登錄新浪財(cái)經(jīng)APP 搜索【信披】查看更多考評(píng)等級(jí)

　　南方財(cái)經(jīng)全媒體記者 林漢垚 實(shí)習(xí)生 徐若萱

　　國(guó)家金融監(jiān)督管理總局最新披露的大模代保數(shù)據(jù)顯示，2025年保險(xiǎn)業(yè)原保險(xiǎn)保費(fèi)收入首次突破6萬(wàn)億元大關(guān)。型能險(xiǎn)代與此同時(shí)，理人與之配套的實(shí)測(cè)數(shù)字化服務(wù)正在經(jīng)歷一場(chǎng)由生成式AI引領(lǐng)的供給側(cè)改革。

　　中國(guó)保險(xiǎn)行業(yè)協(xié)會(huì)此前發(fā)布的千問(wèn)《中國(guó)保險(xiǎn)業(yè)社會(huì)責(zé)任報(bào)告（2024）》顯示，保險(xiǎn)業(yè)正加快數(shù)字化轉(zhuǎn)型，元寶2024年AI坐席服務(wù)量已達(dá)9.37億次。大模代保行業(yè)數(shù)智化進(jìn)程正在從“效率工具”向“決策輔助”跨越。型能險(xiǎn)代保險(xiǎn)消費(fèi)者對(duì)復(fù)雜保單的理人解構(gòu)需求日益增長(zhǎng)，利用生成式人工智能（AIGC）進(jìn)行保單分析、實(shí)測(cè)核保咨詢(xún)及方案規(guī)劃逐漸成為新趨勢(shì)。千問(wèn)

　　近期，元寶21世紀(jì)經(jīng)濟(jì)報(bào)道記者以普通消費(fèi)者身份，大模代保針對(duì)百萬(wàn)醫(yī)療險(xiǎn)條款、型能險(xiǎn)代家庭保障設(shè)計(jì)及復(fù)雜健康告知等真實(shí)場(chǎng)景，理人對(duì)DeepSeek、騰訊元寶、通義千問(wèn)、Kimi、豆包等國(guó)產(chǎn)主流大模型進(jìn)行了實(shí)測(cè)。

　　測(cè)試結(jié)果顯示，大模型在“條款解讀”方面表現(xiàn)卓越，能將長(zhǎng)達(dá)萬(wàn)字的保險(xiǎn)合同精準(zhǔn)提煉為易讀的免責(zé)清單，極大地降低了消費(fèi)者的閱讀門(mén)檻。

　　但在專(zhuān)業(yè)深度層面，大模型分析仍存偏差。北京大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后朱俊生教授指出，AI目前更適合作為前端知識(shí)工具和輔助決策支持系統(tǒng)，而非獨(dú)立的保險(xiǎn)咨詢(xún)或銷(xiāo)售主體。

　　可降低消費(fèi)者認(rèn)知門(mén)檻

　　保險(xiǎn)條款的晦澀繁瑣，長(zhǎng)期以來(lái)是引發(fā)理賠糾紛的底層誘因。

　　在“條款解讀”測(cè)試中，記者上傳了一份百萬(wàn)醫(yī)療險(xiǎn)保單，要求模型提取免責(zé)條款并進(jìn)行“白話翻譯”。測(cè)評(píng)發(fā)現(xiàn)，以DeepSeek和Kimi為代表的模型在處理長(zhǎng)文本合同方面表現(xiàn)突出。

　　DeepSeek精準(zhǔn)定位了條款第2.10節(jié)，并將其拆解為疾病不賠、行為不賠、費(fèi)用不賠三大類(lèi)。該模型特別指出了“先天或遺傳病不賠”這一共性特征，并在分析中識(shí)別出合同中關(guān)于“重大既往癥”在續(xù)保期內(nèi)的特殊賠付規(guī)則。

