智启未来 · 险见新机 —— 人保寿险大模型探索及实践 中国人民人寿保险股份有限公司 呼群 01 公司简介 02 大模型 技术探索 大模型 实践应用 目 录 03 2 保险、年金保险、健康保险、意外伤害保险等保险业务及其再保险业务。公司总部设在北京 ，机构网点布局完善， 在全国 31 个省、 自治区、直辖市和 5 个计划单列市设立 36 个省级分公司。 下拥 下拥有人保财险、人保寿险、人保资产、人保健康、 中诚信托、人保养老、人保投控、人保资本、人保再保、人 保 科技、人保香港等 11 家子公司及成员公司 ，业务范围覆盖财产险、人身险、再保险、资产管理、保险科技等 领域。 简称“ 中国人保” ，成立于 1949 年 10 月 20 日 , 为综合性保险金融集团 ，连续 15 年入选《财富》世界 500 强 ，旗 简称“人保寿险” ，成立于 2005 年 ，实现了“条款透明化 ，服务贴心化” ，产品宝典自动解析并解释每一份保险产品的详细 条款 ，并以对话问答形式展示结果 人保寿险所有在售 + 停售产品： 支持公司所有产品问答！ 支 持 保 险 基 本 信 息 咨 询 、 投 保条件咨询 、 投保流程咨询 、 保险理赔咨询等场 景。 传统知识库和智能知识库实现统一管理 知识检索准确率 > 95% 新产品处理效率提升

分析师 夏昌盛 SAC 证书编号：S0160522100002 xiacs@ctsec.com 相关报告 1. 《上市险企 5 月保费点评》 2023- 06-15 2. 《五年期存款将进入 2.5%时代，储蓄 险竞争力愈显》 2023-06-09 3. 《专属商业养老保险迎常态化经营， 个人养老金有望快速增长》 2023-05- 27 们认为，保险行业作为数字化、 智能化的先行者，在 B 端及 C 端掌握丰富的一手金融数据，且具备政策支持、 业务需求、财力支撑等核心现实基础，或可复制 BloombergGPT 路径，打造保 险领域的专业大模型，赋能保险业务全流程。 ❖ 海外保险机构 AI 大模型布局正加速推进，国内也有望实现 AI 技术的 迭代升级。海外方面，GPT 技术已从销售助理、智能客户、核保核赔等多场 景赋 面，近年来，我国大型保险机构持续关注科技投入，AI 技术已广泛应用于前 端销售、定损理赔、风控减损等领域，但主要仍以理解式 AI 为主，生成式 AI 仍在探索中。AI 大模型可从产品研发、渠道营销、运营管理等各方位实现保 险机构的全流程赋能，预计国内保险机构具备 AI 技术迭代升级的动力。 ❖ 中国平安：人工智能等核心技术布局市场领先，AI 大模型落地优势显 著。中国平安是业内领先的科技型保险公司，以人工智能、区块链、云、大数

组长、流程负责人对业务蓝图进行了确认。在此， 对各位领导及项目组成员表示： 深深的敬意和衷心的感谢！ 本次项目的总体目标 总体目标： 实现 XX 产品设计、研发和供应链协同，营销及业财一体化，借助 SAP 的实施建立高度统一、集中、实时、透明的主数据管理和 业务应用平台，提高各部门日常管理和数据分析能力，夯实数字化转型的基础。 以 ERP 系统为核心，集成 PLM ，实现主数据的集中管理 NO.1 夯实数据基础 以企业经营目标为导向，梳理优化 XX 核心业务流程，打 破局部观念，强调整体利益，提高整个企业的运营效率。 NO.2 建立核心价值链流程体系 打通研产供销业务协同，实现业财一体。 NO.3 业务财务一体化 实现精细化成本核算和库存管理，资金运作科学 有序，减少资金的积压。 NO.4 成本管控 实现 SAP 系统与外围应用系统的协同效应，打通系统 间信息壁垒，实现信息自动传递，消除信息孤岛。 满足集团财务核算、成本控制的要求。 NO.6 集团型业务管控 利用 SAP 项目机会，开展全员管理规范培训， 提升全员综合管理水平。 NO.7 人才培养 数字化 基础 流程 体系 数据 基础 业财 一体 成本 管控 人才 培养 集团 管控 系统 集成 ① ② ③ ④ ⑤ ⑥ ⑦ 本期项目范围（组织范围） 序号 实施组织范围 SAP ERP 实施功能范围 海通产品 SAC

