周延礼：AI重构保险全链条，数据治理与人才建设为未来发展关键

21世纪经济报道记者林汉垚 见习记者冯紫彤

10月30日上午，由中关村金融科技产业发展联盟等单位共同承办的2025金融街论坛年会、金融科技大会——“AI+金融专题论坛”在北京金融科技中心举办。十三届全国政协委员、原中国保监会党委副书记、副主席周延礼发表题为“‘人工智能+保险’助力数字保险的应用场景高质量发展的观察与思考”的主题演讲。

周延礼指出，人工智能技术的应用推动传统保险业务流程智能化升级，不仅提升业务效率与服务质量，更是从“精准定价”和“风险防范”两大核心环节赋能保险公司，解决传统保险定价粗放、风控滞后的痛点，有利于推动保险产品创新与个性化定制。

周延礼认为，未来应当从加强数据整合、建立数据标准、提升数据质量、加强风险防范等方面加强数据治理，并推动保险机构与高校科研机构合作培养复合型人才，筑牢数字保险发展根基。

（十三届全国政协委员，原中国保监会党委副书记、副主席，中关村金融科技产业发展联盟专家委员会主任周延礼）

六大场景落地，AI加速保险业务流程智能化

谈及人工智能对保险业务流程智能化升级中的作用，周延礼首先分析，随着 DeepSeek 等技术开源，保险公司技术融合进程明显加快，AI 已在智能核保、智能理赔、保险产品快速生成、优化客户服务体验、个性化服务、加强普惠包容性六大关键场景实现应用，不仅提升业务效率与服务质量，更切实解决客户关切的保障范围与业务内容问题。

他介绍，在风险评估前端，智能核保依托计算机视觉与自然语言处理技术解析医疗报告，实现数据感知、逻辑推理到决策执行的闭环，能显著缩短商业健康险核保周期；智能理赔则通过图像识别技术破解理赔效率瓶颈，例如车险场景中AI可即时完成事故照片定损，疑难病例的确诊、支付与医药支付也能依托技术得到精准支撑。

在服务与产品创新层面，生成式AI正通过模块化“产品工厂”动态组合条款，高效生成标准化产品；同时，智能客服系统实现7×24小时全时段响应，结合多维度数据调整风险定价与保障方案，并通过适老化设计弥合数字鸿沟，精准匹配客户个性化需求的同时，切实强化了保险服务的普惠包容性。

AI驱动风险管理迈向精准化与全流程化

在风险管理领域，周延礼指出，人工智能不仅凭借其数据处理优势，高效替代人工评估、实现风控能力跃升，更推动保险业从理赔止损向“全流程风险管理”转变。

具体而言，在风险识别与防控环节，AI已能够精准评估风险并实现欺诈行为的智能化理赔拦截，将传统粗放的人工管理模式升级为基于大数据的预测性风险分析。在创新风险保障产品环节，生成式人工智能为其提供了可量化的保障支持。在营销与服务端，AI通过精准解析用户行为特征，实现产品定向营销与差异化定价，并赋能代理人专业化转型，有效弥补了寿险领域代理人规模大幅下降带来的服务缺口。

周延礼还强调，人工智能通过数据深度挖掘与模型精准迭代，在精准定价及风险防范两大核心环节实现突破，可7×24小时基于个人移动终端实时监测，解决传统保险定价中粗放型风险的滞后性问题。

“定价模式正从'群体定价'转向'个体定制'，摒弃'一刀切'，实现'一人一价'。”他指出，通过整合动态数据扩展定价参考因素，保费得以动态调整、更趋精准。模型技术也从传统的“线性回归”升级为“机器学习/深度学习”，使得复杂AI模型能够精准识别“因子交互风险”，避免“同年龄段同保费”的不合理情况。

周延礼进一步指出，人工智能通过事前预警、事中干预、事后反欺诈的闭环体系，推动保险业向“全流程风险管理”转型，平衡用户权益保障与机构经营风险。

数据治理与人才建设为“AI+保险”融合关键

谈及“人工智能+保险”的未来推进路径，周延礼明确提出，需重点强化数据治理与人才培养两大核心支撑。

数据治理方面，首要任务是加强数据整合与标准化能力，即汇聚多方数据构建完整性基础，通过技术处理实现信息提取与标准化，搭建客户数据平台，提升专业能力，实时检测、识别并处理错误、缺失及重复性数据质量问题。同时还要构建数据治理闭环，牢筑安全防线。

人才培养则需依托产学研协同机制。周延礼建议，保险机构应加大与高校、科研机构的合作投入，构建产学研协同培养机制，培养兼具保险业务与AI技术知识的高精尖人才，扩大AI科技人才储备规模。同时，借鉴国际人才培养经验，建立长效发展机制，完善人才培养与成长体系。

“保险业从人工向AI转型，需通过数据分级管理与智能防护筑牢安全基础，以跨界复合型人才培养提供核心动力，这是行业高质量发展的必然方向。”周延礼总结称。