在數(shù)字化轉(zhuǎn)型的深水區(qū)，保險(xiǎn)企業(yè)普遍面臨“數(shù)據(jù)豐富但業(yè)務(wù)應(yīng)用不足”的困境。作為由中糧資本與英杰華集團(tuán)合資組建的險(xiǎn)企，中英人壽規(guī)模與利潤(rùn)均穩(wěn)居合資壽險(xiǎn)公司第一梯隊(duì)。在“數(shù)智中英”的戰(zhàn)略藍(lán)圖下，這家企業(yè)正在經(jīng)歷一場(chǎng)從“經(jīng)驗(yàn)驅(qū)動(dòng)”到“數(shù)據(jù)智能驅(qū)動(dòng)”的深層變革。
通過聯(lián)合思邁特軟件構(gòu)建“中英知行”智能問數(shù)智能體，借助“原子指標(biāo)拆解+RAG 檢索增強(qiáng)”等創(chuàng)新手段，中英人壽實(shí)現(xiàn)了從總公司到分支機(jī)構(gòu)的“對(duì)話式分析”，數(shù)據(jù)收集整理時(shí)間縮短 90%，移動(dòng)端日活激增 3 倍。
憑借在保險(xiǎn)行業(yè)數(shù)據(jù)應(yīng)用技術(shù)架構(gòu)創(chuàng)新、業(yè)務(wù)價(jià)值深化等多維突破及卓越的落地實(shí)效，該案例近期成功入選 IDC《中國(guó)金融行業(yè)智能體最佳實(shí)踐案例分析之保險(xiǎn)與資管篇》報(bào)告，成為保險(xiǎn)行業(yè)挖掘數(shù)據(jù)價(jià)值的標(biāo)桿范本。
01、三重“數(shù)據(jù)壁壘”制約經(jīng)營(yíng)效率
在保險(xiǎn)行業(yè)，經(jīng)營(yíng)分析是一項(xiàng)極其復(fù)雜的工程，它涉及多維度、復(fù)雜指標(biāo)。中英人壽一線業(yè)務(wù)與管理團(tuán)隊(duì)曾受限于三重“數(shù)據(jù)壁壘”，一定程度上影響了數(shù)據(jù)價(jià)值向業(yè)務(wù)決策的高效轉(zhuǎn)化。
首先是“取數(shù)難”。傳統(tǒng)的BI報(bào)表雖然豐富，但無法窮盡所有千變?nèi)f化的分析場(chǎng)景。一旦涉及非固化報(bào)表的查詢，業(yè)務(wù)人員就必須向IT部門提需求。排期、開發(fā)、核對(duì)……一個(gè)周期下來，往往需要數(shù)天甚至一周。對(duì)于瞬息萬變的市場(chǎng)而言，這種“T+N”的反饋速度顯然太過滯后。
其次是“口徑亂”。保險(xiǎn)經(jīng)營(yíng)指標(biāo)邏輯復(fù)雜，存在大量的非線性累加和動(dòng)態(tài)調(diào)整。比如“新單價(jià)值（VNB）”或“年化保費(fèi)（APE）”，在不同機(jī)構(gòu)、不同渠道的統(tǒng)計(jì)口徑可能存在細(xì)微差異。業(yè)務(wù)人員如果自己手動(dòng)加工數(shù)據(jù)，很容易因?yàn)榭趶讲灰恢聦?dǎo)致分析結(jié)果偏差，甚至可能誤導(dǎo)決策。
再者是“落地難”。項(xiàng)目初期團(tuán)隊(duì)面臨雙重現(xiàn)實(shí)挑戰(zhàn)，一方面僅配置有限 GPU資源，無法穩(wěn)定支持高并發(fā)與多輪對(duì)話需求；另一方面，業(yè)務(wù)人員對(duì) AI 能力存在認(rèn)知偏差，部分人對(duì)其抱有“能回答一切經(jīng)營(yíng)相關(guān)問題”的高期望。
“我們需要打破這種依賴。讓業(yè)務(wù)人員不需要懂代碼，也不需要排隊(duì)，用自然語言就能直接和數(shù)據(jù)對(duì)話。”這是中英人壽項(xiàng)目團(tuán)隊(duì)的初衷。
02、讓 AI 讀懂保險(xiǎn)，“三步走” 構(gòu)建全鏈路智能問數(shù)平臺(tái)
