2026金融街论坛｜专访袁颖晖：AI重构财险产品开发效率，动态定价技术已成熟

生成式AI正在快速重构财险行业的业务链条，从承保核保、理赔定损、风控，到客户服务、产品研发都在发生变化。10月21日，在2026金融街论坛年会上，北京商报记者专访中意财产保险有限公司（以下简称"中意财险"）首席执行官、董事总经理袁颖晖，探讨人工智能给财险行业带来的机遇、落地难点，以及行业需要警惕的风险。

AI赋能，破解产险碎片化需求难题

北京商报：财险和寿险业务属性差异很大，在AI应用上，财险有哪些独有的场景优势，又有哪些天然瓶颈？

袁颖晖：在AI应用方面，产险与寿险存在显著差异。寿险业务更多围绕个人全生命周期展开，保障周期漫长；而产险最大的特点是应用场景高度碎片化。如车险每年续保、iPhone Duo上市后的延保服务、旅游出行保障等，每一次消费事件都会催生即时性的保险需求。

这种即时触发的消费需求，对行业提出了新考验：能否快速捕捉客户潜在保障诉求，同步完成产品设计与方案配置，而人工智能恰好能够解决这一效率难题。

以中意财险为例，公司今年重点面向中小企业拓展保障产品。中小企业普遍需要模块化、标准化且支持自由组合的保障方案，同时不同地区、不同行业的小微企业，风险需求差异明显。在传统模式下，开发一款新产品往往需要一两个月。借助AI技术，我们先对客户需求开展智能分析，再从历史数据库中筛选同类风险案例；同时兼顾产品落地后的理赔风控，提前做好反欺诈、理赔漏损等风险的数据测算。在搭建起整套智能开发平台后，产品研发效率得到大幅提升：现在仅需1至3个工作日，就能批量输出5款备选产品。即便保守测算，3至5个工作日即可完成一款新产品的开发，能够快速响应市场需求，实现产品的高效迭代。

当前产险业务越来越需要响应客户的碎片化需求。这类需求大多属于长尾保险业务，特征是保单数量大、单均保额较低。针对这类业务，不一定需要深度复杂的AI模型，即便采用相对基础的AI应用，也能够显著提升运营效率。只有实现高效处理，机构才能更好地承接业务、快速响应客户需求。

动态定价技术已成熟，期待支持试点

北京商报：过去保险产品大多是基于历史损失数据精算定价。AI能够实时处理多维度信息，您认为AI会不会推动财险产品从固定条款、静态定价，转向动态、场景化、个性化定价？具体可能有怎样的想象空间？目前这类创新产品落地最大的障碍是什么？

袁颖晖：你描述的这些场景确实能够实现，但是需要突破现有的监管体系，并且与现有的监管体系或者监管要求不完全一致。

比如车险是行业标准条款，目前监管采取"报行合一"的策略，因此保险条款需要提前报备费率等，这是传统保险模式中的运用。

我们也在与监管沟通，在小范围可控的前提下，支持保险机构开展试点创新。以储能业务为例，其实目前已具备动态定价能力：储能电站在运营阶段，受淡旺季差异、充放电策略以及当地电网运行条件等因素影响，电池运行工况会持续变化，基于这类动态变量，可实现保险的动态定价。

在服务过程中，不同条件下产生的收费模式可能不同。因为这种想法与现有监管对于产品的开发和管理要求不完全一致，所以，需要监管在这方面给予指导，以及创新的市场和监管等试点支持，行业才有机会向外拓展。

标准检索与数据共享，是可持续投资的重要基础设施

北京商报：可持续投资新生态需要政府、项目方、投资机构、保险、第三方评级多方协同。您认为下一步行业要完善哪些基础设施，才能让可持续投资从主题投资，转向规模化、可持续的长期生态？

袁颖晖：协同涉及政府、企业以及跨部门、跨行业、跨监管体系多方主体的沟通协调。谈及支撑协同的基础设施，至少包含两大板块。

一是标准建设，当前各领域标准体系尚未对齐，相当于各方"各说各话"。举例来说，工业和信息化部针对电池产业已建立一套完整标准，但从金融、保险视角，电池安全对应的保险标准仍待明确。保险标准与工业和信息化部产业标准不必完全等同，但二者需要具备高度一致性，实现双向可理解：保险输出的风险评判结论，产业方能够认可；产业侧的数据与指标，保险机构能够读懂。因此，标准对齐是跨行业协同的第一步。

二是跨行业数据共享平台搭建，实现数据互通交互。这项系统性工程，需要由政府主导推动。仅依靠市场主体之间，只能开展点对点合作。保险公司可与部分企业在单个合作项目中完成数据对齐，但点对点合作难以形成规模化效应。从行业层面看，产业方既无必要，也不需要向保险业开放全部全景数据；保险业同样不需要掌握全部底层细节数据。保险只需聚焦自身风险关切。但数据合作必须建立在标准对齐的基础之上，如果标准无法统一，数据供给就无从谈起。

北京商报记者 李秀梅