AI

AI代理经济正催生一个全新的保险市场。一方面，传统险企因缺乏评估AI风险的能力而纷纷退出——WR Berkley起草“绝对AI除外条款”，Verisk推出生成式AI除外责任。另一方面，专业机构加速入场：Armilla推出劳合社承保的AI责任险，覆盖“幻觉”和模型退化；AIUC获1.5亿美元种子轮，预测2030年AI代理保险市场达5000亿美元。 这场分化暴露…

该论文构建了AI快速采用的宏观金融压力测试框架，其中保险业作为中介部门面临显著的结构性挑战。 1. 中介服务压缩AI降低信息摩擦，将保险经纪、承保等环节的利润向纯物流成本收敛。论文模型显示，中介利润率随AI能力指数衰减（mt=m0+γmϕ0e−γϕAtmt​=m0​+γm​ϕ0​e−γϕ​At​），最终趋近基础设施成本 m0m0​。美国保险经纪年收入约500…

大型语言模型在保险业的应用日益广泛，但其安全漏洞不容忽视。本研究对银行、金融、保险领域的LLM进行自动化红队测试，构建了包含保险欺诈在内的七大风险类别的金融危害分类体系，共989个对抗性提示。 保险领域的关键发现： 模型对“显性恶意”请求（如暴力）拒绝率较高，但对伪装成“专业咨询”的高风险请求——如保险欺诈手法询问、投资诈骗识别规避、索赔材料造假指导——往往…

Anthropic以“限制分发”模式发布前沿AI模型Mythos，仅限少数经审核的合作伙伴使用，形成了继开源、开放权重、闭源之后的第四类模型。此举旨在降低模型被恶意利用的风险——Mythos在检测漏洞、开发利用链方面表现优异。 这对（再）保险公司构成双重挑战。其一，攻击威胁加速：AI压缩了漏洞披露到利用的时间窗口（从数月缩至数小时），类似2017年Shado…

人工智能侵权责任保险的核心理赔难点在于因果关系判定——损失结果是否由承保风险所致。由于AI模型存在“黑箱”特征，传统近因原则面临适用困境。本文提出以模型“可解释性”为基准，将AI分为三类，差异化适用因果关系规则。 白箱AI（完全可解释）：决策逻辑透明，事故原因与效力占比可明确查明。若多个近因兼有“承保风险”与“除外风险”，优先适用 “比例分配”规则，按各自效…

AI健康管理的规模化发展正在深刻改变保险业的风险管理范式，从“事后补偿”向“主动预防”延伸，为健康险与寿险的定价、风控和服务创新提供全新工具。 数据驱动精准定价。 AI通过对血糖、心电、睡眠等多模态连续数据的建模，可动态评估个体健康风险，替代传统依赖年龄、性别等静态因子的定价模式。例如连续血糖监测结合AI趋势算法，能提前预警高危波动，为保险公司提供更真实的被…

该论文通过构建AgentDS基准测试，系统评估了AI代理在特定领域数据科学任务中的表现，其中保险行业是六个测试领域之一，包含理赔复杂度分类、风险定价回归和欺诈检测三项挑战。 核心发现对保险业的启示： AI在保险领域推理能力不足：纯AI方案（GPT-4o、Claude Code）在保险挑战中表现低于人类团队中位数，尤其在处理理赔文本、定损图像、保单PDF等多模…

SalesCopilot是一套专为实时销售通话设计的人工智能系统，其核心能力在保险销售场景中得到验证。保险代理人面对数十种产品、数百项条款和费率时，客户提问常需手动查库，平均每次耗时25—65秒，造成通话尴尬停顿。 该系统通过流式语音转文字、大语言模型问题检测和检索增强生成三项技术联动，将回应时间压缩至实测均值2.8秒，较人工查库提速14倍，复杂跨产品对比问…

理赔流程正被AI Agent深度重构 报告指出，垂直AI Agent的渗透正从“单点任务自动化”进入“全流程串联”。在保险理赔中，AI已能从材料收取、条款比对、风险评估到赔付建议一次性完成端到端处理，将原本需要多人多天的流程压缩至小时级。这意味着保险公司可将核赔、核保、反欺诈等高频规则型任务逐步交由Agent集群执行，人则转向异常处理和最终裁决。 Agent…

医疗索赔数据是保险精算的核心基础，但隐私法规严格限制其访问。生成式AI提供了一条破局路径：通过合成数据保留原始数据的统计特征与结构关系，同时几乎不包含真实个体信息，从而在保护隐私的前提下释放数据价值。 两大应用场景。一是结构导向，用于系统测试、教学演示和软件开发，只需再现数据格式与逻辑，可借助预训练大语言模型（如ChatGPT）快速生成，不要求统计精度。二是…