见专员，常驻上海分公司

 

作者特别感谢鲁志娟对本文的贡献。

 

[1] 金融时报 2022年9月报道 “Investors seek to profit from groundbreaking ‘generative AI’ start-ups”

[2] 根据谷歌趋势的分析结果，2022年1月至12月（节前）高峰期间