蚁小保，让我看到了AI agent该有的形态

文 | 周天财经

周天财经 原创出品

买保险很难买，卖保险也很难卖，一是不懂，二是怕坑，总结来说，是怕损失，需要确定性和获得感。但旧模式的保险，给不了这些确定感，产品琳琅满目、条款纷繁复杂，几十页合同，还都是长难句。

再深层一点的顾虑是，保险顾问有自己快速成单的利益诉求，给的建议是否中肯，能不能站在自己这边，让人没把握，我索性摆烂，很多保险我拖了很久没买。

但在风险里裸奔不是办法，内心还是有隐忧。同时又看到今天大模型深入产业，agent概念正热，很自然地，我就期待，能不能有个保险AI agent，可以把我带向一个确定性答案，帮我对比核心条款，让我做选择题，别让我做填空题。

所以每当我听说有新的保险agent出来时，我都是第一时间去试用。

9月12日，在2025 Inclusion·外滩大会上，蚂蚁保发布了新一代超级智能保险顾问「蚁小保」。想到这几年蚂蚁拥抱AI很激进，我打算拿几个生僻问题去刁难一下保险AI agent，看看能不能解决自己的保险裸奔问题。

01 一个全新的保险智能体样板

第一个问题就比较刁钻。

以前有家人给我买过重疾险，但买前并没问我的健康情况，而彼时我刚刚进行过体检，查出一些异常指标，听闻过一些案例，如果健康告知时有遗漏，会导致后面保险公司拒赔。

问了一些人，但没有确定答案，这类问题一定是个刚需。

这次我替家人问一个问题，黄斑病变是否影响投保，蚁小保给的答案出人意料的确定，并标注了答案来源是：安心赔。

我的另一个知识盲区是车险。惭愧地说，作为十年老车主，我一直分不清三者险和车损险。

于是，拿到蚁小保问了下，结果是，开车十年，我第一次搞清楚了三者和车损险的区别。这里面很关键的是，蚁小保会用结构化的图表来拎出重点区别。

后面，每当我对比两种保险产品有何区别时，蚁小保也都是这样来为我圈出重点差异来。此处得感叹一句，会做表格的保险agent，才是好的agent啊。

还有很特别的一点是，如果我要求推荐蚂蚁平台以外的产品，即便我会去别处成交，agent也依然会给我优先推荐，蚁小保真是大公无私，这很符合蚂蚁集团保险事业群CTO孙振兴所介绍的：「蚁小保」具有「0佣金导向」「0知识盲区」的特点。

我打算再给蚁小保上上难度。

这次，我倒着问，我只说特征，让蚁小保去找符合特征的产品，比如，我想要选理赔满意度高的百万医疗险产品，要求列出两款这种产品来，蚁小保的确提供到了。

还有重疾险里面，有个比较关键的情形是：癌症、心脑血管疾病是否支持多次赔付，这是个很实用的条款，于是我让蚁小保去帮我找出能够二次赔的产品，也依然做到了。

到这里，我就发现基于自然语言的思考太重要了，是最符合用户求助习惯的，会根据用户的一句话，去倒查条款，去检索保险知识库。这可能是保险AI agent该有的功能。

过去买保险，上面这些问题都得靠人来解释，靠用户自己去条款里一条一条地翻找，今天用户提需求，agent帮用户去条款里找。

蚁小保会注重呈现出AI进行推理的思维链，答案是极简的，但推理过程却是翔实地展示出来的，让我们清晰可见信息路径，用AI行业研究者的话来说，「一切的工作为了让用户看见」。推理的可视化，会给用户一种爽感。简洁的答案，给人爽感，而完整呈现出的推理过程，让人看着推理模型在忙前忙后的，也是一种爽感。

这时候，我发现了AI时代，智能保险顾问大不相同之处了，和以前相比，大模型大大缩短了用户路径，问答习惯是「拟人化」的，保险的确是最适合大模型多轮问答的业态，比如，有时候我也会嫌蚁小保问了太多，我装作不耐烦，这时候蚁小保能识别出我的焦躁，会立刻调整语气措辞，给出更加简洁明了的答案。

谷歌前CEO Eric Schmidt与斯坦福研究院首席执行官David Parakh在PARC Forum上进行了一次对话，他谈到，AI如何改变人与计算机的互动？人与工具的关系迟早会改变，这种改变已经在发生。

的确，这种改变正在保险领域发生了。

02 当我试试更多的保险AI

用完蚁小保，我好像看到了agent该有的模样，那其他家是不是也能做出来。于是我再去其他平台，用同样的问题来拷问一下，才发现自己天真了。

比如，当我到DeepSeek提问，其推理思维链也较为完整，也能用表格来进行产品对比，但当我点开其提供的链接，想看看信息出处，才发现有不少信息来源是四六文摘网，这种听起来就很陌生的渠道，公信力有点存疑；

蚁小保的思维链里也会标注信息出处，于是我试着点开蚁小保信息来源，发现大多数来源是蚂蚁自己制作的「行业精选」，这种已经有精心筛选与编辑的深加工知识库，给人的信任感会不同。

