大模型能否取代保險代理人？實測千問、元寶、DeepSeek

全文共3263字，閱讀全文約需7分鐘

測試結果顯示，大模型在“條款解讀”方面表現卓越，能將長達萬字的保險合同精準提煉為易讀的免責清單，極大地降低了消費者的閱讀門檻。但在專業深度層面，大模型分析仍存偏差。

本文首發于21金融圈未經授權 不得轉載

作者 |林漢垚 徐若萱

編輯 |周炎炎

排版|黃玥

國家金融監督管理總局最新披露的數據顯示，2025年保險業原保險保費收入首次突破6萬億元大關。與此同時，與之配套的數字化服務正在經歷一場由生成式AI引領的供給側改革。

中國保險行業協會此前發布的《中國保險業社會責任報告（2024）》顯示，保險業正加快數字化轉型，2024年AI坐席服務量已達9.37億次。行業數智化進程正在從“效率工具”向“決策輔助”跨越。保險消費者對復雜保單的解構需求日益增長，利用生成式人工智能（AIGC）進行保單分析、核保咨詢及方案規劃逐漸成為新趨勢。

近期，21世紀經濟報道記者以普通消費者身份，針對百萬醫療險條款、家庭保障設計及復雜健康告知等真實場景，對DeepSeek、騰訊元寶、通義千問、Kimi、豆包等國產主流大模型進行了實測。

測試結果顯示，大模型在“條款解讀”方面表現卓越，能將長達萬字的保險合同精準提煉為易讀的免責清單，極大地降低了消費者的閱讀門檻。

但在專業深度層面，大模型分析仍存偏差。北京大學應用經濟學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，而非獨立的保險咨詢或銷售主體。

可降低消費者認知門檻

保險條款的晦澀繁瑣，長期以來是引發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療險保單，要求模型提取免責條款并進行“白話翻譯”。測評發現，以DeepSeek和Kimi為代表的模型在處理長文本合同方面表現突出。

DeepSeek精準定位了條款第2.10節，并將其拆解為疾病不賠、行為不賠、費用不賠三大類。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于“重大既往癥”在續保期內的特殊賠付規則。

Kimi則通過提煉“先、故、美、生、牙、高、戰、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，顯著降低了消費者的記憶成本。這種從“法律文本”到“服務語言”的轉換，直接觸達了消費者“看不懂條款”的痛點。

騰訊元寶在語義轉換中更強調結構化引導，采用了“一句話核心總結+分類明細+對比表格”的呈現方式。針對“重大既往癥”這一極易產生理賠誤區的條款，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，強化了消費者保護的工具屬性。

朱俊生分析認為，從當前技術成熟度和實際應用效果看，AI在保險領域最穩定、最具可復制價值的能力，主要集中在“標準化知識服務”層面。其對保險基礎概念、條款結構和責任邊界的解釋能力較為可靠，能夠基于公開文本進行快速、系統的整理與說明。

初步具備個性化思維

在“家庭保障方案設計”測試中，記者設定了“家庭年總收入30萬、房貸壓力、新生兒家庭”的場景。測評顯示，國產大模型已告別“千人一面”的固定模板，表現出較強的個性化配置思維。

豆包給出了家庭保障方案的三條核心優先級邏輯，如，先保經濟支柱，再保其他成員；先保健康風險，再保責任/意外風險；保障額度貼合家庭負債。

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”的優先級邏輯，并建議通過高保額的定期壽險覆蓋房貸缺口，而非盲目推薦高保費的儲蓄險。

DeepSeek則給出了詳細的預算分配建議，將總保費控制在家庭年收入的5%左右，并針對經濟支柱與照料者進行了差異化保額設定。

豆包回復

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，如區分保障優先級、提示常見保障組合思路。同時在理賠材料清單、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在保險咨詢中仍存在局限。“保險咨詢并非純信息服務，其背后關聯長期保障、家庭風險乃至重大財務后果。”朱俊生強調，AI目前無法對錯誤建議承擔責任，也無法進行事后修正與跟蹤，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等長期儲蓄型產品的“精算模擬”環節，模型在處理復利與資金時間價值時穩定性不足。針對“增額終身壽險60歲時IRR測算”的提問，各模型結果出現明顯波動，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間成本，雖然保單現價按3%增長，但實際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金價值終值。

