解析CIFS|中邮保险唐铭：数智技术驱动金融机构业务优化与效能提升
2025-04-21
大家下午好！我是来自中邮保险的唐铭，今天我分享的内容更多侧重于 AI 在中邮保险的相关应用实践。中邮保险成立于 2009 年，2022 年我们引入友邦作为战略投资伙伴。在过去两年里，中邮保险的保费规模均突破了千亿。去年，我们的利润大概在 100 亿出头，2024 年整个资产规模约为 6200 多亿。我们的营销模式与其他保险公司略有不同，我们的营销战略是 “一主多辅”，主要围绕邮政及邮储资源构建主渠道，这也是我们保费收入的主要来源。同时，我们拓展了多元营销渠道，涵盖城商行、其他国有大行，以及我们正在开展的普惠保险和信贷业务，这些构成了我们的第二条增长曲线。此外，2023 年我们成立了自己的资管公司，在保险闭环中实现了从资产端到负债端投资的闭环。因此，我们的利润增长来源于投资收益、新业务增长，以及新会计准则的实施。我今天的交流主要分为三个部分：
第一，回顾常规技术路线。
第二，介绍保险相关智能应用。
第三，探讨中邮在未来 AI 领域可能开展的规划内容。
01数 智 化 发 展 回 顾
信息科技数智化发展-概览
从这个图中我们可以看到，整个行业发展分为三个阶段：信息化、数据化、智能化。2009 年之前，大家主要将线下流程迁移到线上；2009 年至 2016 年，更多地利用数据互联网技术进行相关数据流程再造及产品设计；2016 年之后，随着算力和模型的发展，整个智能化应用从常规的简单规模性应用，逐步发展到现在的全面智能化应用阶段。
这个图让我感触最深的是 2010 年，当时我服务于一家外资企业，那时云计算正火热。几位行业前辈还在讨论 “旧瓶装新酒” 的问题时，国外一家保险公司已全面投入 AWS。我们为其提供应用开发服务，当时并未有特别深刻的感受。如今回头看，15 年过去了，国内大部分保险公司中，全面实现上云的仅有少数几家。云厂商也根据金融保险行业的特性，提供了一些特别定制的服务，无论是本地部署还是其他方式。在整个发展历程中，我个人参与了 2009 年那一波发展。2016 年至 2015 年期间，我在某家保险公司工作时接触过 AI，当时主要是一些 PUC（概念验证）项目，保险行业的朋友可能了解，比如声纹识别、反欺诈相关应用，但效果并不显著。2016 年之后，AI 技术全面发展，在过去十年里，大家对智能应用在行业中的应用体会愈发深刻。
信息科技数智化发展-AI
接下来介绍的是 AI 的发展历程。70 年代的图灵、90 年代的决策系统，对我来说年代较为久远，可能更多是从新闻中了解到，比如深蓝电脑与卡斯帕罗夫的对决，以及 2016 年的 AlphaGo 等。我从 2018、2019 年开始带领算法团队，当时主要从事 CV（计算机视觉）相关工作，在这个过程中逐步推动应用落地。这里大家提及较多的是 DS（数据科学？这里 DS 含义不太明确，原文未解释清楚），我对 DS 的第一印象源于美股。因为 DS 兴起时，就像前面提到的，现在英伟达股价大概 110 多美元，还有 UMD（同样含义不明）以及现在的量子计算 D - wave 等，这些都产生了较大影响。目前股价还未回到春节前的高点，最高点曾达到 150 美元，现在大概是 118 美元，走出了一个 S 形曲线。
保险行业数字化发展趋势
对于整个智能化发展，在保险行业中，这些咨询公司提供的片子我认为很有参考价值。保险行业同样经历了三个时代：1.0、2.0、3.0，本质上也是信息化、数字化、智能化的发展过程。
我认为对保险行业影响较大的因素在于，保险公司需要根据自身规模类型，如小型、中型或大型公司，在科技赋能或信息化阶段，选择合适的发展路线至关重要。小型保险公司在销售方面的投入往往最大；中型保险公司可能更注重从产品设计、营销，到核保、理赔、服务等全流程，希望提供更多优质服务；大型保险公司则会全面投入，以确立自身在行业中的优势，其投入规模必然更大。
行业数智化发展趋势
然而，目前来看，对整个效果的评估，从每家保险公司最终的预算情况来看，在公司经营层面仍是一个较难回答的问题。说实话，在整个保险业务流程中，如果科技赋能做得好，确实可能带来业务提升。我们可以看到左边大概有五个流程点，右边是利润影响。其中，营销和销售环节影响最大，比如在获客与转化方面。产品开发也能带来 2% - 3% 的提升。客户服务、核保理赔环节相对较难，不过在欺诈识别、风控方面，就像前面几家互联网公司介绍的，数据至关重要。即便没有大模型，依靠规则和数据，也能在一定程度上做好这部分工作。
