蟻小保，讓我看到了AI agent該有的形態

文 | 周天財經

周天財經 原創出品

買保險很難買，賣保險也很難賣，一是不懂，二是怕坑，總結來說，是怕損失，需要確定性和獲得感。但舊模式的保險，給不了這些確定感，產品琳瑯滿目、條款紛繁復雜，幾十頁合同，還都是長難句。

再深層一點的顧慮是，保險顧問有自己快速成單的利益訴求，給的建議是否中肯，能不能站在自己這邊，讓人沒把握，我索性擺爛，很多保險我拖了很久沒買。

但在風險里裸奔不是辦法，內心還是有隱憂。同時又看到今天大模型深入產業，agent概念正熱，很自然地，我就期待，能不能有個保險AI agent，可以把我帶向一個確定性答案，幫我對比核心條款，讓我做選擇題，別讓我做填空題。

所以每當我聽說有新的保險agent出來時，我都是第一時間去試用。

9月12日，在2025 Inclusion·外灘大會上，螞蟻保發布了新一代超級智能保險顧問「蟻小?！?。想到這幾年螞蟻擁抱AI很激進，我打算拿幾個生僻問題去刁難一下保險AI agent，看看能不能解決自己的保險裸奔問題。

01 一個全新的保險智能體樣板

第一個問題就比較刁鉆。

以前有家人給我買過重疾險，但買前并沒問我的健康情況，而彼時我剛剛進行過體檢，查出一些異常指標，聽聞過一些案例，如果健康告知時有遺漏，會導致后面保險公司拒賠。

問了一些人，但沒有確定答案，這類問題一定是個剛需。

這次我替家人問一個問題，黃斑病變是否影響投保，蟻小保給的答案出人意料的確定，并標注了答案來源是：安心賠。

我的另一個知識盲區是車險。慚愧地說，作為十年老車主，我一直分不清三者險和車損險。

于是，拿到蟻小保問了下，結果是，開車十年，我第一次搞清楚了三者和車損險的區別。這里面很關鍵的是，蟻小保會用結構化的圖表來拎出重點區別。

后面，每當我對比兩種保險產品有何區別時，蟻小保也都是這樣來為我圈出重點差異來。此處得感嘆一句，會做表格的保險agent，才是好的agent啊。

還有很特別的一點是，如果我要求推薦螞蟻平臺以外的產品，即便我會去別處成交，agent也依然會給我優先推薦，蟻小保真是大公無私，這很符合螞蟻集團保險事業群CTO孫振興所介紹的：「蟻小?！咕哂小?傭金導向」「0知識盲區」的特點。

我打算再給蟻小保上上難度。

這次，我倒著問，我只說特征，讓蟻小保去找符合特征的產品，比如，我想要選理賠滿意度高的百萬醫療險產品，要求列出兩款這種產品來，蟻小保的確提供到了。

還有重疾險里面，有個比較關鍵的情形是：癌癥、心腦血管疾病是否支持多次賠付，這是個很實用的條款，于是我讓蟻小保去幫我找出能夠二次賠的產品，也依然做到了。

到這里，我就發現基于自然語言的思考太重要了，是最符合用戶求助習慣的，會根據用戶的一句話，去倒查條款，去檢索保險知識庫。這可能是保險AI agent該有的功能。

過去買保險，上面這些問題都得靠人來解釋，靠用戶自己去條款里一條一條地翻找，今天用戶提需求，agent幫用戶去條款里找。

蟻小保會注重呈現出AI進行推理的思維鏈，答案是極簡的，但推理過程卻是翔實地展示出來的，讓我們清晰可見信息路徑，用AI行業研究者的話來說，「一切的工作為了讓用戶看見」。推理的可視化，會給用戶一種爽感。簡潔的答案，給人爽感，而完整呈現出的推理過程，讓人看著推理模型在忙前忙后的，也是一種爽感。

這時候，我發現了AI時代，智能保險顧問大不相同之處了，和以前相比，大模型大大縮短了用戶路徑，問答習慣是「擬人化」的，保險的確是最適合大模型多輪問答的業態，比如，有時候我也會嫌蟻小保問了太多，我裝作不耐煩，這時候蟻小保能識別出我的焦躁，會立刻調整語氣措辭，給出更加簡潔明了的答案。

谷歌前CEO Eric Schmidt與斯坦福研究院首席執行官David Parakh在PARC Forum上進行了一次對話，他談到，AI如何改變人與計算機的互動？人與工具的關系遲早會改變，這種改變已經在發生。

的確，這種改變正在保險領域發生了。

02 當我試試更多的保險AI

用完蟻小保，我好像看到了agent該有的模樣，那其他家是不是也能做出來。于是我再去其他平臺，用同樣的問題來拷問一下，才發現自己天真了。

比如，當我到DeepSeek提問，其推理思維鏈也較為完整，也能用表格來進行產品對比，但當我點開其提供的鏈接，想看看信息出處，才發現有不少信息來源是四六文摘網，這種聽起來就很陌生的渠道，公信力有點存疑；

蟻小保的思維鏈里也會標注信息出處，于是我試著點開蟻小保信息來源，發現大多數來源是螞蟻自己制作的「行業精選」，這種已經有精心篩選與編輯的深加工知識庫，給人的信任感會不同。