　　Kimi則通過(guò)提煉“先、故、美、生、牙、高、戰(zhàn)、試、掛”的八字口訣，將先天疾病、故意傷害、美容、生育等八類(lèi)不賠情況形象化，顯著降低了消費(fèi)者的記憶成本。這種從“法律文本”到“服務(wù)語(yǔ)言”的轉(zhuǎn)換，直接觸達(dá)了消費(fèi)者“看不懂條款”的痛點(diǎn)。

　　騰訊元寶在語(yǔ)義轉(zhuǎn)換中更強(qiáng)調(diào)結(jié)構(gòu)化引導(dǎo)，采用了“一句話核心總結(jié)+分類(lèi)明細(xì)+對(duì)比表格”的呈現(xiàn)方式。針對(duì)“重大既往癥”這一極易產(chǎn)生理賠誤區(qū)的條款，該模型明確解釋了“首年不賠、滿(mǎn)一年后限額賠付”的特殊規(guī)則。

　　豆包模型則傾向于提供軟性的交互建議，如整理投保避坑自查清單，強(qiáng)化了消費(fèi)者保護(hù)的工具屬性。

　　朱俊生分析認(rèn)為，從當(dāng)前技術(shù)成熟度和實(shí)際應(yīng)用效果看，AI在保險(xiǎn)領(lǐng)域最穩(wěn)定、最具可復(fù)制價(jià)值的能力，主要集中在“標(biāo)準(zhǔn)化知識(shí)服務(wù)”層面。其對(duì)保險(xiǎn)基礎(chǔ)概念、條款結(jié)構(gòu)和責(zé)任邊界的解釋能力較為可靠，能夠基于公開(kāi)文本進(jìn)行快速、系統(tǒng)的整理與說(shuō)明。

　　初步具備個(gè)性化思維

　　在“家庭保障方案設(shè)計(jì)”測(cè)試中，記者設(shè)定了“家庭年總收入30萬(wàn)、房貸壓力、新生兒家庭”的場(chǎng)景。測(cè)評(píng)顯示，國(guó)產(chǎn)大模型已告別“千人一面”的固定模板，表現(xiàn)出較強(qiáng)的個(gè)性化配置思維。

　　豆包給出了家庭保障方案的三條核心優(yōu)先級(jí)邏輯，如，先保經(jīng)濟(jì)支柱，再保其他成員；先保健康風(fēng)險(xiǎn)，再保責(zé)任/意外風(fēng)險(xiǎn)；保障額度貼合家庭負(fù)債。

　　通義千問(wèn)在方案中同樣明確提出了“先保人再保錢(qián)，先大人后小孩”的優(yōu)先級(jí)邏輯，并建議通過(guò)高保額的定期壽險(xiǎn)覆蓋房貸缺口，而非盲目推薦高保費(fèi)的儲(chǔ)蓄險(xiǎn)。

　　DeepSeek則給出了詳細(xì)的預(yù)算分配建議，將總保費(fèi)控制在家庭年收入的5%左右，并針對(duì)經(jīng)濟(jì)支柱與照料者進(jìn)行了差異化保額設(shè)定。

　　朱俊生指出，在方案層面，AI可以幫助用戶(hù)完成需求梳理與框架性提示，如區(qū)分保障優(yōu)先級(jí)、提示常見(jiàn)保障組合思路。同時(shí)在理賠材料清單、常見(jiàn)核保問(wèn)答等流程性問(wèn)題上，AI的信息整合效率明顯高于人工咨詢(xún)。

　　然而，AI在保險(xiǎn)咨詢(xún)中仍存在局限?！氨ｋU(xiǎn)咨詢(xún)并非純信息服務(wù)，其背后關(guān)聯(lián)長(zhǎng)期保障、家庭風(fēng)險(xiǎn)乃至重大財(cái)務(wù)后果?！敝炜∩鷱?qiáng)調(diào)，AI目前無(wú)法對(duì)錯(cuò)誤建議承擔(dān)責(zé)任，也無(wú)法進(jìn)行事后修正與跟蹤，這從根本上決定了其只能是“輔助者”，而非“顧問(wèn)主體”。