02中 邮 保 险 的 实 践
接下来，我可以分享一下中邮保险的一些实践经验。
数智化转型成效
相对而言，我们更多应用的并非大模型，而是一些基础的 AI 技术。中邮保险从 2022 年开始制定了一个三年计划。由于我们基础相对薄弱，自 2022 年进行市场化对标以来，在 IT 投入、人员及团队建设方面都有较大投入。2022 年 8 月至 2023 年 7 月是第一阶段，主要进行队伍建设，从过去的几十人发展到现在的大几百人。第二阶段是去年开展的科技赋能期，主要对 2023 年建设的所有项目进行重构和优化，使其与业务更紧密结合。这一阶段，业务部门与技术部门之间的沟通交流最为频繁，同时分歧也最多，因为业务部门对自身需求十分明确，对系统功能质量的要求从无到有，进而追求优化。现在，我们进入了智能化或数字化阶段，由于大模型的应用，业务部门的想法更加多样，这对 IT 部门的挑战也更大。在这个过程中，甚至有些业务人员无需接触 IT 团队，就能提出创意，并且利用现有工具完成部分自主开发。所以，在整个数字创新期，IT 投入、价值证明以及前面提到的 ROI（投资回报率），是整个公司面临的最大挑战。
这是前面提到的中邮保险过去两年多的建设情况，建设速度较快。对于传统保险公司，尤其是汇报层级较多的公司而言，一年完成两百多个项目，包括 120 多个系统的迭代，以及全流程再造，难度极大。所幸我们按照自身规划，较为顺利地完成了前两个阶段的任务。上一阶段我们提到，希望到 2025 年、2026 年，能够从基础薄弱逐步追平行业水平，进而进入第一梯队，目前我们正按照这个规划稳步推进。
下面还有一些数据，比如保费人效、保权人效、理赔人数、渠道对接时效等，这些在整个数字化转型过程中，都通过科技赋能实现了效率提升。
数智化转型典型应用-智能外呼
这里简单介绍一些系统，例如智能外呼系统。我们之前没有智能外呼功能，搭建完成后，对整个运营及呼叫中心的效能提升显著，从外呼量和效能提升的数据中可以直观体现。目前，我们较少探讨过去已取得的成效，更多的是与业务部门沟通当下要做什么、优化什么、搭建什么知识库。当业务部门提出基于大模型的新需求时，例如要求构建一个新的基于大模型的某某系统，此时无论是外部厂商还是内部 IT 团队，在技术要求的探讨上几乎处于同一水平，因此挑战巨大。
数智化转型典型应用-智能营销
在营销方面，3 月 17 日我们在公众号发布了一篇关于智能营销的文章。我们的营销队伍与传统保险公司有所不同，主要依靠银保渠道，理财经理依托网点资源开展业务，他们不完全属于我们的个贷团队。由于这些人员不仅负责保险业务，还涉及普惠金融和银行业务，所以对他们的人员素质和工具要求更高。相应地，保险公司为他们提供营销工具赋能时，需要解答的内容更多，知识专业性和完整性要求更强。
下面有两个红色的小字说明，第一阶段我们已经开发了小模型，第二阶段接入了 RAG 加 SaaS 化 DeepSeek 的满血版。但 2025 年具体要做什么、如何建设，我们正在规划中，希望通过共创来推进，这也是业界融合的关键要点。
数智化转型典型应用-智能质检
质检方面采用的是常规质检系统，但这个系统非常智能。比如，它能够针对所说的话抓取 700 多万个质检点，算单量加上质检点，人工替代率达到九成，准确度极高，目前不止两个九，可能更多是九点几或八点几，整个质检效率提升了 4 倍。在整个数字化转型过程中，业务满意度是一个非常重要的柔性指标。在过去两年中，我们不定期或定期与业务部门交流，通过问卷调查了解他们的感受并打分。这个分数呈现曲线变化，第一年可能稍高，到去年年初也较高，中间有所降低，年底又升高，这是因为系统一直在建设和变化。我们基于业务满意度，对系统进行更细致的调整。
数智化转型典型应用-智能两核
两核（核保、核赔）工作我认为难度较大。在 2025 年或接下来 AI 中台搭建场景中，这是最重要的环节。目前，我们主要还是依靠规则和小模型进行决策，包括未来预核保的搭建以及整个风控体系。这里未提及的是，风控中台也提供了相关能力，这两个环节更多体现的是作业能力。从数据上看，核保问卷转化首期保费等数据近百万，具体数据在此不详细解读了。