為突破數(shù)據(jù)應(yīng)用困境，中英人壽以“業(yè)務(wù)需求為錨點(diǎn)、技術(shù)落地為支撐”，分階段推進(jìn)“中英知行”智能問數(shù)智能體，各環(huán)節(jié)層層遞進(jìn)、自然銜接，確保方案精準(zhǔn)適配經(jīng)營(yíng)場(chǎng)景：
圖1：業(yè)務(wù)架構(gòu)流程
（一）搭建指標(biāo)體系，奠定業(yè)務(wù)基礎(chǔ)
以 Smartbi 成熟的保險(xiǎn)行業(yè)指標(biāo)體系構(gòu)建工具為支撐，項(xiàng)目團(tuán)隊(duì)基于“中英知行”現(xiàn)有經(jīng)營(yíng)分析框架，系統(tǒng)梳理形成保費(fèi)類（APE/VNB/ 標(biāo)準(zhǔn)保費(fèi)）、產(chǎn)品類、隊(duì)伍類、渠道類等核心分析場(chǎng)景/主題，明確全場(chǎng)景指標(biāo)需求并輸出標(biāo)準(zhǔn)化業(yè)務(wù)指標(biāo)體系模板，為后續(xù)建模奠定業(yè)務(wù)基礎(chǔ)。
圖2 指標(biāo)模型構(gòu)建方式
（二）聚焦“口徑統(tǒng)一”與“知識(shí)匹配”，構(gòu)建模型與知識(shí)庫
這是項(xiàng)目實(shí)現(xiàn)突破的關(guān)鍵環(huán)節(jié)。面對(duì)復(fù)雜的經(jīng)營(yíng)數(shù)據(jù)，直接把報(bào)表“喂”給 AI 是行不通的。項(xiàng)目團(tuán)隊(duì)創(chuàng)新采用“原子指標(biāo)拆解”的方法，將 109 個(gè)復(fù)雜的經(jīng)營(yíng)指標(biāo)拆解為不可再分的原子指標(biāo)，明確統(tǒng)一統(tǒng)計(jì)口徑、計(jì)算邏輯與數(shù)據(jù)來源。無論業(yè)務(wù)人員怎么問，AI都會(huì)先回溯到最底層的原子指標(biāo)，再根據(jù)計(jì)算邏輯實(shí)時(shí)聚合，實(shí)現(xiàn)全公司數(shù)據(jù)“出一孔”，徹底消除了口徑不一的隱患。
同時(shí)，搭建覆蓋行業(yè)術(shù)語的知識(shí)字典、同義詞庫及“機(jī)構(gòu)-渠道-產(chǎn)品-指標(biāo)”關(guān)聯(lián)知識(shí)圖譜，保障語義精準(zhǔn)映射；并區(qū)分 T+1 更新（經(jīng)營(yíng)監(jiān)控類指標(biāo)）與高頻更新（風(fēng)險(xiǎn)預(yù)警類指標(biāo)）的差異化數(shù)據(jù)策略，兼顧數(shù)據(jù)時(shí)效性與穩(wěn)定性。
（三）搭建“能用的系統(tǒng)”，推動(dòng)技術(shù)落地與功能實(shí)現(xiàn)
在扎實(shí)的基礎(chǔ)體系之上，智能問數(shù)智能體采用“大模型 + 指標(biāo)模型 + 知識(shí)庫”三層架構(gòu)——核心依托 Smartbi 企業(yè)級(jí) BI 平臺(tái)的開放能力，實(shí)現(xiàn)多類型大模型（支持開源 / 閉源靈活切換）無縫接入。
同時(shí)深度對(duì)接企業(yè)數(shù)據(jù)中臺(tái)，真正打通“數(shù)據(jù)-指標(biāo)-問答”全鏈路；并借助Smartbi 成熟權(quán)限管理，完成與“中英知行”移動(dòng)端、PC 端的統(tǒng)一認(rèn)證與權(quán)限同步，精準(zhǔn)適配多角色數(shù)據(jù)訪問需求，確保數(shù)據(jù)安全與用數(shù)便捷。
圍繞業(yè)務(wù)高頻場(chǎng)景，打造對(duì)話式分析、趨勢(shì)預(yù)警、歸因分析、自動(dòng)洞察報(bào)告、語音交互五大核心功能，全面支持自然語言查詢、異常指標(biāo)實(shí)時(shí)提醒、移動(dòng)端便捷操作等實(shí)用場(chǎng)景，讓技術(shù)真正服務(wù)于業(yè)務(wù)。