　　場(chǎng)景精算與核保精度仍存偏差

　　在涉及增額終身壽險(xiǎn)等長(zhǎng)期儲(chǔ)蓄型產(chǎn)品的“精算模擬”環(huán)節(jié)，模型在處理復(fù)利與資金時(shí)間價(jià)值時(shí)穩(wěn)定性不足。針對(duì)“增額終身壽險(xiǎn)60歲時(shí)IRR測(cè)算”的提問(wèn)，各模型結(jié)果出現(xiàn)明顯波動(dòng)，介于2.65%至2.93%之間。

　　Kimi指出，由于資金是分期投入且存在時(shí)間成本，雖然保單現(xiàn)價(jià)按3%增長(zhǎng)，但實(shí)際IRR約為2.68%。通義千問(wèn)測(cè)算的IRR則為2.85%，理由是模型假定了特定的現(xiàn)金價(jià)值終值。

　　這種計(jì)算偏差反映出通用模型在未接入保險(xiǎn)公司即時(shí)現(xiàn)金價(jià)值表的情況下，主要依靠概率推算而非精算引擎。AI目前的計(jì)算結(jié)果僅能作為數(shù)量級(jí)參考，無(wú)法替代正式的利益演示表。

　　核保咨詢(xún)深度不足同樣制約了AI在垂直場(chǎng)景的滲透。在“核保員”評(píng)測(cè)環(huán)節(jié)，記者模擬了“甲狀腺結(jié)節(jié)術(shù)后”及“早產(chǎn)兒投?！钡确菢?biāo)體咨詢(xún)場(chǎng)景。DeepSeek詳細(xì)列出了甲狀腺核保所需的材料清單，并給出了“除外承?！钡母怕市灶A(yù)測(cè)。豆包則細(xì)化了早產(chǎn)兒的核保時(shí)機(jī)，建議胎齡小于34周的孩子在3歲后通過(guò)評(píng)估再行申請(qǐng)。但大多數(shù)模型在面對(duì)個(gè)體化體檢異常時(shí)，給出的建議仍偏向于“標(biāo)準(zhǔn)結(jié)論”的堆砌，缺乏對(duì)各險(xiǎn)企核保尺度實(shí)時(shí)動(dòng)態(tài)的把握。

　　朱俊生指出，當(dāng)前AI并不具備真實(shí)核保權(quán)，也無(wú)法掌握完整、真實(shí)的醫(yī)學(xué)與風(fēng)險(xiǎn)評(píng)估信息，其判斷只能停留在“規(guī)則復(fù)述”或“概率性推測(cè)”。他同時(shí)提醒，保險(xiǎn)高度依賴(lài)個(gè)人健康狀況、職業(yè)風(fēng)險(xiǎn)、家庭結(jié)構(gòu)和長(zhǎng)期財(cái)務(wù)目標(biāo)，而這些信息既高度個(gè)性化，也存在大量非結(jié)構(gòu)化細(xì)節(jié)。AI在此類(lèi)場(chǎng)景中，容易給出“看似合理但并不適配”的建議。

　　仍難替代專(zhuān)業(yè)決策

　　在法律壓力測(cè)試環(huán)節(jié)，記者詢(xún)問(wèn)“隱瞞病史能否利用兩年不可抗辯條款獲賠”。五款模型均展現(xiàn)出了極高的合規(guī)敏銳度，對(duì)惡意騙保行為亮出“紅燈”。

　　騰訊元寶明確指出“保險(xiǎn)公司查不到是致命錯(cuò)覺(jué)”，并詳述了理賠調(diào)查在醫(yī)保記錄、同業(yè)共享平臺(tái)等維度的穿透力。DeepSeek和通義千問(wèn)解析了《保險(xiǎn)法》第十六條的真實(shí)含義，強(qiáng)調(diào)“兩年的起算點(diǎn)是合同成立日，但截止點(diǎn)是保險(xiǎn)事故發(fā)生之日”。這種對(duì)司法實(shí)踐中“惡意投?！迸辛P邏輯的準(zhǔn)確傳達(dá)，體現(xiàn)了國(guó)產(chǎn)大模型在處理復(fù)雜法律條款時(shí)的進(jìn)步。