2 企业监管平台，AI 赋能穿透式监管 .................................................................. 38 4.3 构建业财系统，打通穿透式监管数据链 ............................................................ 41 4.4 数智赋能“三能”机制，构建人力资源穿透式监管新范式 股企业） 的运营状况（如具体业务执行、资金使用细节、日常风险事件）掌握有限，大量微观层 面的经营风险难以被及时发现。 （2）监管方式滞后于市场发展：传统手段与新型业务需求脱节。依赖年度/季度财 务报表审查和定期现场检查（如每年 1～2 次常规巡检），属于“结果导向”的滞后性 监管，无法对混合所有制改革、跨境投资（如海外并购中的政治风险、汇率波动风险）、 供应链金融等新型业务的风险（如 日常经营中断风 险。 国资国企穿透式监管白皮书 13 法律风险穿透主要关注合规风险，具体指公司及所属企业因未能遵循法律法规、监 管要求、规则、自律性组织制定的准则，以及适用于自身业务活动的行为准则，而可能 遭受法律制裁或监管处罚、重大财务损失或声誉损失的风险。 五类风险监控的本质是通过数据纵向穿透（集团到末级企业）、业务横向联动（财 务+采购+生产等

战略转型实时更新审计重点；需建立季度滚动计划，结合金融科技风险权重变 化） （2）风险评估模型是否与业务复杂度脱节？（如：对跨境金融、数字资 产 等新兴业务仍采用传统风险评估框架，需要引入 AI 风险预测模型，调整风 险因 子量化标准） （3）审计资源配置是否存在不合理？（如：过度集中财务领域，金融科 6 技、 数据安全等方向人力不足；需要建立多维度资源分配模型，优先覆盖高风险 领域） 6 （4）法规库更新 （18）成果转化考核机制是否缺失？（如：未将审计建议采纳率纳入管理 层 “ 绩效考核；需要设置 审计价值贡献度 ”指标，挂钩绩效奖金） 7 （19）审计档案管理是否不合规？（如：电子档案未加密存储，存在篡改 风 险；需要部署国密算法加密系统，实行三员分立管理） （20）审计成果共享机制是否薄弱？（如：未建立全行风险图谱，同类问 题 在不同分支机构重复发生）；需要构建知识库系统，实现风险案例跨机构智 能推 送） （35）整改效果评估是否滞后？（如一年后才复查问题是否解决，需要建 立 90 天闭环跟踪机制，通过系统日志自动验证措施执行情况） （36）审计报告是否缺乏风险预警？（如仅描述已发现问题未提示潜在风 险， 需要增加“风险前瞻”章节，基于历史数据预测未来 3 个月高风险领域） （37）知识库更新是否及时？（如未将典型案例纳入内部培训教材，需要 按 季度更新案例库，标注高频违规场景（如信用卡套现新手法）

财务管理 物资管理 电力 营销 电力 营销 人力资源管理 人力资源管理 财务管理 财务管理 物资管理 物资管理 xx 企业价值链分析模型 + xx 企业的业务框架 人 力 资 源 管 理 财 务 管 理 物 资 管 理 采购管理 收入核算 销售电 价调整 销售电 价分析 网间 售电 用户 售电 其他业 务收入 营业外 收入 成本费用 上网电 价调整 上网电 价分析 求管理 培训资 源管理 培训实 施管理 培训评 估管理 培训计 划管理 培训经 费管理 组织 考核 人员 考核 薪资变 动管理 工资总 额管理 考勤 管理 薪资核 算管理 福利保 险管理 人事管理 领导干 部管理 人员调 配管理 薪酬福 利管理 出国人 员管理 人事信 息管理 库存核 算管理 库存管理 库存策略 库存分析 物资验收 入库管理 出库管理 调拨管理 停电处理 预付款管理 账单汇总 / 递送 收款及对账 付款错误处理 帐户余额 / 退款 人事档 案管理 xx 公司企业基本业务能力总视图 采购管理 2 财务管理 收入核算 1 财 务 管 理 成本费用 2 往来核算 3 资产核算 4 总帐管理 5 预算管理 6 资金管理 7 财务管理 组织管理 1 人 力 资 源 管 理 招聘管理 2 薪酬管理

