龚新宇/文

党的二十届四中全会明确提出，抓住新一轮科技革命和产业变革历史机遇，抢占科技发展制高点。人工智能作为引领新一轮科技革命和产业变革的战略性技术，正以前所未有的速度迭代演进。特别是2023年ChatGPT横空出世以来，通用人工智能跨越发展奇点，全球迅速进入以大模型为核心的技术使用能力爆发期。对于以数据为本源、以风险管理为核心功能的保险业而言，人工智能不是可以选择拥抱与否的一项技术，而是正在重新定义保险业本质和边界的时代变量。

人工智能重新定义保险业价值创造的底层逻辑

作为现代化经济体系的“稳定器”和“助推器”，传统保险业的价值创造体系，正日益面临风险形态快速迭代、客户需求个性多元、运营成本居高不下的结构性挑战。以通用大模型为核心的新一代人工智能技术的爆发式发展，并非简单的工具升级或流程优化，而是一场触及行业基因的根本性变革，正在从感知、决策到执行全方位重塑保险业价值创造的底层逻辑。

（一）以多模态融合突破感知瓶颈，提升风险洞察精准度。通用人工智能技术彻底突破了传统数据分析仅依赖单一文本或图像数据的固有局限，具备同步整合文本、图像、音视频及各类传感器数据的强大能力。通过跨模态数据对齐与互补增强技术，人工智能对外部世界的综合认知能力实现质的飞跃。在车险查勘定损、健康核保、农业灾害评估、企业财产风险勘察等场景中，风险识别的精度、广度和时效性同步提升，实现从“看得见”到“看得懂”，为差异化定价、精准承保和动态风险减量管理奠定了更为坚实的数据基础。

（二）以主动推理突破决策局限，提升经营决策质效。传统保险经营决策高度依赖既定规则、历史精算模型和专家经验，在面对长尾风险、复杂理赔、跨险种关联以及宏观环境快速变化时，往往呈现响应迟滞、维度单一、解释性不足等局限，难以兼顾稳健性与灵活性。通用大模型通过大规模预训练与模型蒸馏优化，能够围绕业务目标自主拆解问题、调用工具、检索证据并形成可追溯的推理路径。决策模式由经验驱动迈向数据与推理双轮驱动，复杂业务场景下的判断质量、响应速度和一致性显著改善，既有效压降了对人工的路径依赖，也为把握结构性机会提供了更强的可能性。

（三）以实操执行突破辅助边界，推动能力功能性延伸。依托智能体（AI Agent）技术，人工智能已从简单的辅助工具发展成为具备自主分析、写作、运算、设计能力的专业化智能助手。具身智能与人形机器人技术的深度融合，更推动人工智能从数字世界向物理世界延伸拓展。这一变革从两个维度深刻重塑保险业发展格局。一方面，智能体技术能够大幅压缩运营流程的人力消耗，显著提升承保、理赔、客服等运营效率；另一方面，随着机器人在各行业的广泛应用，机器人本身正逐步成为新型保险标的，有望形成新的险种增长极，为保险业开辟广阔的发展空间。

人工智能推动保险商业模式变革

人工智能驱动的商业模式变革，本质上是保险业风险治理升级，从金融产品提供者向综合风险管理服务商演进的过程。

（一）业务边界持续拓展，从风险承保向风险治理延伸。人工智能显著提升了风险识别、监测预警和动态管理能力，使部分传统意义上难以识别、难以量化、难以定价的风险逐步转变为可评估、可控制、可承保风险，推动保险服务能力边界不断扩展。在车险领域，人工智能与物联网、车联网等技术深度融合，通过接入车辆运行、驾驶行为、道路环境等多维数据，实现风险信息实时采集和动态分析，保险机构能够更加精准地识别和评估风险，逐步演进为基于Telematics（远程信息处理）的UBI（Usage-Based Insurance，基于使用的保险）与PHYD（Pay How You Drive，按驾驶方式付费）模式，依托毫秒级实时驾驶数据实现更精准的个性化定价。在非车险领域，人工智能推动风险管理模式由事后赔偿向事前预防、事中控制转变。依托智能感知设备和风险监测平台，保险机构能够实现风险实时监测、智能预警和协同处置，为客户提供覆盖风险识别、防范、控制和补偿的全周期解决方案。比如，美国州立农业保险公司（State Farm）为投保房屋火灾险的客户赠送智能插座，实时检测家庭电气异常。中国人保建成 “人保万象云”智能风控平台，集成气象、地理、建筑等9900万条风险数据，覆盖风险识别、风险评估、保中服务、临灾和灾后服务等环节。在人身险领域，人工智能与生命科学、医疗健康技术加速融合，推动保险保障逻辑发生深刻变化。比如，推动基因治疗、细胞疗法等前沿医疗技术的发展，为以往难以有效干预或治疗费用高昂的疾病提供新的解决方案，创造新的保障需求和承保标的，开辟新的市场增长空间。推动慢病管理、功能维持、康复护理需求增长，保险服务的可感知价值增强，人身险业将从传统的“经济给付”模式向“健管服务”模式加快转型。