為確保平臺(tái)從“能用”向“好用、常用”升級(jí)，項(xiàng)目采取分階段落地策略，首期聚焦 53 個(gè)核心指標(biāo)開展試點(diǎn)，通過分層矩陣測(cè)試確保核心指標(biāo)準(zhǔn)確率≥90%，二期進(jìn)一步將指標(biāo)覆蓋范圍擴(kuò)展至 109 個(gè)并實(shí)現(xiàn)全公司推廣，全面支撐經(jīng)營(yíng)分析、風(fēng)險(xiǎn)預(yù)警、對(duì)標(biāo)診斷等全場(chǎng)景需求。
同時(shí)建立“用戶反饋 - 迭代升級(jí)”的持續(xù)優(yōu)化機(jī)制，通過功能內(nèi)反饋按鈕、月度調(diào)研等多元方式收集用戶意見，定期更新指標(biāo)庫與問句樣例集，持續(xù)提升平臺(tái)對(duì)業(yè)務(wù)場(chǎng)景的適配性與用戶體驗(yàn)。
03、實(shí)效：效率提升 90%，移動(dòng)端日活翻三倍
對(duì)企業(yè)而言，技術(shù)不應(yīng)只追求“形式新穎”，更需聚焦“業(yè)務(wù)價(jià)值”。項(xiàng)目上線后，不僅實(shí)現(xiàn)數(shù)據(jù)處理效率的顯著提升，更推動(dòng)業(yè)務(wù)決策模式的深層變革，核心成果可從四個(gè)維度量化：
●效率革命：業(yè)務(wù)人員借助智能問數(shù)智能體，數(shù)據(jù)收集與整理的時(shí)間較傳統(tǒng)方式縮短 90%。原本需要數(shù)小時(shí)甚至數(shù)天才能完成的復(fù)雜分析任務(wù)，現(xiàn)在僅需數(shù)秒即可生成可視化圖表。
●全員激活：集成移動(dòng)端后，極大降低了使用門檻。數(shù)據(jù)顯示，平臺(tái)上線后移動(dòng)端日活用戶數(shù)提升超過 3 倍，業(yè)務(wù)人員的自主查詢率顯著提高。用戶覆蓋從總公司管理層、核心業(yè)務(wù)部門到一線分支機(jī)構(gòu)等全層級(jí)角色。數(shù)據(jù)不再是IT部門的“私產(chǎn)”，成為全員可用的業(yè)務(wù)工具。
●精準(zhǔn)可信：通過嚴(yán)格的“分析意圖 × 邊界抽樣”分層測(cè)試，核心指標(biāo)的問答準(zhǔn)確率穩(wěn)定在 90%以上。指標(biāo)覆蓋范圍也從一期的 53 個(gè)核心指標(biāo)快速擴(kuò)展至 109 個(gè)，涵蓋了業(yè)績(jī)監(jiān)控、趨勢(shì)預(yù)警、渠道分析等全場(chǎng)景。
●行業(yè)示范：依托在復(fù)雜經(jīng)營(yíng)指標(biāo)拆解、統(tǒng)一口徑構(gòu)建、移動(dòng)端場(chǎng)景化落地等關(guān)鍵領(lǐng)域的創(chuàng)新性實(shí)踐，該項(xiàng)目成功入選 IDC 權(quán)威報(bào)告。這標(biāo)志著中英人壽在利用 AI 智能體解決“指標(biāo)口徑復(fù)雜、多維度分析難、業(yè)務(wù)用數(shù)門檻高”等行業(yè)共性難題上，為同業(yè)提供了可復(fù)制、可參考的“中英范本”。
04、結(jié)語
中英人壽的實(shí)踐證明，AI 大模型并非遙不可及的“黑科技”，而是可以實(shí)實(shí)在在落地的生產(chǎn)力工具。
通過“一把手工程”的戰(zhàn)略推動(dòng)和“小步快跑”的敏捷實(shí)施，中英人壽不僅解決了一個(gè)技術(shù)問題，更完成了一次組織文化的升級(jí)——從依賴經(jīng)驗(yàn)和報(bào)表，轉(zhuǎn)向了“讓數(shù)據(jù)通過對(duì)話流動(dòng)”的新范式。正如 IDC 報(bào)告所印證的那樣，這種將 AI 能力深度融入業(yè)務(wù)流的探索，正在定義保險(xiǎn)行業(yè)數(shù)字化轉(zhuǎn)型的未來。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