财务管理 物资管理 电力 营销 电力 营销 人力资源管理 人力资源管理 财务管理 财务管理 物资管理 物资管理 xx 企业价值链分析模型 + xx 企业的业务框架 人 力 资 源 管 理 财 务 管 理 物 资 管 理 采购管理 收入核算 销售电 价调整 销售电 价分析 网间 售电 用户 售电 其他业 务收入 营业外 收入 成本费用 上网电 价调整 上网电 价分析 求管理 培训资 源管理 培训实 施管理 培训评 估管理 培训计 划管理 培训经 费管理 组织 考核 人员 考核 薪资变 动管理 工资总 额管理 考勤 管理 薪资核 算管理 福利保 险管理 人事管理 领导干 部管理 人员调 配管理 薪酬福 利管理 出国人 员管理 人事信 息管理 库存核 算管理 库存管理 库存策略 库存分析 物资验收 入库管理 出库管理 调拨管理 停电处理 预付款管理 账单汇总 / 递送 收款及对账 付款错误处理 帐户余额 / 退款 人事档 案管理 xx 公司企业基本业务能力总视图 采购管理 2 财务管理 收入核算 1 财 务 管 理 成本费用 2 往来核算 3 资产核算 4 总帐管理 5 预算管理 6 资金管理 7 财务管理 组织管理 1 人 力 资 源 管 理 招聘管理 2 薪酬管理

天，其中约 30%的案例因资料不全或核损争议需反复沟 通，直接拉高运营成本约 20%。与此同时，客户对快速、透明理赔 服务的需求持续攀升，超过 65% “ ” 的投保人将 理赔效率 作为选择保 险公司的关键指标之一。 在此背景下，人工智能技术为理赔业务优化提供了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 为验证方案的可行性，某头部财险公司已在车险理赔场景完成 试点测试。结果显示，DeepSeek 大模型的应用使案件平均处理时 效提升 40%，人力成本降低 35%，同时将客户满意度从 78%提升 至 91%。这一成果表明，大模型技术不仅能够解决传统理赔业务的 均处理周期长达 5-7 个工作日，车险案件人工核损环节耗时占比超 40%。根据 2023 年行业白皮书数据，Top20 财险公司理赔纠纷投诉中，67% 源于时效延迟或核损偏差，直接推高运营成本—— 行业理赔管理费 用率中位数达 12.8%，较承保利润率高出 4.3 个百分点。 核心痛点集中在三个维度：首先，海量非结构化数据的处理能 力不足，医疗险中仅 CT 影像等医疗文件的人工解读就需要

景下，保险业作为国民经济的重 要支柱和风险管理的重要力量，必须紧跟时代步伐，把握科技革命的历史机遇。我们希望通 过本白皮书的发布，为保险业做好科技金融和数字金融两篇大文章提供有力支持，推动保 险行业从科技赋能向科技引领的转变。同时，我们也呼吁行业同仁和合作伙伴加强交流与 合作，共同推动科技保险和数字保险的发展，共创保险行业的美好未来！ 最后，我们要诚挚感谢所有参与白皮书编写的专家学者、行业同仁和技术伙伴。正是大 · · · · · · · · 101 太保项目总体技术框架· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 102 车险出单“星驰”系统· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 107 企微运维机器人· · · · · · · · 资料来源：生成式人工智能在保险行业的应用（研讨材料），麦肯锡。 图2 保险业大模型应用成效初现 �� 这些用例之所以成为首选，是因为它们技术成熟度高、实施难度相对较低，且能够迅 速看到成本节约与效率提升的效果。中国人寿财险、阳光保险集团等领先企业正是通过在 这些非敏感且成本可控的场景下开展探索，不仅验证了大模型技术的可行性，还为后续向 更复杂、更高价值的业务场景拓展积累了宝贵经验。 （3）持续深耕高价值场景

保预测偏差率低于 3% 该方案已在试点机构完成 POC 验证，结果显示客服人力成本 降低 60%，同时客户满意度从 82 分提升至 91 分（满分 100）。下 一步将重点优化长尾场景覆盖，例如车险定损中的图像识别准确率 需从 89%提升至 95%以上。 1.1 保险行业现状与挑战 当前保险行业正处于数字化转型的关键阶段，传统业务模式面 临多重挑战。根据银保监会 2023 年数据，行业平均获客成本同比 认为保险条款复杂难懂，理赔流程平均耗时达 5.7 个工作日。 行业主要痛点可归纳为： - 服务效率瓶颈：人工坐席日均处理咨询量约 50-80 通，高峰时段 响应延迟超过 30 分钟 - 风险管控滞后：车险骗保识别依赖人工审核，误判率高达 18% - 个性化服务缺失：标准化的产品推荐匹配度不足，转化率低于 12% - 运营成本高企：培训新人代理平均投入超 2.3 万元/ 人， ROI 周期 长达 800ms，无法支撑实时风控需求。某头 部寿险公司测试数据显示，传统 OCR 识别投保单的差错率达 11.3%，且需要二次人工复核。 市场竞争格局呈现两极分化：前五大保险公司占据 73%市场份 额，中小险企在科技投入占比不足营收的 1.8%，数字化转型差距 持续扩大。监管趋严背景下，2024 年新实施的《保险销售行为管 理办法》对服务响应速度与信息披露提出更高要求，进一步加剧行 业升级压力。 1