（二）产品形态加速升级，从标准供给向场景定制转变。人工智能推动保险产品研发模式由标准化供给向模块化、组合化、场景化供给转变，保险责任、服务内容和保障期限等要素实现灵活配置，促进产品创新能力显著提升。一是按需保险加快发展。依托实时数据采集和动态定价能力，保险保障与具体使用场景深度绑定，用户按照实际风险暴露程度支付保费，实现保险供给与风险需求精准匹配。比如，在共享经济领域，美国Slice科技保险平台为短租、共享出行等场景提供按需财产保险，保障期限可精确到天甚至小时。二是参数保险持续扩容。人工智能通过融合卫星遥感、气象监测、环境数据等多源信息，提高风险参数设定的科学性和精准性，推动理赔触发机制自动化发展，进一步提升保险服务效率和覆盖范围，为农业、自然灾害等领域风险保障提供新的解决方案。比如，人工智能气象模型在预测精度和有效时效方面实现显著突破，能够输出高分辨率、长时效的极端天气概率分布数据，有效降低参数保险的“基差风险”。以专注于野火风险防控的保险科技公司Kettle为例，为解决加州野火多发、传统保险公司退出当地市场的困境，依托人工智能技术重构野火风险承保体系，搭建了涵盖火灾点燃、蔓延规律及建筑物脆弱性分析的三大机器学习模型，整合卫星遥感、气象监测、不动产及电网基础设施等多维度海量数据，大幅提升野火风险预测精度。三是新型数字风险保险加速涌现。随着人工智能广泛应用于生产经营活动，由算法偏差、模型失效、数据安全和知识产权侵权等引发的新型风险不断增加，市场对人工智能责任保险、网络安全保险、数据安全保险等产品需求快速增长，成为保险创新的重要方向。四是机器人保险孕育新的增长空间。随着工业机器人、服务机器人和家庭机器人规模化应用，围绕设备损坏、运行故障、责任赔偿和营业中断等风险的保障需求将持续增长。机器人保险将成为未来的重要新兴险种，形成财产险市场新的增长点。

（三）运营模式深刻重构，从经验驱动向算法驱动演进。人工智能与智能体技术广泛应用，推动保险运营体系由传统流程驱动向数据驱动、算法驱动转变，促进组织运行效率和经营决策水平全面提升。在成本管理方面，人工智能能够有效替代大量标准化、重复性工作，推动承保、理赔、客服等环节自动化水平提升，显著降低运营成本和人为差错率，提高整体运营效率。在经营决策方面，人工智能通过整合海量历史数据、实时信息和专业知识，构建更加科学的决策支持体系，提高风险识别、欺诈监测、投资管理和资源配置能力，推动经营决策由经验判断向数据分析转变。比如，法国安盛集团2025年已在承保、理赔、欺诈监测、投资研究等价值链环节，部署约400个预测式、生成式智能体AI。在资源配置方面，依托云计算和智能调度技术，保险机构能够根据业务需求变化动态调整资源投入，实现客户服务、理赔处理和风险管理资源的实时优化配置，增强组织运行的敏捷性。比如，麦肯锡提出“代理型组织”概念，认为多个AI智能体围绕客户需求协作，不仅颠覆传统组织模式，更可能重新定义保险产品的存在形态。

