文章推荐：保险业的AI时代：精算师如何直面未来｜保险学术前沿

声明：本系列文章基于原期刊目录和摘要内容整理而得，仅限于读者交流学习。如有侵权，请联系删除。

本文基于以下论文整理而得：

Dan Jackman (2025). The AI Moment in Insurance: How Actuaries Are Grappling With the Future, Actuarial Review 52(5).

https://ar.casact.org/the-ai-moment-in-insurance-how-actuaries-are-grappling-with-the-future/

本期看点：

●人工智能正在重塑保险业与精算行业，但AI并非万能解决方案，也不会彻底取代精算师，而是作为效能增强工具，让精算师聚焦高价值的专业判断工作。

●保险业固有的审慎文化、模型黑盒问题、数据安全风险以及组织惯性，共同造成AI在保险领域落地推进缓慢，渐进式小项目试点是更可行的落地路径。

●AI治理时代已经到来，精算师依托风险、数据伦理专业能力，有独特优势参与AI规则搭建，确保 AI应用符合监管要求、执业标准与公众信任。

●精算师无需转型为AI工程师才能使用AI工具，可通过培训和实操边做边学，重点提升区分技术噱头与实际价值的能力。

●负责任的AI应用需要持续监督、明确问责与伦理约束，精算行业要坚守伦理根基，保障AI技术红利以人为本，守护产险行业的信任基础。

无论是新闻网站还是行业报告，人工智能（AI）相关的报道铺天盖地，各类头条令人眼花缭乱，论调一个比一个斩钉截铁。有文章宣称：“AI要来抢走你年薪10万美元的工作”。另有研究预测，到2027年，40%的智能体AI项目将会被搁置废弃。舆论在狂热追捧与审慎退缩之间来回摇摆，但有一个事实无可辩驳：AI正迎来属于它的时代，并且正在重塑几乎所有行业的发展节奏，保险业也不例外。

AI时代到来的速度，在科技史上前所未有。不妨看一组数据：ChatGPT上线两个月用户量便突破1亿，远超互联网和个人电脑当年的普及速度。自公开面世两年后，以 ChatGPT为代表的生成式AI，普及率达到 39.5%；而达成同等普及水平，互联网用了十年，电话更是耗费了近百年时间。科技类岗位的增长速度位居前列，仅AI与信息处理领域，预计到2030年就将新增1100万个就业岗位。这一增长，正推动人与技术的共处模式发生根本性转变。2023年全球AI市场规模为640亿美元，预计2030年将突破1万亿美元，足见其辐射范围之广。

然而，尽管AI的发展前景看似无限，它所带来的挑战同样十分严峻。在2025年于多伦多举办的产险精算学会（CAS）春季会议上，一场公开座谈会开展问卷调查，询问参会者是否已经在工作中使用过人工智能。超过半数受访者给出了否定答案。虽然该统计结果仅反映某一时间点的局部情况，却揭示出一个更普遍的现实：对于这个以风险分析和预测建模为根基的行业而言，AI的落地应用态度谨慎，推进进度参差不齐。产险精算学会主席戴维・卡明斯在研讨中提到，许多企业部署防火墙屏蔽各类AI工具，目的是保护企业敏感数据。

人工智能并非又一项普通技术，它代表一场变革，这场变革发生在人类社会的复杂节点：人们既对技术创新满怀期待，又对其可能引发的非预期后果心存焦虑，两种情绪交织在一起。

尽管AI发展势头迅猛，但各行业的应用落地情况参差不齐。麻省理工斯隆管理学院与美国国家经济研究局（NBER）的研究表明，AI的集中应用主要出现在“明星城市”，以及制造业、医疗行业的大型企业。而在金融、保险、房地产这些依托数据与预测建模发展的行业，AI高强度应用占比仍不足2%。既然这些行业本就蓄势待发、理应从AI中收获巨大红利，为何实际落地推进却如此缓慢？

