周延礼：“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

10月27日至30日，2025金融街论坛年会在北京金融街举行。金融科技大会作为论坛年会特定板块，与金融街论坛同期举行。10月30日上午，由中国民主建国会北京市委员会金融委员会、首都经济贸易大学北京数字经济发展研究院、中关村金融科技产业发展联盟合作承办的“2025金融科技大会平行论坛——AI+金融专题论坛”以“智领未来金融科技创新”为主题，在中关村金融科技特色产业园举办。原中国保监会副主席、中关村金融科技产业发展联盟专家委员会主任周延礼出席论坛，并发表题为“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。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。

图：原中国保监会副主席，中关村金融科技产业发展联盟专家委员会主任周延礼

以下根据速记内容整理：

上午好！今日有幸出席2025年北京金融街论坛年会金融科技大会，本次盛会备受全球瞩目、意义重大。人工智能作为关键前沿科技，正引领全球经济向高质量发展迈进。接下来，我将围绕《“人工智能+保险”助力数字保险应用场景高质量发展的观察与思考》这一主题，从业务流程智能化升级、风险管理精准化变革、风险管控全流程覆盖及未来发展基石支撑四个方面，与诸位分享见解。

一、业务流程智能化升级

人工智能在保险业的应用备受重视，尤其在DeepSeek开源后，各保险公司加速推进技术融合。其通过提升业务效率、优化服务质量、解决客户关切的保障范围与业务内容问题，为行业注入新动能，具体体现在六大场景：

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，显著缩短商业健康险核保周期。

智能理赔：以图像识别技术实现高精度自动定损，为疑难病例确诊、定价及医药支付提供支撑，如车险场景中AI可即时完成事故照片定损，破解理赔效率瓶颈。

保险产品快速生成：基于生成式AI的模块化“产品工厂”，可依据需求动态组合条款，高效生成标准化产品，提升客户对保单内容的认知效率。

优化客户服务体验：智能客服系统7×24小时响应，100%覆盖咨询需求，结合多维度数据调整风险定价与保障方案，通过适老化设计弥合数字鸿沟，践行普惠包容理念。

实现个性化服务：整合多维度数据，实现风险提价、定价及保障的动态调整，精准匹配客户需求。

强化普惠包容性：专为老年群体设置友好界面，切实缓解“数字鸿沟”问题。

二、风险管理的精准化变革

人工智能通过高效替代人工风险评估，凭借数据完整性实现风控能力跃升，在多维度为保险业赋能：

风险识别与防控：精准评估风险，实现欺诈智能化理赔拦截，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，让AI在特定领域具备超前研判能力。

创新风险保障产品：生成式人工智能贯穿训练与推理全流程，为创新风险提供可量化保障。

提升销售服务质量：依托算法、算力、数据三大要素，精准解析用户行为特征，实现产品定向营销与差异化定价。

助力代理人能力提升：赋能代理人专业化转型，构建标准化、模块化、个性化成长路径，有效弥补寿险领域代理人规模从900万降至260万带来的服务缺口，强化销售终端服务能力。

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。

定价逻辑转变：从“群体定价”转向“个体定制”，摒弃“一刀切”模式，实现“一人一价”，通过整合动态数据扩展定价参考因素，让保费动态调整、更趋精准。

模型技术革新：从“线性回归”升级为“机器学习／深度学习”，复杂AI模型可精准识别“因子交互风险”，避免“同年龄段同保费”的不合理情况，实现更公平的定价。

定价模式升级：从静态模式转变为实时调整，将保费与个体实时风险水平直接挂钩，让定价更贴合实际风险状况。

三、风险管控的全流程覆盖

人工智能推动保险业从理赔止损向全流程风险管理转变，通过数据维度拓展、模型优化与动态调整，实现精准定价，规避定价偏差导致的经营损失。依托事前预防、事中干预及事后反欺诈（尤其针对高发的电信诈骗），构建“事前预警-事中干预-事后反诈”的闭环风控体系，在保障用户权益与管控经营风险间建立平衡，具体实践聚焦四大维度：

事前风控：通过历史风险数据分析建立预警模型，在投保阶段精准设定保险期限、识别风险保单，实施风险拦截机制，实现从被动承保向主动拦截的跨越；借助文件防伪、数据核验等技术识别虚假投保及人为欺诈，从源头阻截风险。

事中干预：通过实时数据监测在风险发生过程中及时介入，实现从被动响应向实时减损的转变，有效控制损失规模；保险期间对潜在风险实施多维度动态监测与主动预警，提升防控效能。

产品创新：基于客户需求数据驱动产品设计，拓展保障范围，构建“保险+服务”生态体系；AI生态建设具有重要战略价值，通过AI技术赋能全周期健康监测与干预，实现从事后理赔向全过程健康管理的转型。

服务优化：基于全流程风控举措实现个性化定价，提供定制化服务，持续优化客户保障体验。

四、未来发展的基石支撑

为推动“人工智能+保险”融合模式持续发展，需重点强化数据治理与人才培养两大核心支撑：

强化数据整合与标准化能力：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。

构建数据治理闭环：兼顾存量数据与新增数据，关注市场预测数据关联，实现数据自动化上报，提升数据准确性与完整性；同步加强网络安全维护。

筑牢数据安全防线：运用多种技术手段保障数据安全，超前布局数据分级管理与差异化安全策略，防范数据泄露与滥用。

培养跨界复合型人才：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；依托北京高校人工智能专业资源优势，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；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。

总之，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。我的发言至此结束，如有不当之处，敬请指正。谢谢！

编辑：杜少军

声明：新华财经（中国金融信息网）为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115