通義千問Qwen回復

這種計算偏差反映出通用模型在未接入保險公司即時現金價值表的情況下，主要依靠概率推算而非精算引擎。AI目前的計算結果僅能作為數量級參考，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”評測環節，記者模擬了“甲狀腺結節術后”及“早產兒投保”等非標體咨詢場景。DeepSeek詳細列出了甲狀腺核保所需的材料清單，并給出了“除外承保”的概率性預測。豆包則細化了早產兒的核保時機，建議胎齡小于34周的孩子在3歲后通過評估再行申請。但大多數模型在面對個體化體檢異常時，給出的建議仍偏向于“標準結論”的堆砌，缺乏對各險企核保尺度實時動態的把握。

KIMI回復

朱俊生指出，當前AI并不具備真實核保權，也無法掌握完整、真實的醫學與風險評估信息，其判斷只能停留在“規則復述”或“概率性推測”。他同時提醒，保險高度依賴個人健康狀況、職業風險、家庭結構和長期財務目標，而這些信息既高度個性化，也存在大量非結構化細節。AI在此類場景中，容易給出“看似合理但并不適配”的建議。

仍難替代專業決策

在法律壓力測試環節，記者詢問“隱瞞病史能否利用兩年不可抗辯條款獲賠”。五款模型均展現出了極高的合規敏銳度，對惡意騙保行為亮出“紅燈”。

騰訊元寶明確指出“保險公司查不到是致命錯覺”，并詳述了理賠調查在醫保記錄、同業共享平臺等維度的穿透力。DeepSeek和通義千問解析了《保險法》第十六條的真實含義，強調“兩年的起算點是合同成立日，但截止點是保險事故發生之日”。這種對司法實踐中“惡意投保”判罰邏輯的準確傳達，體現了國產大模型在處理復雜法律條款時的進步。

Deepseek回復

然而，在產品推薦環節，算法的合規邊界仍有待厘清。多數模型拒絕直接給出排名。例如，騰訊元寶堅持不給出具體產品名稱，認為“不存在對所有人都通用的‘性價比最高’的產品”，建議消費者通過專業經紀人進行多渠道核保。

騰訊元寶回復

但記者觀察發現，當用戶直接索要具體產品推薦時，部分大模型聯網搜索功能會基于網絡信息展示特定產品。此類行為是否構成變相廣告或商業引導？

朱俊生教授對此給出了關鍵區分：“關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絡信息、搜索排序或訓練數據中既有的內容分布而非商業利益綁定，更接近信息再呈現，而非傳統意義上的廣告行為。但機制對消費者不透明，易被誤解為專業背書。因此，風險并非來自AI“有意推銷”，而是來自用戶對其權威性的高估。

此外，數據的時效性也是制約AI發揮的關鍵。2025年后，隨著第四套生命表的實施及保險產品預定利率的動態調整，部分模型引用的產品費率仍停留在歷史庫中，導致其給出的部分信息存在滯后。這種數據缺位不僅削弱了AI的參考價值，更可能誤導消費者的財務規劃。

朱俊生建議消費者在使用AI輔助投保時，至少應注意三點：一是將AI視為信息工具，而非責任主體；二是對具體產品結論保持交叉驗證；三是避免在缺乏充分個人信息披露和人工核驗的情況下，直接依據AI建議作出購買決策。消費者在使用AI輔助投保時保持“雙重防線”。AI建議不能替代法律意義上的“如實告知”，投保決策仍需回歸保單原件。

AI大模型的介入，理應成為填補信息不對稱的橋梁，而非制造新信息煙霧的源頭。此次測評顯示，在保險領域AI能極大提升“知情權”的效率，但在涉及“決策權”的深水區，AI仍無法替代專業人工。

展望未來，朱俊生指出，AI正在改變保險信息的“獲取方式”，但尚未改變保險決策的“責任歸屬”。目前它更適合成為消費者理解保險的“起點”，而非替代專業判斷的“終點”。