來源:險企高參
近期,DeepSeek席卷全球,保險機(jī)構(gòu)亦加速部署。據(jù)《險企高參》不完全統(tǒng)計,春節(jié)以來,已有12家保險機(jī)構(gòu)或子公司接入或部署了DeepSeek模型。
2月7日,新華保險通過“新華e家”App接入DeepSeek-R1和DeepSeek-V3模型。實(shí)現(xiàn)個人AI助理支持日程管理、群發(fā)信息、保險銷售方案初步生成等。
2月10日,人保資產(chǎn)完成DeepSeek-R1本地部署,探索投研場景智能生成研報。
2月13日,眾安保險通過眾安信科,全面接入DeepSeek,用于智能質(zhì)檢、外呼優(yōu)化等。
2月17日,人保財險完成尺寸DeepSeek模型私有化部署。應(yīng)用到內(nèi)化至風(fēng)控、客服系統(tǒng),并探索營銷流程智能化。
2月18日,太平人壽完成DeepSeek本地化部署,打造了“太平人壽AI助手”(內(nèi)測)。支持復(fù)雜對話理解、文檔/圖片處理,應(yīng)用于內(nèi)部咨詢、方案生成等場景。太平再保險(中國)完成本地化部署DeepSeek,支持核保與風(fēng)險評估。
2月19日,慧擇保險經(jīng)紀(jì)官宣全平臺(官網(wǎng)、APP等)接入DeepSeek-R1模型,直接服務(wù)于保險消費(fèi)者。水滴亦宣布正式接入DeepSeek,完善保險大模型生態(tài)戰(zhàn)略。
此外,北大方正人壽、太極華保、太平資管、人保資管等已宣布接入。
保險公司部署DeepSeek,旨在提升內(nèi)部效率,如合規(guī)咨詢、知識庫調(diào)用、文檔自動化處理、優(yōu)化客戶服務(wù)以及加強(qiáng)風(fēng)險控制、核保核賠數(shù)據(jù)分析、合規(guī)審查支持等。多數(shù)機(jī)構(gòu)傾向于使用國產(chǎn)算力進(jìn)行本地化部署,以確保數(shù)據(jù)隱私和合規(guī)性。中小險企正利用低成本的DeepSeek技術(shù)突破傳統(tǒng)渠道限制,優(yōu)化培訓(xùn)流程。
從技術(shù)特點(diǎn)、成本效益到行業(yè)適用性,DeepSeek 的部署與過往使用的其他大模型(如GPT-4、Llama系列或垂直領(lǐng)域模型)的明顯差異集中在價格。據(jù)媒體報道,深度求索使用英偉達(dá)H800 GPU在兩個月內(nèi)訓(xùn)練出了DeepSeek-V3,僅花費(fèi)約558萬美元。其訓(xùn)練費(fèi)用相比GPT-4o等大模型要少得多。Open AI CEO山姆·奧特曼曾表示,GPT-4o的訓(xùn)練成本大約1億美元,未來訓(xùn)練大模型的成本將高于10億美元。尚未完成訓(xùn)練的GPT-5大模型,為時約半年的一輪訓(xùn)練就消耗了大約5億美元。此外,靈活性也是其一大特點(diǎn)。DeepSeek支持全私有化、混合云、公有云調(diào)優(yōu)等多種部署模式,相比之下,大多數(shù)閉源模型僅支持API調(diào)用。最后,在數(shù)據(jù)合規(guī)性方面,DeepSeek作為國產(chǎn)算力,支持本地化部署,確保數(shù)據(jù)不出域,而使用海外服務(wù)則可能面臨合規(guī)風(fēng)險。
《險企高參》注意到,已接入或部署deepseek的保險公司基本都是頭部機(jī)構(gòu),中小型保險公司數(shù)量較少,行業(yè)格局或?qū)⒅貥?gòu)。中小險企在技術(shù)能力、數(shù)據(jù)儲備、初期投入、合規(guī)風(fēng)險和商業(yè)策略方面面臨挑戰(zhàn)。在技術(shù)能力與數(shù)據(jù)儲備方面存在短板。與頭部險企相比,它們的IT架構(gòu)尚未升級至AI實(shí)驗(yàn)室水平,缺乏關(guān)鍵基礎(chǔ)設(shè)施如向量數(shù)據(jù)庫和分布式訓(xùn)練框架。同時,中小險企面臨數(shù)據(jù)質(zhì)量問題,客戶數(shù)據(jù)維度單一,不足以支持復(fù)雜模型訓(xùn)練。投入上,DeepSeek技術(shù)初期投入存在隱性成本壁壘,包括硬件和人才兩方面。硬件方面,盡管硬件門檻不高,但私有化部署需要適配國產(chǎn)芯片,對保費(fèi)規(guī)模較小的公司構(gòu)成壓力。人才方面,DeepSeek需要定制化Prompt工程和RAG優(yōu)化,但中小險企技術(shù)團(tuán)隊人數(shù)不足,難以支撐模型迭代。合規(guī)上,監(jiān)管嚴(yán)格和容錯空間小使它們對新技術(shù)持觀望態(tài)度。商業(yè)策略上,中小險企專注于細(xì)分市場,通用大模型的效益可能并不明顯,需要特定場景適配。如此,帶來的后果可能會讓行業(yè)格局產(chǎn)生變化,頭部公司通過實(shí)現(xiàn)全鏈條智能化,市占率進(jìn)一步提升。而未能有效應(yīng)用AI的機(jī)構(gòu)可能被迫退出市場。
新技術(shù)的誕生,對保險代理人而言究竟是利是弊?
