文丨笃悠悠 编丨灰灰

保险业在 AI 应用方面突飞猛进，潜在风险也正在积聚——

一方面，AI 应用蕴藏着效率与个性化服务的巨大潜力，是行业数字化转型的强大动力；

另一方面，AI 应用跑得太快，而行业的规矩没有跟上，随着这个领域水越来越深，巨大的挑战必将到来。

举个例子：如今都说代理人只会算 IRR 是不行的，确实，元宝上的 DeepSeek，也能给你算算 IRR 了。

笔者实测，当问 DeepSeek " 理财型保险产品的头几年，为什么现金价值这么低 "，再问 " 买保险哪些渠道比较合适 "，大概率可以收获一个带有产品推荐的回复：

再比如，当问 AI 有关香港的保险公司和保险产品，也收获了一份颇为详细的 " 指导 "：

这样干，可以吗？

当然是有问题的 ...

问题的严重性在于，这里存在的合规问题、所涉及的风险面，可能远不止于消费者保护。

1

-Insurance Today-

" 算法背书 " 的营销兴起

塞了 " 私货 " 的大模型还 " 理中客 " 吗？

理性、中立、客观，是一直以来人们对大模型的固有印象。

但被塞了 " 私货 " 的大模型还能 " 理中客 " 吗？

大家应该也都感觉到了，有种做法正越来越普遍，那就是——

" 喂熟 "AI：有机构开始通过给大语言模型 " 开小灶 "，专 " 喂 " 自家的材料，结果就是 AI 看起来在客观分析，一开口却总向着 " 饲养者 " 说话。

首先要明确，AI 应用在保险业早已不是新鲜事。

多年来，行业巨头一直在积极布局，从最初用于反欺诈和自动化核保的窄人工智能，到今天更为复杂的生成式 AI，人工智能已渗透到客户服务、代理人赋能、理赔风控等核心环节。

而当前这一波，在于 AI 的可塑性。所谓 " 喂熟 " 模型，这种以商业行为为出发点的做法，主要靠两手：

一手比较巧，叫 " 检索增强生成 "（RAG）。

说白了，就像给了大模型一本特定的、且可以随时更新的 " 教科书 "，也就是一个私有知识库。AI 回答问题时，先从这本 " 书 " 里找答案，再组织语言说出来。

另一手狠点，叫 " 模型微调 "（Fine-Tuning）。

就是给大模型进行专业培训，用特定领域的数据集进行特训，从根本上调整其内部参数，让其具备某种特定的人格或观点偏好。

这背后，有一个值得警惕的趋势。

那就是算法背书作为一种营销方式的兴起。

代理人利用公众心中 AI 固有的客观、中立形象为自家产品增信，而这种做法完全可能会催生一种全新的销售误导。" 浓眉大眼 " 的 " 理中客 "，极有可能成为销售误导的帮凶。

而各家公司不仅会用技术影响 AI，还会系统性地培训代理人如何设计 Prompt，以诱导 AI 生成有利的回答，并将其作为营销武器。

比如，几乎每家公司都说，"DeepSeek 眼中的某某某 "。

比如，在社交媒体上，我们能看到来自各家机构的代理人，将 DeepSeek 的搜索结果截图作为营销和增信的工具。

2

技术为 " 监管套利 " 创造了条件

AI" 无证销售 " 得以畅行

除了上述 " 算法背书 " 作为一种营销方式的兴起这种趋势，另一种趋势也十分明显，那就是技术本身为监管套利创造了条件。

尽管大模型技术是次世代的，客观上极大地提升了保险全链路的生产力和产能，但同样的，大模型技术也让责任被完美地分散了。

保险公司可以说 " 我只提供了数据 "，而 AI 平台则可以说 " 我只处理了信息 "。这种技术护盾让传统的、基于行为的监管模式，难以抓住任何一方的小辫子。

从这个角度讲，销售误导似乎还不是最大的问题，因为一旦把 AI 干的这些事，跟目前的法规、合规条例放在一起看，系统性的问题就显现出来了。

比如，显而易见，AI 是 " 无证上岗 " 的。像 DeepSeek 这类 AI，你问它什么保险好，它真能给你推荐具体产品，连产品的 IRR 都算得明明白白。可问题是，它有资格牌照吗？没有。