数智化转型典型应用-智慧柜面
智慧柜面是面向 C 端客户的服务系统，我们利用保权相关技术提供视频服务，效能提升 4 倍，保权转化率目前大概为 95%，整个相关承保线上化率达到 99%。
数智化转型典型应用-智能法规
智能法规系统，前面人保的老师也介绍过类似内容。对于我们来说，这个系统在模型应用层面，对文档解释功能非常出色，它不仅能解释条款，还能匹配监管文件，识别出未引用的条款，对我们法规部门的工作帮助很大。在整个数字化转型的众多系统中，这个系统的体验相对靠前。
数智化转型典型应用-AI辅助编程
这里还要提一下，过去一年多，我们与很多厂商交流过 AI 辅助编程相关方案，无论是大厂还是中型厂商，都提供了不少方案，但我们最终都没有采纳。可能正如前面毕总提到的 ROI 问题，因为如果科技赋能能力仅依靠购买外部系统，而自身 AI 研发团队不基于开源技术搭建一个系统，本质上意义不大。自己搭建一个系统，使用开源工具，后续也能进行对接。我们现在使用的是通义（阿里云通义千问？这里表述不太清晰），前面加上 IT 相关指令就可以运行，使用次数较多。
以上就是我介绍的中邮保险的实践情况，还有很多应用和系统未详细介绍。例如，在数字化转型的深水区 —— 核心业务系统方面，过去一年中，我们的核心业务系统改造也在同步推进。做过数字化转型和核心系统改造的人都知道，这一工作难度极大，所以我们是在保证质量的前提下按部就班地推进。在这个过程中，新核心系统也会考虑融入 AI 技术，比如搭建新一代理赔系统，我们称之为理赔核心。在这个过程中，如何利用 AI 技术提高作业效率，包括质检相关的 TPA（第三方管理机构？此处含义不明）等，都在规划之中，在此就不详细展开了，同业之间如果有兴趣可以私下交流。
03未 来 展 望
第三部分是展望内容，大概有三页片子。
数智化引导保险行业重构、重塑、重整、重定义
首先还是要提到数智化，这里我们将其提升到一个较高的层面，包括重构、重塑、重整、重定义。我看到众安保险的微信号也发布了一篇文章，在其财报中也提到了重构、重塑和重整。为什么要强调这些呢？因为如果科技力量不能用于重塑和推动业务流程，其意义就难以明确界定。重塑流程要么带来降本效果，要么提升效率。在保险行业中，社会、政策、经济、科技等因素都会产生影响，其中政策和科技的影响最大。例如，我们作为寿险公司，2024 年受低利率产品和监管要求影响，产品迭代速度非常快。科技方面，就像前面提到的，年前的 DS 以及 2022 年 ChatGPT 的出现，整个 CTO 团队甚至包括公司一把手团队，都需要时刻保持紧密沟通，关注技术发展动态。
技术、业务融合的能力是数智化的标尺
这张片子提到的是在整个智能化过程中如何进行衡量。一般来说，是一个金字塔结构，底层是技术支持，有些保险公司也会提及。但更重要的是业务能力构建，中间的第二层和第三层才是核心。最后一页介绍一下中邮保险的规划。这是我们自己制作的片子，也在不断思考。在我们的公众号上，总经理也提到了 ENX 相关理念。
“E” 代表我们希望在整个 AI 规划中设立一个超级大脑入口，这个概念相对抽象，但我们有这样的设想。“N” 个领域专家模型，在目前的数字化转型中，各个系统中已经存在小模型、中小型模型等。我们在思考是否要对这些模型进行优化整合，将其纳入大模型之中。经过思考，我们认为还是会采用大模型 + 小模型的方式，这些模型可能会保留在 AI 底座中，也可能不纳入，对我们来说，最重要的是为任何一个业务条线提供有效支撑，以效率为王，切实解决业务问题。通过技术横向整合，更多是为了降低成本，但如果整合带来的复杂度超过了对业务的支持效果，我们可能会放缓整合进度。
最后一个是智能体，目前 Agent（智能体）概念被广泛提及，我们也在尝试探讨。但这只是我们的规划，距离落地实施还有一段距离。目前，我们的 AI 团队与相关同业以及厂商一直在深入交流，这个过程持续时间较长、交流程度较深。最终搭建方案是否会按照规划落地，是否会有偏差，还需要根据实际情况判断。
这可能是我们未来两年非常重要的工作，完成新核心系统的数字化转换后，围绕 “十五五” 规划，制定我们基于 “十五五” 规划下的新一代数字化转型规划方案。
以上就是我与大家交流的全部内容。谢谢大家！
