编者按
4月25日，在深圳市南山区政府指导下，由『慧保天下』主办、众安信科独家战略合作、律商联讯风险信息协办的题为“从互联网时代到AI时代，AI+保险的战略推进与应用创新”的“2025保险科技峰会暨专题研讨会”在深圳市南山区档案服务大厦举行。原银保监会副主席梁涛出席活动并发表了题为《生成式AI在保险业应用的几点思考》的主旨演讲，高屋建瓴地剖析了AI浪潮下，保险业的大机遇，为行业发展注入新的信心。
梁涛在演讲中旗帜鲜明地提出“保险业既是人力资源型行业，也是数据密集型行业，这使其天然成为AI大模型技术的理想应用领域。”
在他看来，人工智能的发展，能全面赋能保险业负债端、资产端，帮助保险业解决很多实际问题，例如备受行业关注的中小企业发展问题，此外，人工智能发展还为行业带来新的发展机遇，“使一些保险行业原来想做但做不了的事情变成了可能，使一些保险行业原来能做但做不好的事情做得更好”，例如，在负债端，AI的应用有助于发展数据资产和网络安全保险、灾害预防、新能源车车险、绿色保险、普惠保险、"保险+"模式等；在资产端，AI也可以帮助险企提升投研能力、强化风险管理、优化资产配置策略等；此外，人工智能引发的信息平权也有望进一步推动险企“以客户为中心”的转型发展。
在看到机遇的同时，梁涛也警示业界注意其中存在的风险，指出“人工智能的算法‘黑箱’、数据污染、模型缺陷、模型幻觉等潜在风险问题不容忽视”。
以下即为其演讲全文：
原银保监会副主席梁涛
01
人工智能在保险业的应用
自2022年底OpenAI发布ChatGPT，生成式AI的发展势头加速。今年春节期间，DeepSeek引领新一轮的发展，产生重大影响，全球企业都对生成式AI热情高涨，也为保险业创造并释放了巨大的价值。DeepSeek带来了AI产业发展的新阶段，实现了技术透明、成本普惠、开源升级、推理透明四个层面的突破，大大降低了技术成本、使用成本和信任成本，推动了全球的技术进步。
生成式人工智能的对话、创作、推理等核心能力，契合保险行业发展需求。
一是增强交互体验。大语言模型利用自然语言处理技术，实时回答客户问题，提供个性化的服务建议，极大地提高了客户服务效率，减少了人工客服的工作量和成本。
二是全面分析精准画像。在保险业务中，人工智能通过挖掘分析消费习惯、交易行为等非结构化数据，分析投保人的各种特征，通过动态风险评估，实现风险评估从"静态指标"向"动态画像"的转变；推动风险定价从"经验主导"向"数据+算法"驱动转变。并且逻辑推理模型通过交易行为数据中的异常逻辑链检测等策略，加上生物信息识别技术，在反洗钱、反欺诈等方面发挥了较好作用。
当前AI应用已渗透到保险业的核心业务全流程，从负债端看，主要集中于风险评估与智能核保；智能客服与精准营销客户；理赔自动化与反欺诈；代理人赋能与流程优化等环节。整体看，AI已深度重构保险价值链，从风险评估到客户服务的全链路智能化成为行业趋势。
投资领域使用传统AI技术进行投资决策与量化交易已有较长历史，传统AI算法可通过处理海量金融数据，辅助投资团队快速识别潜在机会与风险，优化资产配置策略，AI自动化工具还可减少人工投研、交易执行及合规审查耗时，从而降低管理成本等。
02
人工智能与保险业高质量发展
保险业既是人力资源型行业，也是数据密集型行业，这使其天然成为AI大模型技术的理想应用领域。可以说，AI大模型技术与保险行业的融合，是科技进步与行业需求的完美契合，也是大势所趋。人工智能的发展为保险业带来了巨大的技术支持和市场机会，对保险业高质量发展将带来巨大的影响。
（一）对行业特别是中小保险企业影响
中小企业的发展一直是行业关心的头等大事。当下，保险行业已迈入"数智化"深水区，行业竞争核心转向以AI驱动的“科技韧性”与“服务生态”。算力、算法和数据是大模型应用的三大支撑要素。长期以来，大模型需要依托由高性能计算芯片、存储和网络共同构成算力集群。硬件投入大、训练成本高一直是在行业普及应用的重要制约因素。特别是中小保险企业科技投入能力明显不具优势。这种局面随着DeepSeek的出现，通过算法优化，减少了对高算力硬件的依赖，打破了“堆算力、拼资本”的大模型发展路径，大大减轻了中小机构的资本投入压力，为弥合技术差距提供了机会。大模型技术不仅是工具，更是保险业高质量发展的"新基础设施"，将重构产品设计、风险定价、服务交付的全链条，推动行业从"人力资源型"向"智能密集型"跃迁。