部分答案源于行业文化。保险业，尤其是其中的精算职能，其行业底色就是审慎、讲求证据以及对风险开展严谨评估。精算师的本职工作是对不确定性进行量化，因此面对那些宣传效果强大但运作逻辑往往不透明的工具，他们天然抱有怀疑态度。曾在谷歌、优步从事非传统精算岗位，现任产险精算学会董事会主席、前学会会长张弗兰克，在播客《Almost Nowhere》中这样谈道：“AI具备变革性，但对于AI可以取代人类这一说法，我就开始持怀疑态度。人类做出的主观判断，是AI很难理解的。”

AI的复杂性不仅体现在其精巧的技术层面，更体现在它会重塑决策模式本身。某家保险公司可能发现，一套算法可以精准预判哪些理赔案件会升级恶化，却缺乏细腻感知，无法理解处境弱势客户的现实背景；另一家机构可能发现，AI模型能够识别准备金数据中的异常信号，但依旧需要精算师凭借专业判断，解读这些信号在业务场景与监管环境下的实际含义。这种现实矛盾提醒我们：精算工作不只是处理数据，更要理解人、理解制度政策，以及各项决策所带来的后果。

拥有产险精算师资格的吉姆・韦斯，在 2023年《精算评论》期刊中提出四种情景 ——末日情景、土拨鼠日情景、受训日情景与审判日情景，用以描绘在人工智能驱动的时代下，精算师充满不确定性的未来。每一种情景，都展现了人与机器共存的一种细致构想。现实当下，往往是这四种情景交织并存。人工智能既不是万能的解决方案，也不构成生存层面的威胁；它更像是一场磨合博弈，是人类专业能力与技术能力之间不断动态演变的平衡关系。

从本质上来说，完成这种磨合博弈离不开行业文化变革。产险精算师乔希・迈耶斯参与设计了产险精算学会研究院（iCAS）的人工智能快速实战训练营，他在近期《Almost Nowhere》播客中谈道：“人工智能快速实战训练营搭建起一个社群。项目的意义不只是学习人工智能技术，更在于协同协作、分享洞见以及落地实践案例。”技术固然具备颠覆性，但落地应用除了计算能力之外，同样离不开人的综合能力：沟通、协作与战略思考。

意识到这一点后，产险精算学会（CAS）及其研究院iCAS承担起引导者与推动者的角色。iCAS项目总监艾丽西亚・伯克直白地表示：“人工智能并非学过一次就可以置之不理的知识。该领域错综复杂，未来数十年还会持续迭代演进。正因如此，我们在打造人工智能快速实战训练营的同时配套了活跃的社区讨论板块。我们希望从业者可以毫无拘束地互相分享成功经验与遇到的难题，共同推动整个行业发展。”这也体现出，在行事审慎的保险行业落地人工智能，需要这种深思熟虑、循序渐进的实施思路。

产险精算学会近年的年会、风险管理专业研讨会（RPM）以及春季会议设置的专题论坛，进一步展现了精算师应对上述复杂问题的思考。在奥兰多举办的2025年风险管理专业研讨会上，谢尔盖・菲利莫诺夫探讨了大语言模型与非结构化数据应用的机遇和挑战。他在《Almost Nowhere》播客中指出：“这类模型属于黑盒模型，这与精算工作所看重的透明性原则背道而驰。对于诸多悬而未决的重大问题，业内正在开展大量极具价值的研讨。”他的这番思考，道出了人工智能强大的吸引力，和精算行业坚守透明性、审慎思辨、严谨判断之间的内在矛盾。

机遇与挑战并非美国独有。全球各地监管机构都对人工智能高度关注，既包括欧盟 2024年《人工智能法案》对透明度与问责机制的重点要求，也包括美国全国保险监督官协会（NAIC）围绕AI模型治理持续开展的各类研讨。精算师查理・斯通在春季会议的《弥合数据鸿沟》专题分享中展示了人工智能的应用潜力，详细介绍英国监管机构如何借助机器学习识别准备金恶化风险，实现比传统手段更高效的处置。他提到：“人工智能工具可以精准定位需要重点关注的环节。” 但斯通同时明确，仅仅依靠技术创新远远不够；技术落地需要行业文化转型，还要克服业务运营惯性，而这些难题的难度往往超过技术本身。斯通在《Almost Nowhere》播客中还提到，英国监管机构已经在运用人工智能监控准备金实务操作，同时审慎兼顾公平性与透明度监管要求。对精算师而言，这些信号十分明确：人工智能治理时代已然到来，精算专业知识至关重要，能够助力人工智能系统契合公众信任与监管预期。