要知道，" 机构持牌、人员持证 "，这是金融体系雷打不动的销售底线。持牌的虽然也有暴雷的可能，但不持牌的野生机构一定会出事儿。

2024 年 3 月起施行的《保险销售行为管理办法》，更是将保险销售行为划分为售前、售中、售后三个阶段进行全流程监管。

其中，" 售前 " 行为就包括 " 提供保险产品咨询服务 "，" 售中 " 则包括 " 向投保人说明和推荐匹配的保险产品 "。

而如今 AI 对比产品 IRR 等行为，和 " 提供保险产品咨询服务 " " 向投保人说明和推荐匹配的保险产品 " 没啥区别。

要是这么看的话，AI 可能就是一个没有牌照的销售顾问。

《互联网保险业务监管办法》明确禁止非保险机构从事提供保险咨询、比较保险产品、设计投保方案等核心销售活动。

此外，根据《生成式人工智能服务管理暂行办法》，AI 服务提供者作为 " 网络信息内容生产者 "，要对生成内容的 " 准确性和可靠性 " 负责。

那如果 AI 因为被 " 喂熟 " 了，将某家公司推荐为 " 最好 "，或者在进行 IRR 演算时未能充分揭示风险与假设前提，那它自己是不是也违规了？

将这些 AI 活动与现行法规并置一处，其间的冲突点便一目了然：

可以看到，保险机构影响 AI、AI 推荐保险产品、公司。整个 AI 活动过程中，既可能存在内容合规问题，也存在金融合规问题。

如果谈监管职责，应该会涉及不同监管部门，比如金融监管部门、互联网监管部门等。

3

以 " 正确 " 的姿态输出偏见

AI 应用正在侵蚀信任、公平与市场

可以说，上述 AI 乱象，侵蚀了信任、公平与市场。

首当其冲的就是消费者。

比如，很多人觉得 AI 特客观，行为决策常常参考 AI 输出的内容，结果可能最后就被忽悠了，买了保险公司、代理人想卖的，而不是自己真正需要的产品。

也就是说，真正让人感到不安的，是 AI 以 " 正确 " 的姿态输出偏见。

同时，基于历史数据训练的 AI 模型，可能会进一步放大既有的偏见。而其独特的 " 黑箱 " 决策过程又让责任追溯变得很困难，消费者的维权之路将障碍重重。

而且，从行业内来看，通过影响 AI 来影响信息传递，无异于 " 出老千 "，让坚守合规底线的老实人遭受降维打击，影响市场的公平竞争，长此以往，市场的健康生态也会被破坏。

当然了，这问题不只我们有，全世界都在头疼。

在这方面，国际发达经济体先行一步。比如欧盟就出台《人工智能法案》，采取了一种全面的、基于风险的横向监管框架。

其核心就是将用于 " 人寿与健康保险的风险评估和定价 " 的 AI 系统明确划分为高风险类别，一旦被划入，就必须履行风险管理、数据治理、人类监督和高度透明等一系列严苛义务。

美国没有单独搞一部 AI 法案，而是把现有的金融法规延伸适用于新技术。

后记

AI 也要立规矩了

事实上，用技术走捷径的每一个小聪明，都是在为整个行业的信任挖坑。

AI 平台提供包含 IRR 计算在内的保险产品对比，以及可能存在的一些明显偏见，这当然是不对的。但现在一些保险公司在利用它，似乎科技平台也在默许它。

AI 在金融领域的风险和问题，已不是 " 是否需要监管 "，而是监管的靴子何时落地、如何砸实的问题。

从直觉来看，不管技术叫什么，只要你干了 " 投资顾问 " 的活，就得按 " 投资顾问 " 的规矩来管，同时还严厉打击 "AI 清洗 "，即虚假宣传使用 AI 的行为。

不过，跨部委的协商是复杂的，更不消说 AI 领域本身也是复杂的，这就意味着，市场中的机构得先自己动起来，而不是趁机再套一波利。

比如，对于保险公司，可以为代理人设定清晰的行为准则，明确禁止使用 AI 生成的内容替代持牌的专业建议。

对于 AI 平台，更应在显著位置声明，其服务不构成任何财务或保险建议；且技术上，可能要构建 " 护栏 "，训练模型拒绝回答一些处于监管边缘的问题。

至于引用的源头，可能也是很重要的一点，毕竟现在大模型已经能引用公众号的推文，很多产品对比也来源于此，那未来是否也能引用抖音、小红书的内容？而这些平台，则有更多的监管灰色内容。

当然，AI 对生产力的革新已有目共睹，因噎废食诚不可选。

但填补风险真空，也刻不容缓。今年二季度，国内的互联网监管部门就发起了整治 AI 技术滥用的专项行动。

如此看，AI 在金融保险领域的 " 规矩 "，估计也快来了。

【今日保】已进驻以下媒体平台

和讯名家 | 金融界 | 东方财富 | 雪球 | 搜狐号

大鱼号 | 野马财经 | 网易号 | 知乎 | 一点资讯

抖音 | 微信视频 | 爱奇艺 | B 站 | 快手 | 西瓜