上海
当通用智能的狂奔撞上金融业务的确定性要求，保险业AI的竞争逻辑正在改写。
“如今，AI的实际应用已从通用智能迈入行业智能时代。”在9月11日的外滩大会保险见解论坛（下称“见解论坛”）上，蚂蚁集团副总裁、蚂蚁保总经理陈冠华表示。
然而，在从通用走向行业智能的过程中，大模型如何越过概率输出满足金融确定性执行的要求，智能体如何从“发布数量竞赛”真正走入生产系统，成为保险业的共同挑战。
综合多名与会人士观点，保险业AI的下半场，胜负手不在模型参数，而在精准的“产品定义”，以及如何让概率模型跑通确定性的金融业务。
行业智能从“产品定义”起步
这两年保险行业最热的话题之一，就是AI到底会给行业带来什么变化。
太保产险总经理助理叶明满的判断是，产品、服务、风控与经营模式四个层面都会被改写：产品端，市场想要什么，保险公司就能做什么；服务端，“保险+服务”已成标配，而没有数字化线上化支撑，这些服务很难大规模享权；风控端，重心正从事后转向事前；经营模式端，最大的变化是流程与科技结合的新模式。
但陈冠华表示，现实上保险行业应用对原有商业链和价值链的提升远慢于通用智能的发展速度。他认为，保险AI产品的核心要素包括通用模型基础；产品查询、保费试算、理赔跟进等行动要素；客户年龄健康、家庭情况、已有保单等情境要素，但行业智能的起点应该是“产品定义”：先想清楚解决什么卡点、重构什么体验范式，再倒推该选多大的模型、接哪些工具、记忆与遗忘哪些上下文。
“就像并不是给手动剃须刀装上电机，就能变成电动剃须刀。而是应该先根据市场需求决定设计一款电动剃须刀，再决定调用哪些能力。”陈冠华举例称。
“通用智能在不断拓展技术的边界。而行业智能要做的，是利用这些能力去探索服务体验的边界。”陈冠华说，“我们认为，在未来的AI时代，保险行业的产品应该是每个保险的参与者站在自己的角度，利用自己的禀赋，通过自己对用户的理解和洞察，百花齐放创新出更多的好产品，而不是‘All in one Chat’（一个聊天框包打天下）。”
预测概率模型 vs 金融确定性
好的AI应用要真正走进保险业的生产系统，还得先跨过“确定性”这道关，监管已经先给出命题。6月18日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》（金发【2026】8号，下称“8号文”），从治理、开发、数据、算力、风险等七大方面提出32项要求。
在阿里云智能集团副总裁张翅看来，“8号文”更像一道开放命题，要求金融机构部署AI应用要能回答出四问：结论有没有依据、过程查不查得到、出了问题退不退得回、责任落没落到人。而行业机构如何落地背后，需要清楚大模型本质是Token的概率预测，金融业务执行却必须具有确定性。要跨越这道鸿沟，需要把智能体在金融场景中做成可信的工程体系。
“去年应该是金融机构发布智能体最多的一年。”张翅在见解论坛上表示，但部分智能体功能单薄，进入真实业务流程后会发现很多问题，例如费用口径与机构现行文件不一致，推理过程没有留痕，版本更新过后也难以回退和审计等。
因此他提出，必须把数据、专家知识等要素沉淀为可验证的本体，把散落在客户拜访、群聊记录与调研报告中的“上下文”一并收拢，以数据合同、工具合同、结果判定合同等来约束智能体执行，将“8号文”的相应监管要求转换成“门禁体系”逐项校验模型升级，同时在运行框架建立可追溯的回流机制。他透露，这套“可信控制面”体系已在部分头部银行、险企落地实践。
张翅将金融Agent的成熟度划分为五级：一级会聊天，二级会写文档，三级会查依据，四级能过“门禁”，五级可交付。他认为，多数机构今天仍处在一到二级，少数到了三级，但至少四级才是金融机构应该设定的AI应用目标。
“这还仅仅只是一个开始，背后相应的从模型到智能体到算力的技术体系，都是未来应该努力的方向。”张翅说。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