美国国家经济研究局（NBER）近期的相关研究也印证了上述阻碍：人工智能落地受阻，不仅源于技术难题，还来自根深蒂固的人为抵触情绪与组织惯性。拥抱人工智能的初创企业往往拥有乐于接纳新方法的年轻管理者；而大型保险机构则受困于层级繁复的流程与固化的工作模式。多数情况下，循序渐进的变革是唯一可行之路。

技术难题、组织内部阻力，以及人们对数据隐私与安全的深切顾虑，进一步加大了落地推进的难度。保险公司与精算团队始终在创新和保护客户敏感数据之间权衡取舍，同时认清一个现实：即便是最顶尖的人工智能，也无法彻底消除数字化转型附带的各类风险。

不过，规模小、目标明确的人工智能项目正在产生实实在在的价值。以法航‑荷航集团为例，该集团2016年先试点部署10个自动化机器人，之后逐步扩容至179个。如今，这些机器人每年可在客户服务、货运以及工程运维业务中节约20万工时。这家航空公司并没有追求大刀阔斧的全面改革，而是投入资源开展有针对性、可落地的自动化建设，把员工解放出来从事更高价值的工作，同时优化业务流程。对于精算师与保险从业者，这带来清晰启示：真正有效的人工智能应用并不需要颠覆性的宏大变革，可以从契合业务需求的小型精选项目起步，在实践中积累信心，为后续更大范围的创新储备能力。

既要锐意进取又要保持审慎，技术迭代飞速推进，而建立信任却需要稳扎稳打，这种矛盾关系，正是保险业对待人工智能的真实写照。但这种谨慎推进并非目光短浅。精算师坚持审慎研判、伦理审查和严苛标准，既守护行业本身，也保护社会公众。行业面临的一大核心难题是，如何将《精算执业标准》适配到并非由精算师开发的各类模型当中。技术可以飞速迭代，但精算行业的伦理根基必须稳固不动摇。

准产险精算师布莱恩・范宁同样认为，预测建模领域亟需夯实基础认知。他在《Almost Nowhere》播客中谈到：“单笔理赔准备金评估与预测建模拥有共同目标，即挖掘具备预测效力的因子。精算师必须持续更新自身的预测分析技能储备。”他的观点揭示了技术进步的内在悖论：创新往往要求回归第一性原理，进一步凸显人工判断与伦理框架的重要意义，在数据隐私、安全以及模型偏见等议题上更是如此。

面对这场技术变革，精算师绝非旁观者。依托产险精算学会研究院推出的人工智能快速实战训练营等项目，精算师正在主动学习分辨炒作噱头与实际价值，确保人工智能的应用潜力转化为切实、负责任的实践成果。该课程开篇就揭开人工智能的神秘面纱，提醒学员：喧嚣热度之下只是一套复杂算法，并不能取代人的专业判断。课程由浅入深，从检索技术、规则式人工智能的基础，延伸至机器学习、深度学习、生成式AI的高阶研讨，在传授实操技能的同时，反复强调行业领域专业知识不可替代的价值。

贯穿训练营的核心主旨是：精算师具备数据伦理与风险方面的专业积淀，在推动保险业负责任落地人工智能方面拥有得天独厚的优势。在课程收官专题研讨《思想、模型与道德》中，探讨跳出技术本身，延伸至人工智能带来的伦理与哲学层面影响。课程引导学员审视模型偏见、人工判断与治理机制，保障新工具的运用符合精算执业标准，不辜负公众信任。

