大模型能否取代保險(xiǎn)代理人？實(shí)測千問、元寶、DeepSeek

全文共3263字，閱讀全文約需7分鐘

測試結(jié)果顯示，大模型在“條款解讀”方面表現(xiàn)卓越，能將長達(dá)萬字的保險(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)者的閱讀門檻。但在專業(yè)深度層面，大模型分析仍存偏差。

本文首發(fā)于21金融圈未經(jīng)授權(quán) 不得轉(zhuǎn)載

作者 |林漢垚 徐若萱

編輯 |周炎炎

排版|黃玥

國家金融監(jiān)督管理總局最新披露的數(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6萬億元大關(guān)。與此同時(shí)，與之配套的數(shù)字化服務(wù)正在經(jīng)歷一場由生成式AI引領(lǐng)的供給側(cè)改革。

中國保險(xiǎn)行業(yè)協(xié)會此前發(fā)布的《中國保險(xiǎn)業(yè)社會責(zé)任報(bào)告（2024）》顯示，保險(xiǎn)業(yè)正加快數(shù)字化轉(zhuǎn)型，2024年AI坐席服務(wù)量已達(dá)9.37億次。行業(yè)數(shù)智化進(jìn)程正在從“效率工具”向“決策輔助”跨越。保險(xiǎn)消費(fèi)者對復(fù)雜保單的解構(gòu)需求日益增長，利用生成式人工智能（AIGC）進(jìn)行保單分析、核保咨詢及方案規(guī)劃逐漸成為新趨勢。

近期，21世紀(jì)經(jīng)濟(jì)報(bào)道記者以普通消費(fèi)者身份，針對百萬醫(yī)療險(xiǎn)條款、家庭保障設(shè)計(jì)及復(fù)雜健康告知等真實(shí)場景，對DeepSeek、騰訊元寶、通義千問、Kimi、豆包等國產(chǎn)主流大模型進(jìn)行了實(shí)測。

測試結(jié)果顯示，大模型在“條款解讀”方面表現(xiàn)卓越，能將長達(dá)萬字的保險(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)者的閱讀門檻。

但在專業(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工具和輔助決策支持系統(tǒng)，而非獨(dú)立的保險(xiǎn)咨詢或銷售主體。

可降低消費(fèi)者認(rèn)知門檻

保險(xiǎn)條款的晦澀繁瑣，長期以來是引發(fā)理賠糾紛的底層誘因。

在“條款解讀”測試中，記者上傳了一份百萬醫(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”。測評發(fā)現(xiàn)，以DeepSeek和Kimi為代表的模型在處理長文本合同方面表現(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。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)+分類明細(xì)+對比表格”的呈現(xiàn)方式。針對“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)化知識服務(wù)”層面。其對保險(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，能夠基于公開文本進(jìn)行快速、系統(tǒng)的整理與說明。

初步具備個(gè)性化思維

在“家庭保障方案設(shè)計(jì)”測試中，記者設(shè)定了“家庭年總收入30萬、房貸壓力、新生兒家庭”的場景。測評顯示，國產(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。

通義千問在方案中同樣明確提出了“先保人再保錢，先大人后小孩”的優(yōu)先級邏輯，并建議通過高保額的定期壽險(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，并針對經(jīng)濟(jì)支柱與照料者進(jìn)行了差異化保額設(shè)定。

豆包回復(fù)

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

然而，AI在保險(xiǎn)咨詢中仍存在局限?！氨ｋU(xiǎn)咨詢并非純信息服務(wù)，其背后關(guān)聯(lián)長期保障、家庭風(fēng)險(xiǎn)乃至重大財(cái)務(wù)后果?！敝炜∩鷱?qiáng)調(diào)，AI目前無法對錯(cuò)誤建議承擔(dān)責(zé)任，也無法進(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“顧問主體”。

場景精算與核保精度仍存偏差

在涉及增額終身壽險(xiǎn)等長期儲蓄型產(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“增額終身壽險(xiǎn)60歲時(shí)IRR測算”的提問，各模型結(jié)果出現(xiàn)明顯波動，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，但實(shí)際IRR約為2.68%。通義千問測算的IRR則為2.85%，理由是模型假定了特定的現(xiàn)金價(jià)值終值。

通義千問Qwen回復(fù)

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)量級參考，無法替代正式的利益演示表。

核保咨詢深度不足同樣制約了AI在垂直場景的滲透。在“核保員”評測環(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)體咨詢場景。DeepSeek詳細(xì)列出了甲狀腺核保所需的材料清單，并給出了“除外承保”的概率性預(yù)測。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歲后通過評估再行申請。但大多數(shù)模型在面對個(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，缺乏對各險(xiǎn)企核保尺度實(shí)時(shí)動態(tài)的把握。

KIMI回復(fù)

朱俊生指出，當(dāng)前AI并不具備真實(shí)核保權(quán)，也無法掌握完整、真實(shí)的醫(yī)學(xué)與風(fēng)險(xiǎn)評估信息，其判斷只能停留在“規(guī)則復(fù)述”或“概率性推測”。他同時(shí)提醒，保險(xiǎn)高度依賴個(gè)人健康狀況、職業(yè)風(fēng)險(xiǎn)、家庭結(jié)構(gòu)和長期財(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在此類場景中，容易給出“看似合理但并不適配”的建議。

仍難替代專業(yè)決策

在法律壓力測試環(huán)節(jié)，記者詢問“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”，并詳述了理賠調(diào)查在醫(yī)保記錄、同業(yè)共享平臺等維度的穿透力。DeepSeek和通義千問解析了《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)了國產(chǎn)大模型在處理復(fù)雜法律條款時(shí)的進(jìn)步。

Deepseek回復(fù)

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，認(rèn)為“不存在對所有人都通用的‘性價(jià)比最高’的產(chǎn)品”，建議消費(fèi)者通過專業(yè)經(jīng)紀(jì)人進(jìn)行多渠道核保。

騰訊元寶回復(fù)

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

朱俊生教授對此給出了關(guān)鍵區(qū)分：“關(guān)鍵在于生成邏輯是否中立、信息來源是否透明。”如果回答基于基于公開網(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)制對消費(fèi)者不透明，易被誤解為專業(yè)背書。因此，風(fēng)險(xiǎn)并非來自AI“有意推銷”，而是來自用戶對其權(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建議作出購買決策。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)信息不對稱的橋梁，而非制造新信息煙霧的源頭。此次測評顯示，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仍無法替代專業(yè)人工。

展望未來，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)”，而非替代專業(yè)判斷的“終點(diǎn)”。