　　然而，在產(chǎn)品推薦環(huán)節(jié)，算法的合規(guī)邊界仍有待厘清。多數(shù)模型拒絕直接給出排名。例如，騰訊元寶堅(jiān)持不給出具體產(chǎn)品名稱(chēng)，認(rèn)為“不存在對(duì)所有人都通用的‘性?xún)r(jià)比最高’的產(chǎn)品”，建議消費(fèi)者通過(guò)專(zhuān)業(yè)經(jīng)紀(jì)人進(jìn)行多渠道核保。

　　但記者觀察發(fā)現(xiàn)，當(dāng)用戶(hù)直接索要具體產(chǎn)品推薦時(shí)，部分大模型聯(lián)網(wǎng)搜索功能會(huì)基于網(wǎng)絡(luò)信息展示特定產(chǎn)品。此類(lèi)行為是否構(gòu)成變相廣告或商業(yè)引導(dǎo)？

　　朱俊生教授對(duì)此給出了關(guān)鍵區(qū)分：“關(guān)鍵在于生成邏輯是否中立、信息來(lái)源是否透明?！比绻卮鸹诨诠_(kāi)網(wǎng)絡(luò)信息、搜索排序或訓(xùn)練數(shù)據(jù)中既有的內(nèi)容分布而非商業(yè)利益綁定，更接近信息再呈現(xiàn)，而非傳統(tǒng)意義上的廣告行為。但機(jī)制對(duì)消費(fèi)者不透明，易被誤解為專(zhuān)業(yè)背書(shū)。因此，風(fēng)險(xiǎn)并非來(lái)自AI“有意推銷(xiāo)”，而是來(lái)自用戶(hù)對(duì)其權(quán)威性的高估。

　　此外，數(shù)據(jù)的時(shí)效性也是制約AI發(fā)揮的關(guān)鍵。2025年后，隨著第四套生命表的實(shí)施及保險(xiǎn)產(chǎn)品預(yù)定利率的動(dòng)態(tài)調(diào)整，部分模型引用的產(chǎn)品費(fèi)率仍停留在歷史庫(kù)中，導(dǎo)致其給出的部分信息存在滯后。這種數(shù)據(jù)缺位不僅削弱了AI的參考價(jià)值，更可能誤導(dǎo)消費(fèi)者的財(cái)務(wù)規(guī)劃。

　　朱俊生建議消費(fèi)者在使用AI輔助投保時(shí)，至少應(yīng)注意三點(diǎn)：一是將AI視為信息工具，而非責(zé)任主體；二是對(duì)具體產(chǎn)品結(jié)論保持交叉驗(yàn)證；三是避免在缺乏充分個(gè)人信息披露和人工核驗(yàn)的情況下，直接依據(jù)AI建議作出購(gòu)買(mǎi)決策。消費(fèi)者在使用AI輔助投保時(shí)保持“雙重防線”。AI建議不能替代法律意義上的“如實(shí)告知”，投保決策仍需回歸保單原件。

　　AI大模型的介入，理應(yīng)成為填補(bǔ)信息不對(duì)稱(chēng)的橋梁，而非制造新信息煙霧的源頭。此次測(cè)評(píng)顯示，在保險(xiǎn)領(lǐng)域AI能極大提升“知情權(quán)”的效率，但在涉及“決策權(quán)”的深水區(qū)，AI仍無(wú)法替代專(zhuān)業(yè)人工。

　　展望未來(lái)，朱俊生指出，AI正在改變保險(xiǎn)信息的“獲取方式”，但尚未改變保險(xiǎn)決策的“責(zé)任歸屬”。目前它更適合成為消費(fèi)者理解保險(xiǎn)的“起點(diǎn)”，而非替代專(zhuān)業(yè)判斷的“終點(diǎn)”。