该训练营的联合设计者马克斯・马蒂内利着重强调，企业制定人工智能战略时，精算师必须参与到决策核心会议。他表示：“行业领域知识才是关键。核心不在于运算数字，而在于行业专业认知，亲身参与实操落地本身就是工作流程的重要一环。”他反复呼吁精算师摒弃“人工智能将会取代精算师”这类论调，转而聚焦范围清晰、落地可行的应用场景，在实践中积累信心、创造业务价值。他解释道：“我们立足务实创新。究其本质，保险风险通常属于高度多变量问题，关键在于为不同业务场景匹配恰当的工具。”

马蒂内利还纠正了一种普遍误区：精算师不需要先成长为人工智能工程师，才能真正用好AI工具。“入门并不需要研读海量教科书，可以在实践中边做边学。”他解释说，反复动手实操，才能积累经验，把技术和业务场景结合起来。最为重要的一点是，他鼓励精算师充分挖掘自身已掌握的建模能力，以此发掘新业务机会，推动组织升级。马蒂内利谈到：“精算师本身就掌握强大的建模能力，如今层出不穷的新工具能够帮助我们快速建模。我们可以借助这些工具，把原本就在处理的业务问题解决得更优质、更高效。”

迈出第一步

对于精算师而言，拥抱人工智能，并不意味着一夜之间就要转型成为工程师。一切始于好奇心与亲身参与：参加AI按需速训项目，或是2025年产险精算学会研究院数据科学与分析论坛的相关课程，例如《机器学习准备金评估》以及《专业人士技术课：现代运营概览》。也可以参加产险精算学会会议中的AI专题分会，尝试理赔分级、准备金数据探索这类小型试点项目，并加入CAS与iCAS 社群讨论，向同行学习。同时，还需要在企业AI落地推进中倡导伦理规范与治理机制，确保这类工具既能创造实际业务价值，又契合本行业保护公众利益的使命。

那么，当下的精算师身处何种境地？从很多方面来看，他们正处在一场静悄悄的深刻变革的核心。AI并非万能灵药，也不是洪水猛兽。它是一种强大工具，想要发挥效用，离不开审慎判断、批判性分析与严格伦理准则 ——而这些特质，正是精算行业长久以来的立身之本。

各大机构争相落地AI工具之际，精算行业及更广泛领域传递出一个清晰信号：负责任地搭建AI系统，需要完善架构、明确问责与持续监督。仅仅上线一个模型就置之不理是远远不够的。世界经济论坛呼吁设立专职AI伦理负责人来指导落地实施，主张相关政策应延长模型测试阶段、要求完整文档留存、引入外部评估，并坚持开展常态化员工培训。斯隆管理学院也持相同观点，呼吁管理者不要将AI视作一次性部署项目，而应看作动态系统，需要持续审查与调整。

这一理念，与马克斯・马蒂内利在产险精算学会研究院AI快速实战训练营中强调的目标不谋而合。精算师、数据科学家和分析师越来越不满足于单纯使用AI工具，更希望在企业制定AI战略与治理框架时，拥有决策席位。他们的主张十分明确：在本领域，决策质量完全取决于背后的假设与流程，因此，保障AI的负责任应用绝非次要议题，而是核心要务。

围绕精算工作中人工智能的探讨还将持续，伴随着新技术与新挑战不断演变。艾丽西亚・伯克发出的倡议，至今仍是清晰的行动号召：“我们期待听到AI在各位工作中的实际应用情况，以及大家需要哪些支持。欢迎联系我们，让这场讨论持续推进。”精算师，乃至所有专业从业者，正是以此方式，应对AI 时代未来的种种不确定性。正是这种在人类专业能力与技术创新之间审慎协作、不断磨合的模式，最终或将为全世界提供一套极具价值的范本：一种理性看待发展的思路，兼顾乐观与审慎，以伦理和智慧为根基。身处技术飞速变革的时代，这套范式不仅意义重大，更是必不可少。而这，恰恰是精算师早已准备好承担的角色：让AI的技术红利以人为本，守护财产意外险行业赖以生存的信任根基。