（四）服务模式全面重塑，从被动响应向主动服务升级。人工智能正在推动保险服务从低频接触、被动响应向高频互动、主动管理转变，使保险逐步融入客户生产生活场景。在客户经营方面，人工智能能够基于客户行为特征、风险偏好和生命周期阶段，实现客户需求精准识别和个性化服务供给，提高客户触达效率和服务质量。比如，美国健康险科技公司Oscar Health推出的AI代理Oswell，可实时调取会员医疗记录、保险福利文档和护理交互历史，为会员提供涵盖药物管理、检验结果解读、症状评估、就医准备等在内的7×24小时个性化健康服务。在产品定价方面，依托更加精细化的数据分析能力，保险定价逐步由“大数法则”下的群体定价向个体化、精准化定价发展，实现风险与价格更加匹配，有效缓解逆向选择和道德风险问题。Lemonade的AI风险预测模型，通过接入特斯拉的API，能够精确区分FSD（Full Self-Driving）自动驾驶模式与人工驾驶模式，对FSD激活状态下的行驶里程给予约50%的费率折扣。在服务供给方面，人工智能能够综合分析客户需求变化趋势，提前识别潜在保障缺口和服务需求，推动保险服务由“客户找保险”向“保险主动服务客户”转变，实现全生命周期风险管理。

人工智能与保险行业融合面临的挑战

人工智能在重塑保险业价值创造逻辑、推动商业模式深刻变革的同时，也带来了一系列前所未有的复杂挑战。从全球实践看，技术应用的广度与深度每深入一步，所触及的风险维度就更加多元。这些挑战相互交织、彼此叠加，对保险业风险管理框架形成深刻冲击。

（一）数据治理与隐私安全风险。保险业务涉及大量敏感个人信息，包括健康状况、财务数据、地理位置等，数据治理与隐私保护是人工智能应用面临的首要挑战。一方面，高质量数据是训练有效AI模型的基础，数据质量问题可能导致有偏见的风险评估，但保险业存在数据孤岛现象，不同业务线、不同系统之间的数据标准不统一、互联互通不足，制约了AI模型的训练效果和应用深度。另一方面，将敏感数据用于AI训练或模型推理，存在数据泄漏风险，需要重视并遵守个人信息保护法律法规。

（二）算法偏见与公平性困境。人工智能应用于保险定价和核保时，算法偏见与公平性问题尤为突出。AI模型可能通过代理变量间接利用受保护属性，如种族、性别、年龄等，导致看似中性的算法产生系统性歧视后果。佛罗里达州保险监管机构的调查发现，部分保险公司使用的AI定价模型在控制已知风险因子后，对少数族裔聚居区域的投保人仍然收取更高保费，引发了对算法公平性的广泛关注。此外，个性化定价虽然理论上能实现风险与价格的精准匹配，但在实践中可能加剧保险覆盖的不平等，使高风险群体面临保费不可负担的困境，动摇保险互助共济的社会基础。

（三）技术可靠性与“黑箱”难题。生成式人工智能的幻觉风险是技术可靠性方面的核心挑战。AI模型可能生成看似合理实则错误的内容，若应用于承保审核或理赔决策，可能错误拒赔本应赔付的案件；或在产品推荐中给出不当建议，损害消费者权益并侵蚀信任基础。与此同时，深度学习模型的“黑箱”特性，使AI决策过程缺乏可解释性，这不仅是技术问题，更是治理问题。保险业务涉及重大的财产和人身利益，监管机构和消费者均有权了解影响其权益的关键决策依据。但当前多数AI系统仍是黑箱运行，模型输入与输出之间的因果链条不透明，当出现争议时难以进行有效的责任追溯和纠偏。国际清算银行金融稳定研究所指出，生成式AI引发的幻觉和拟人化风险，是传统AI前所未面临的新型挑战，需要金融机构在模型风险管理中予以特别关注。

（四）监管适应性与合规压力。人工智能技术的快速迭代显著超前于监管框架的演进速度，保险机构面临日益严峻的合规压力。从全球看，欧盟《人工智能法案》将人身保险领域的信用评估和风险评估AI系统列为“高风险”，要求满足严格的透明度、数据治理、人类监督和文档记录义务。美国各州保险监管机构也持续加强对算法定价和AI核保的审查力度。从国内看，国家金融监管总局发布《银行业保险业数字金融高质量发展实施方案》，明确要求构建人工智能应用分类分级管理框架，建立覆盖重要业务流程和关键节点的人工干预机制，推进企业级模型风险管理平台建设，持续提升算法透明度和可解释性。但总体而言，现有监管框架主要基于传统风险评估模型设计，对大语言模型、智能体等新一代AI技术的特殊风险缺乏针对性规定，保险机构在创新探索中面临合规边界不明确的风险。