更重要的是，DeepSeek在多项技术路线上取得突破，并拥抱开源生态，实现了顶级性能与极强的成本优势，并支持本地化部署。创新门槛突破性降低，引领中国创新模式向"原创-共生"的分布式、原创性的技术突破转变；打破算力垄断，开源便捷本地化部署，以开放性直接冲击当前依赖高性能高算力的芯片生态，打破硬件技术垄断。这对中小保险公司来讲绝对是千载难逢的机会，人工智能不再是头部公司借以炫耀的资本，AI从辅助工具转向核心生产力，推动行业升级；赋能差异化产品、个性化服务、自动化内容生产和交互，催生新型商业模式，实现商业创新涌现；行业竞争向"技术+数据"驱动转变，重塑竞争格局。因此，中小保险企业借助人工智能实现跨越式发展的梦想。
（二）对负债端的影响
DeepSeek的技术平权，人工智能技术会逐步深入到经济社会的大方面面，使一些保险行业原来想做但做不了的事情变成了可能，使一些保险行业原来能做但做不好的事情做得更好。
1、数据资产和网络安全的保险
数据作为新的生产要素，作为资产，在数据交易环节中可能出现各种风险。包括数据泄露、数据篡改、数据滥用、违规传输、非法访问、流量异常等风险。人工智能可以深入研究数据风险、开发保障数据安全的服务、与保险公司共同设计数据安全和交易环节的各类保险产品，保障数据要素的交易流通。
网络风险是使用信息和通信技术（ICT）产生的任何危及数据或服务的机密性、可用性或完整性的风险。网络安全保险的发展，离不开科技的赋能，人工智能在其中将发挥着重要作用，从网络安全保险获客、风险建模、网络安全服务等各个环节，都需要人工智能提供专业服务。
2、灾害预防
我国自然灾害造成的经济损失预估每年为3000亿元以上，面对自然灾害带来的巨额损失，人工智能可以助力实现在风险识别过程中加入风险预警，主动介入被保险标的的风险管理，降低事故发生概率，从而实现社会风险总量的减少，促进绿色可持续发展。
3、新能源车车险
随着新能源汽车辅助驾驶系统的不断优化，车险或将迎来新的发展阶段。为了降低事故发生率以及发生严重车辆造成的人身和财产损失，保险公司引入集成跟踪设备，记录汽车的驾驶方式。这些数据被大量记录并传输给保险公司，并通过实时警报和定期评分传达给司机。大量此类记录与事故数据相匹配，为保险公司提供了前所未有的工具来识别导致风险增加的驾驶习惯，并相应地对每位驾驶员进行评分，以此确定保费。这就是UBI（UsagebasedInsurance）保险，是基于使用的保险。保费反映了每个投保人的驾驶特质，并随着这些习惯的发展而不断变化。
4、绿色保险
绿色保险能够助力"双碳"目标及能源结构转型。一方面是对碳交易环节的保险产品，主要涉及碳交付的风险，包含碳减排交易担保、碳排放信用保险、碳损失保险、碳信用保险、森林碳汇保险等，可以通过区块链等技术提升碳交易环节的可保性；另一方面是新能源领域的新风险，保险公司需要利用传感器等物联网设备，增强对新能源发电和储能设备的监测，以更好地识别和防范风险；也可以采用气象、地理、卫星等数据对风电、光伏的安全性和发电能力进行评估。因此，保险科技可以在"双碳"领域不断探索，以助力我国能源转型，实现"双碳"目标。
5、普惠保险
普惠保险是世界性的难题，如何降低运营成本又是难题重点难题。在数智化时代，通过科技赋能，整合政府、保险公司和社会组织的数据，利用大数据、人工智能和区块链等新技术，建立实时更新的信息共享平台，确保数据的准确性和安全性，并制定统一的数据标准和接口规范，以提高数据共享效率。通过流程再造与技术创新，数字化的获客，消除冗余环节，实现业务全链路的数字化提升，以较低的成本来下沉、触达、分散的普惠群体，走进千家万户，极大地降低保险机构的运营管理成本。
6、"保险+"模式
通过整合多领域资源，多方协同创新路径，打造以客户为中心的综合服务体系。在这一模式下，保险公司、科技企业、金融机构、医疗机构及养老服务提供者等多方协作，共同推动保险产品和服务的全面升级。"保险+"打破了传统保险的服务边界，通过科技赋能和多方协同，为客户提供涵盖健康、养老和财富管理的全方位保障。这一模式不仅提升了保险服务的深度和广度，也为行业的可持续发展注入了新的动能。
（三）AI对险企投资端的影响
人工智能在投资端应用较早，有较好的基础。随着人工智能发展对投资端的影响将逐步深化：首先是投研能力的提升。AI能够将投资团队从基础性工作中解放出来，将更多精力集中在战略决策和投资管理上。其次是风险管理的强化。随着人工智能技术的进步，AI可以通过对市场波动、行业趋势和公司财务状况的深入分析，帮助险企更好地识别、评估、管理投资风险。三是资产配置策略的优化，AI辅助实现收益与风险的动态平衡，实现资产与负债管理的进一步优化，较好的解决资产负债匹配问题。