回到DeepSeek繼續提問，我發現一旦多問幾個問題，DeepSeek的反應就變慢了，提完問題后，遲遲沒有列出思維鏈。等待時間較久，一分鐘后出現了：當前繁忙，稍后再試。

于是我打算切回保險平臺，選了兩家知名的保險公司、平臺，再問一些相似的問題，發現沒有得到有效解答。

我發現其他平臺并沒有邏輯推理能力，一旦關鍵詞對不上，就無法理解問題，無從作答。其次是，蟻小?？梢杂冒l語音的形式進行交互，這兩家保險平臺目前也不支持語音輸入。

這兩家的邏輯也更加趨向營銷導向，只要點擊找顧問，就會直接跳轉到微信，得添加客服企業微信，原本只是問一個小問題，卻得先加一個企業微信，多一個步驟，而且一旦加了企業微信，就會在朋友圈收到廣告，打擾性更高，因此我不會輕易加微信，測試就此打住了。

03 把過往積累的多個能力塞進蟻小保

為什么蟻小保的解答如此有效直給？我研究了一番，發現螞蟻把過往非常多的能力積累，整合進了螞蟻保的AI agent當中。

可以理解為一個入口，一處交互界面，背后聚合多個agent的能力，是根據用戶的自然語言去匹配相應的助理。

這不是一日之功，從「選品、配置、理賠」三個環節，螞蟻保一直在用AI模型的方式來破題。

比如，在如何選保險上面，螞蟻保把一套AI模型塞進了「金選」里面，螞蟻保的AIMM金選模型下設5個維度（投保門檻、保障范圍、性價比、保司經營、服務理賠），細分12個保險分類，對產品的產品力和公司力進行評分，851個決策因子，覆蓋了不同消費者關心的各類問題。從「螞蟻保」平臺數百款產品中，甄選出各細分保險產品類別前10%的產品。

螞蟻保「金選」負責人嚴捷曾表示，金選標準不與銷量掛鉤，「金選」的目標集中于把模型和產品評價體系打造好。

KPI定的不一樣，結果自然是不一樣。

金選模型構建起來之后，就到了「省心配」的配置環節，據螞蟻?！甘⌒呐洹沟膹埑探榻B，「省心配」團隊研發了HRAAM保險配置模型。用戶輸入基本信息后，HRAAM模型就會通過風險分析、保障評估、產品匹配三個步驟進行配置，生成推薦方案。

張程也談到，「省心配」本著客觀、公正的原則，根據用戶的個人情況和實際需求來推薦配置方案，完全不受產品熱度、銷售傭金等其他因素的影響，也不會向用戶和保險公司收取費用。在「省心配」的推薦邏輯里不會摻雜商業利益，完全是從用戶利益出發。

內部人士著重表達了一個理念，對平臺來說，希望「省心配」服務與商業目標之間盡量是解耦的，同時最后也能達成一致，在提供有價值的服務、協助客戶準確科學配置保險的基礎上，順道達成商業目標。

從金選到省心配，每一個模塊的立意，都是和傭金變現脫鉤，這才使得蟻小保做到0傭金導向，把屁股坐在用戶一邊。

除了選對產品，理賠服務是最緊要的一環，是最讓用戶有獲得感的時刻，稍有不慎就容易產生信任危機，對此，螞蟻保仍然是用AI來解決理賠問題。

這就是安心賠業務。支撐安心賠服務的底層技術，被稱為「理賠大腦」，螞蟻保的思路是「教會機器做決策」，簡而言之，就是建立底層知識圖譜，用足夠大量的案例，訓練機器進行分析并形成判斷，同時專家會及時介入糾偏，這成為了保險行業內首個商用的無人工干預的理賠系統。

螞蟻保在理賠這件事上做的很激進，把用戶無法知曉的理賠指標，直接預先展示在銷售端，2024年開始，「安心賠」展示每款入選保險產品的四個指標評分：一次提交成功率、時效達成率、結論接納率和賠付滿意度。這個分值，會放到前端購買頁面來顯示，用戶在購買保險時就能直觀了解該產品的理賠服務水平，不用等到需要理賠時才知曉。

相信這是掌握AI能力的平臺把保險公司又往用戶的面前，狠狠推了一把。

不僅如此，根據我從內部人那里打聽，螞蟻保準備整體對外輸出這些體系化能力，「蟻小保」會同步搭載在智能保險服務開放平臺「螞蟻保蟻橋」上（簡稱「蟻橋」），接入「蟻橋」的保險公司都能使用「蟻小保」的能力面向客戶，做到「有問必答、全程守護」，能大幅提升保司服務體驗和運營效率。

對于保險的智能顧問，我逐漸摸到了兩層衡量標準，第一層是可用，件件有著落，事事有回應。第二層是不要太銷售導向，利益沖突別太明顯。

一款簡單產品背后，很可能是觸及保險行業靈魂的深層變革，看著答案簡單直給，實則是舍棄掉巨大利益，這樣的和商業解耦的保險AI顧問目前還不多，但是是行業應有的方向。

*僅介紹產品，不構成推薦保險的建議