进博会专访 | 太保科技总经理魏骄华：险企科技化打法三派分化，谁先嵌入价值链谁先赢

保险业的AI应用眼下正被重新打量。不同体量的险企各走什么路，转型走到了哪一步，成了行业里绕不开的问题。

第九届中国国际进口博览会期间，太保科技总经理魏骄华接受了《每日经济新闻》记者（以下简称NBD）专访。他把保险机构科技化的打法归成三派：头部综合险企走“全栈自建+生态合作”；中型险企倾向“核心自研+外围采购”；小型险企则以“SaaS采购+场景使用”为主。

魏骄华认为，金融领域的大模型该做“选择题”，不做开放式的“问答题”。竞争的关键不在模型大小，而在业务流程与价值链融合得深不深。他说，通用智能体平台、销售辅助类工具上，各家眼下差距有限，但“谁能先把AI真正用进主业价值链，谁就在下一程拥有优势”。

太保科技总经理魏骄华 图片来源：受访者供图

AI投入产出要算成本账、体验账和合规账

NBD：不同险企的科技化打法为何出现差异？公有云大模型打起价格战，自建千卡算力、自训模型还划算吗？

魏骄华：行业大致三派。头部综合险企走“全栈自建+生态合作”，算力、平台、模型、场景全链条铺开；中型险企倾向“核心自研+外围采购”，核保理赔等核心系统自己攥着，通用能力借外部力量；小型险企以“SaaS采购+场景使用”为主，图的是门槛低、上线快。三种打法谈不上谁绝对更好，要看业务规模、数据资产厚度和战略定力。

金融领域，数据安全与合规是红线。太保客户用量庞大，数据又积累了多年，自建算力有不可替代的价值。在通用基础模型之上，太保科技更多针对保险垂直场景部署微调后的小模型，数据安全与合规守住了，成本与资源也更好平衡。

NBD：从试点准确率到规模化落地，真实投入产出怎么衡量？

魏骄华：衡量AI投入产出，不能只算成本账，体验账、合规账也要算进去。太保的做法是用业务指标去衡量成本、体验与合规三方面的规模化落地价值，最终落到六大智能方向的业务结果上——客户守护要达成NPS（净推荐值）行业排名领先，产业风险方面伴生风险保费行业领先，队伍能级实现人均保费增加，运营管理实现管理费用率节降，投资业务实现收益行业排名靠前，风险减损要达到年均数十亿元级别。科技的真实产出，就拿这些可衡量的业务或价值目标来检验。

NBD：比如智能外呼，相比人工作业，单均成本或理赔时效能改善多少？

魏骄华：以外呼为例，保险销售正从经验驱动转向数据驱动。AI不是简单替人，而是把人从低价值、重复性的活里解放出来。

投入产出主要看两个维度：人力效率能不能提上来；客户转化、服务质量、合规风险这些综合收益怎么样。过去人工坐席大量时间耗在拒接和无效沟通上，真能对接上客户的比例并不高。核心目标是在合适的时间、用合适的方式，把合适的产品给到客户，减少无效拨打。按目标，每个坐席每天大约省出1小时，专心跟进有意向的客户；同样的人力，能对接上的有效客户变多，单条有效线索的人力成本降下来，线索跟进也更及时。

还有一点要补充。AI与业务融合的过程中，AI负责前期筛选、检索、匹配、推荐，面向客户的关键输出和重要审核，最后都由人把关。通俗讲，大模型做“选择题”，不做开放式的“问答题”。放到销售场景，AI不直接独立与客户对话，而是从预先沉淀、审核好的合规话术库里，按客户意图和客户画像挑出最合适的一条，推荐给一线。效率和合规就此同时成立。

“AI+”保险最大的瓶颈不在模型而在组织

NBD：按“备模型—训模型—用模型”的路径看，保险业AI转型处在哪一阶段？

魏骄华：“备—训—用”三个阶段，典型特征分别是前期数据准备、探索与基建、价值化应用。

第一阶段是结构化与非结构化数据的准备期，打的是企业数据与知识的地基，这是人工智能的底层燃料。第二阶段是基础设施筹备、场景试点与能力普及期，算力底座与模型部署要完成，早期在审计、投资、运营等内部场景验证效果，业务团队也要借此建立对大模型能力边界的正确认知和合理规划。第三阶段是核心流程重构期，人工智能技术嵌入销售、理赔、运营等价值链关键环节，从“辅助工具”变成“生产力单元”。

行业整体正从第一阶段向第二阶段过渡，头部机构已开始由第二阶段向第三阶段进发。

NBD：最大的共性瓶颈是数据、算力还是组织？

魏骄华：中国太保2021年实现业务全域数据入湖，2025年启动全司的知识治理和运营，已建成全信创千亿级大模型基础设施。但坦率讲，从当前这个时间节点看，距离全流程重构仍有差距。

算力靠持续投入能解决，既懂保险业务逻辑又懂AI工程化的复合型人才也要逐步培养。相对而言，数据中的非结构化知识治理恐怕是各家企业的共性瓶颈。难点不只在数据积累，更在于把散落在业务流程、制度规范和员工经验里的隐性知识，转成AI能理解、能运用的知识资产，让AI真正读懂业务、融进流程、创造价值。