（四）以客户为中心问题
长期以来，这个问题没有得到很好的解决。有意识的客户已经在用DeepSeek为自己做规划，或者验证业务员做的方案和自己买的产品。更加“民主化”的AI，有很大的潜力影响消费者行为，进而引起营销逻辑、营销模式的调整。这一波“信息平权”正在重塑各方的话语权，消费者行为变化给传统保险业带来的挑战，所有市场主体不能忽视这一点。除了提高专业度、改善服务外，最根本的还是要回到保险业务的本质，真正满足客户需求，以人民为中心。只有这样，企业和业务员才能在新背景下找到自己的价值定位，通过技术赋能实现与客户的双赢。
最近京东刘强东七分钟讲话，透露出电销行业以客户为中心转化的过程，提醒保险业一开始就要高度重视这个问题。
在DeepSeek的辅助下，客户对保险公司、业务员的专业性要求会更高，对服务质量、效率也会有更高的期待。因此，不管是保险公司、经纪公司还是业务员个人，都要牢固树立以客户为中心的理念，并落实到业务工作各个环节。要重新审视客户，调整与客户沟通、相处的方式，直面他们的需求，并给出有效的解决方案。业务员的定位要从“销售员”逐渐转为“顾问”，从“产品专家”升级为“风险管理专家”，从“关系营销”转向“价值营销”。
03
风险与应对
当前，我国人工智能发展的总体态势良好，正处在加强人工智能布局、加快数字化智能化转型的历史机遇期。同时也要清醒看到，人工智能的算法“黑箱”、数据污染、模型缺陷、模型幻觉等潜在风险问题不容忽视。对这些风险挑战不容忽视，保险业在推进AI应用的过程中，必须将其纳入全面风险管理体系。2023年8月，网信办等部门发布的《生成式人工智能服务管理暂行办法》，明确要求生成式AI服务提供者需建立数据合规、算法透明、生成内容管理等六大机制，国家金融监督管理总局强调，AI应用需要技术中立原则，重点防范数据滥用与算法歧视。
第一、数据质量和隐私保护方面。严格依据法律法规和监管要求有序推进AI应用，避免可能的法律风险。保险企业需要建立健全的数据质量管理体系，对外部数据源进行筛选和清洗，确保数据的准确性和可信度。要在保障安全和隐私前提下，推动金融与公共服务领域信息互联互通，释放数据要素潜能。通过采用加密和匿名化等技术，保护用户的隐私。与用户建立透明的数据共享机制，让用户清楚地知道他们的数据将如何被使用，并给予用户选择权。同时关注数据污染。保险机构每天处理海量数据和复杂的交易，信息的准确性和可靠性至关重要。如果虚假信息被灌入训练模型，有可能污染模型的训练数据。一旦部署到风险分析、承保理赔、精算定价、资产配置当中，可能会引发连锁反应，造成难以估量的损失。
第二、对人工智能应用过程中产生的新风险进行前瞻性和预测性的防控。加强流程管理和人工干预，避免可能的操作风险。人工智能工具是根据过去的数据进行训练的，可能无法准确反映现实和预测未来，输出的结果存在不可解释性，难以追溯；训练数据中的偏差会导致算法输出的不公平或错误；人工智能驱动的高频交易提升市场反应速度的同时，也放大了波动性。当多数人工智能策略采用相似风险模型时，这种同质化响应可能会加速放大负面反馈循环，进而加剧市场的脆弱性。因此在模型训练中，一方面，企业要严格限定共享数据范围，通过防火墙制度的建立，保障数据安全；要对信息安全加强管理和监测，及时发现安全隐患。同时监管部门要明确界定数据所有权的归属、加强跨行业交叉风险的识别与预警，防范人工智能可能带来的系统性运营风险，警惕并及时防范、控制人工智能带来的新风险。
第三、提高监管工作科学性。保险科技已经深入影响保险服务范式、风险定价机制和风险管控模式。监管机构要适应新变化，密切关注人工智能技术在行业的应用动态，增强对智能算法风险的穿透式分析能力，健全智能算法的规则制度，提升算法可解释性、透明性、公平性和安全性，确保监管精准、适度、灵活、高效。一方面监管部门要利用人工智能技术等提升监管效能，把握保险业发展的脉搏，大力推动保险科技的发展；另一方面要加强对行业主体关键环节风险防控、信息披露、信息安全保护、算法的监管，避免"模型幻觉""算法歧视"，避免出现"大数据杀熟"等违背科技伦理的行为，完善消费者权益的科技保护机制。既不能让监管成为行业发展的制约，也不能让保险科技的发展成为一匹脱缰的野马。可惜鉴"沙盒监管"的监管模式，在严格控制风险影响范围的同时，做好科技保险监管的顶层设计工作，促进新技术的落地应用。
我就讲这么多了，不妥之处请批评指正。