不可否認(rèn),新技術(shù)的應(yīng)用,會對現(xiàn)存崗位產(chǎn)生沖擊。保險代理人數(shù)量從高峰期912萬降至不足300萬,隨著LLM大模型的部署,代理人進(jìn)一步下降也不是不可能。雖然,基層代理人數(shù)量銳減,但高凈值客戶經(jīng)理、復(fù)雜風(fēng)險顧問等高階崗位需求上升。部分保險機(jī)構(gòu)的代理人已從"銷售保單"轉(zhuǎn)向全生命周期風(fēng)險管理。保險代理人要想脫穎而出,構(gòu)建自身的差異化優(yōu)勢,或是長期堅持下去的道路之一。例如,打造AI無法復(fù)制的"人格化信任",通過定期家訪、子女教育規(guī)劃咨詢等線下互動建立非結(jié)構(gòu)化信任網(wǎng)絡(luò);在中小城市,代理人與醫(yī)院、汽車4S店等地,完成區(qū)域資源整合,提供AI無法實(shí)現(xiàn)的線下快速響應(yīng)的服務(wù);最后是成為"人機(jī)協(xié)作指揮官",掌握指令技能,精準(zhǔn)調(diào)動DeepSeek等工具生成客戶風(fēng)險分析報告等。就短期來看,保險代理人還有“合規(guī)防火墻”殺招,為他們提供緩沖時間。根據(jù)《保險銷售行為管理辦法》第二十六條規(guī)定,訂立保險合同時,保險公司及受其委托及與其合作的保險中介機(jī)構(gòu)、保險銷售人員應(yīng)當(dāng)對免除或者減輕保險人責(zé)任的條款,以足以引起投保人注意的文字、字體、符號或者其他明顯標(biāo)志作出提示,并對有關(guān)免除保險人責(zé)任條款的概念、內(nèi)容及其法律后果以書面或者口頭形式向投保人作出明確的、常人能夠理解的解釋說明。這意味著關(guān)鍵條款的解釋必須由具備相應(yīng)資質(zhì)的保險銷售人員完成,AI 無法替代人工進(jìn)行此類解釋。歷史經(jīng)驗(yàn)表明,技術(shù)顛覆總會重塑而非消滅崗位——19世紀(jì)蒸汽機(jī)沒有讓船夫消失,但催生了輪機(jī)長這個更高價值的工種。保險代理人的進(jìn)化方向已然清晰。
DeepSeek等AI大模型的部署可能會對保險公司的中后臺崗位產(chǎn)生影響,但這種影響更偏向“崗位職能的升級與重構(gòu)”而非簡單的“崗位替代”。就精算崗位和財務(wù)崗位而言,或許將從“計算執(zhí)行”到“策略驗(yàn)證”的范式迭代。DeepSeek沖擊的核心領(lǐng)域是數(shù)據(jù)處理自動化和模型迭代加速,主旨是加速常規(guī)計算、核算流程。而精算師和財務(wù)卻擁有不可替代的壁壘——“監(jiān)管合規(guī)權(quán)威”。此外,打通精算、投資、運(yùn)營部門的數(shù)據(jù)孤島,構(gòu)建企業(yè)級數(shù)智中臺,亦是崗位進(jìn)化方向,例如建立跨學(xué)科知識壁壘、開發(fā)符合監(jiān)管沙盒要求的AI精算驗(yàn)證框架、從核算管理轉(zhuǎn)向戰(zhàn)略財務(wù)BP,深度參與產(chǎn)品定價、資本規(guī)劃等方向。簡言之,精算師的核心價值或?qū)摹坝嬎隳芰Α鞭D(zhuǎn)向“計算倫理”,財務(wù)負(fù)責(zé)人則可能從“賬房先生”進(jìn)化為“企業(yè)神經(jīng)系統(tǒng)架構(gòu)師”。主動擁抱人機(jī)協(xié)同的從業(yè)者,將成為保險業(yè)“數(shù)智化再平衡”時代的最大贏家。