（五）行业能力与生态挑战。人工智能与保险业的深度融合，对行业人才结构、组织模式提出全新要求。复合型人才短缺。既懂保险精算、产品、风控，又通晓人工智能、数据科学的跨界人才，在全球范围内供给不足，保险业在与互联网、科技公司的人才竞争中处于相对劣势。组织模式转型滞后。传统层级化、流程化的组织架构，难以适应敏捷开发、数据驱动的智能化运行需要，部门壁垒、流程冗余、决策链条长等问题制约人工智能价值释放。中小机构数字鸿沟扩大。大模型训练与部署需要巨额算力、数据与人才投入，头部机构与中小机构在技术能力、应用深度上的差距正在加速拉大，可能加剧行业马太效应，影响保险市场生态多样性。

人工智能时代推动保险商业模式创新的政策建议

面对人工智能引发的行业根本性变革，把握历史性发展机遇、有效应对前所未有的挑战，需要立足保险业全行业视角，由监管部门、行业协会、保险机构与生态合作方协同发力，系统构建行业整体行动框架。

（一）加强顶层设计，构建包容审慎的人工智能保险监管框架。一是完善制度体系。加快研究制定人工智能在保险业应用的专门指引，明确高风险应用场景的准入条件、合规要求和退出机制，建立覆盖模型开发、训练、部署、运行全生命周期的监管规则。二是建立监管沙盒。借鉴英国金融行为监管局等国际监管机构经验，允许保险机构在有限范围内开展人工智能创新试点，加快前沿技术从实验室到市场的转化。三是加强国际协调。积极参与全球AI保险监管规则制定，推动监管标准的互认与协调，为我国保险业出海与国际竞争创造良好制度环境。

（二）共建行业基础设施，夯实人工智能时代商业模式创新的数据、算力与模型底座。数据、算力与大模型是人工智能与保险业深度融合的核心生产要素，必须以行业协同方式系统建设，破解单家机构难以独立突破的基础性瓶颈。一是建设行业级数据共享平台。由监管部门或行业协会牵头，整合承保、理赔、欺诈、健康、出行等领域数据资源，建立统一的数据采集、标注、共享、流通标准与规则，破解长期存在的数据孤岛难题。二是推动行业垂直大模型共建共享。鼓励大型保险机构联合科技企业、行业组织、再保机构，共同研发保险行业垂直大模型，沉淀保险专业知识、业务规则与行业经验；通过“模型即服务”模式，向中小机构开放共享，降低全行业获取先进AI能力的门槛，避免行业内数字鸿沟加速扩大。三是构建跨行业数据协同机制。加强保险业与医疗、交通、气象等领域的数据互通合作，为风险减量管理、参数保险、机器人保险等创新业务提供高质量底层数据支撑，将数据要素价值转化为行业商业模式创新的核心动能。

（三）协同推进产品供给侧改革，培育保险业高质量发展的新增长极。围绕人工智能时代风险形态演化和客户需求变化，全行业应协同推动产品创新，加快培育保险业新质生产力，丰富保险供给体系。一是大力发展按需保险与参数保险。行业共同研究制定按需保险、参数保险的承保规则、再保安排、监管标准与精算依据，加快在共享经济、农业、巨灾、能源等场景的规模化应用；依托人工智能气象模型、卫星遥感等技术，降低参数保险“基差风险”，破解传统保险难以覆盖的风险保障空白。二是前瞻布局新型数字风险保险。围绕人工智能广泛应用衍生的算法责任、模型失效、数据安全、知识产权侵权等新型风险，加快研发AI责任险、网络安全险、数据安全险等创新产品。三是积极培育机器人保险等战略性新兴险种。行业应前瞻研究工业机器人、服务机器人、人形机器人等的承保边界、风险评估与定价机制，构建覆盖设备损坏、运行故障、第三方责任、营业中断等的全面保障体系。四是深化健康养老险种转型升级。紧扣人工智能与生命科学、医疗健康深度融合的产业变革趋势，加快年金保险、长期护理保险、失能收入损失保险等核心产品的迭代升级与场景化创新，推动人身险向“健管服务”模式全面转型，更精准满足人口深度老龄化背景下多层次、多样化的健康养老保障需求。

（作者系中国人民保险集团股份有限公司业务总监、战略部总经理）