回到DeepSeek继续提问，我发现一旦多问几个问题，DeepSeek的反应就变慢了，提完问题后，迟迟没有列出思维链。等待时间较久，一分钟后出现了：当前繁忙，稍后再试。

于是我打算切回保险平台，选了两家知名的保险公司、平台，再问一些相似的问题，发现没有得到有效解答。

我发现其他平台并没有逻辑推理能力，一旦关键词对不上，就无法理解问题，无从作答。其次是，蚁小保可以用发语音的形式进行交互，这两家保险平台目前也不支持语音输入。

这两家的逻辑也更加趋向营销导向，只要点击找顾问，就会直接跳转到微信，得添加客服企业微信，原本只是问一个小问题，却得先加一个企业微信，多一个步骤，而且一旦加了企业微信，就会在朋友圈收到广告，打扰性更高，因此我不会轻易加微信，测试就此打住了。

03 把过往积累的多个能力塞进蚁小保

为什么蚁小保的解答如此有效直给？我研究了一番，发现蚂蚁把过往非常多的能力积累，整合进了蚂蚁保的AI agent当中。

可以理解为一个入口，一处交互界面，背后聚合多个agent的能力，是根据用户的自然语言去匹配相应的助理。

这不是一日之功，从「选品、配置、理赔」三个环节，蚂蚁保一直在用AI模型的方式来破题。

比如，在如何选保险上面，蚂蚁保把一套AI模型塞进了「金选」里面，蚂蚁保的AIMM金选模型下设5个维度（投保门槛、保障范围、性价比、保司经营、服务理赔），细分12个保险分类，对产品的产品力和公司力进行评分，851个决策因子，覆盖了不同消费者关心的各类问题。从「蚂蚁保」平台数百款产品中，甄选出各细分保险产品类别前10%的产品。

蚂蚁保「金选」负责人严捷曾表示，金选标准不与销量挂钩，「金选」的目标集中于把模型和产品评价体系打造好。

KPI定的不一样，结果自然是不一样。

金选模型构建起来之后，就到了「省心配」的配置环节，据蚂蚁保「省心配」的张程介绍，「省心配」团队研发了HRAAM保险配置模型。用户输入基本信息后，HRAAM模型就会通过风险分析、保障评估、产品匹配三个步骤进行配置，生成推荐方案。

张程也谈到，「省心配」本着客观、公正的原则，根据用户的个人情况和实际需求来推荐配置方案，完全不受产品热度、销售佣金等其他因素的影响，也不会向用户和保险公司收取费用。在「省心配」的推荐逻辑里不会掺杂商业利益，完全是从用户利益出发。

内部人士着重表达了一个理念，对平台来说，希望「省心配」服务与商业目标之间尽量是解耦的，同时最后也能达成一致，在提供有价值的服务、协助客户准确科学配置保险的基础上，顺道达成商业目标。

从金选到省心配，每一个模块的立意，都是和佣金变现脱钩，这才使得蚁小保做到0佣金导向，把屁股坐在用户一边。

除了选对产品，理赔服务是最紧要的一环，是最让用户有获得感的时刻，稍有不慎就容易产生信任危机，对此，蚂蚁保仍然是用AI来解决理赔问题。

这就是安心赔业务。支撑安心赔服务的底层技术，被称为「理赔大脑」，蚂蚁保的思路是「教会机器做决策」，简而言之，就是建立底层知识图谱，用足够大量的案例，训练机器进行分析并形成判断，同时专家会及时介入纠偏，这成为了保险行业内首个商用的无人工干预的理赔系统。

蚂蚁保在理赔这件事上做的很激进，把用户无法知晓的理赔指标，直接预先展示在销售端，2024年开始，「安心赔」展示每款入选保险产品的四个指标评分：一次提交成功率、时效达成率、结论接纳率和赔付满意度。这个分值，会放到前端购买页面来显示，用户在购买保险时就能直观了解该产品的理赔服务水平，不用等到需要理赔时才知晓。

相信这是掌握AI能力的平台把保险公司又往用户的面前，狠狠推了一把。

不仅如此，根据我从内部人那里打听，蚂蚁保准备整体对外输出这些体系化能力，「蚁小保」会同步搭载在智能保险服务开放平台「蚂蚁保蚁桥」上（简称「蚁桥」），接入「蚁桥」的保险公司都能使用「蚁小保」的能力面向客户，做到「有问必答、全程守护」，能大幅提升保司服务体验和运营效率。

对于保险的智能顾问，我逐渐摸到了两层衡量标准，第一层是可用，件件有着落，事事有回应。第二层是不要太销售导向，利益冲突别太明显。

一款简单产品背后，很可能是触及保险行业灵魂的深层变革，看着答案简单直给，实则是舍弃掉巨大利益，这样的和商业解耦的保险AI顾问目前还不多，但是是行业应有的方向。

*仅介绍产品，不构成推荐保险的建议