1999 年前后，产险更多依靠兼业代理，寿险主要依靠个人营销员，专业中介刚刚艰难起步。

原银保监会副主席陈文辉，无疑是这一市场的见证者。

1998 年 11 月 -1999 年 12 月，任原保监会保险中介监管部负责人。后来，2006 年至 2012 年作为保监会领导班子成员也分管过保险中介。

二十多年过去，保险专业中介已经发展成万亿级市场，专业中介贡献的保费在整个保险业中占到相当比例，这是长足进步。

背后，无疑是中国保险业整体发展的大势所驱动的。

过去二十多年里，中国保险业从资产规模只相当于美国一家中型寿险公司，成长为全球十大保险公司中占据三席的重要力量。按营收口径看，全球十大保险公司中，美国、欧洲和中国大体形成 " 三分天下有其一 " 的格局。

同时，不得不承认的是，专业中介这一市场，与全球头部中介机构之间，仍有很大距离。

但对于中国这样一个拥有超大人口的经济大国而言，必然有着庞大的需求，以及多层次的需求。这是最为确定的优势，更乃大势。

如是，与同样体量的经济体的专业中介市场对比，无疑，国内市场极具潜力，有着巨大的发展空间。这是共识。

但，这样的潜力，究竟该如何释放？这是关系专业中介市场发展根本的问题。

尤其在今天，答案已经不能只从传统渠道、传统组织、传统销售方式中寻找。

当 AI 成为这个时代最重要的技术变量和发展红利，如何理解 AI，如何拥抱 AI，如何把 AI 转化为保险业的生产力、服务力和竞争力，已经成为保险行业无法回避的命题。

对于仍在走向成熟的专业中介市场而言，更是如此。

专业中介的未来，不仅取决于市场规模有多大、机构数量有多少、渠道合作如何变化，也取决于能否在新一轮技术变革中重塑专业能力、服务能力和组织效率。

也正是在这样的背景下，在第 7 届「今日保 · 保险中介发展峰会」上，原银保监会副主席陈文辉带来了《全面实施 " 人工智能 +" 行动，加快保险强国建设》的主旨演讲。

以下内容根据陈文辉演讲材料整理。

先看大势：改变生产方式的，就是大势

需要把 AI 变成质量提升的抓手

最大的变化，无疑是科技进步带来的生产方式的改变。

这是陈文辉如此关注数智化转型，尤其是 AI 应用的原因。而全面实施 " 人工智能 +" 行动，也是加快保险强国建设的重要抓手。

" 十五五 " 规划纲要明确提出加快建设金融强国，保险作为金融体系的重要组成部分，自然承担着建设保险强国的任务。与此同时，从党中央部署 " 人工智能 +" 行动，到金融监管部门鼓励行业加快数智化转型，AI 已成为金融业提升质量、重塑能力的重要方向。

保险是金融的重要组成部分，建设金融强国离不开保险强国，而保险强国也不能只看规模。

2025 年，我国原保险保费收入达到 6.12 万亿元，总资产达到 41.32 万亿元，规模已经相当可观；但从保险密度、保险深度看，与成熟市场相比仍有差距。这意味着，保险业下一阶段要解决的不只是 " 做大 "，更是 " 做强 " 和 " 做深 "。

在这个过程中，科技的作用正在变得越来越突出。纵观历次工业革命，本质上，其实就是生产方式的革命，从而改变了生产要素的效率，提升了产出价值。

陈文辉认为，金融发展与科技进步始终相伴相生，每一次技术进步都会改变金融业的商业模式和底层架构。

过去几年，云计算、大数据、区块链都曾是金融科技讨论中的高频词，但现在，人工智能正在成为最重要的变量。AI 已不再是边缘工具，而是正在进入金融机构的核心业务流程，重塑金融服务的价值链。

从保险业看，这种变化已经开始发生。

陈文辉认为，保险业 AI 应用分为三个层次：

上游是数据与人工智能基础层，中游是人工智能大模型与工具层，下游则是 " 保险 +AI" 的应用层。

保险业本身拥有数据富集、流程标准化的特点，这使其在 AI 应用上具有天然优势。无论是销售、核保、理赔、客服，还是风险管理、产品开发、运营管理，AI 都有可能参与流程重塑。

陈文辉认为，2026 年将是保险业 AI 应用的大发展之年。

原因在于，大模型正在进入更普惠的阶段：模型成本继续下降，使用门槛继续降低，开源模型促进创新扩散，消费级应用快速普及，智能体也在变得更成熟。AI 不再只是少数大机构的技术投入，而开始成为更多保险机构、中介机构都能使用的基础能力。

一般来说，一个新技术能不能落地，关键看两点：

一是成本能不能降到大家用得起，二是技术本身是不是足够好用。

现在，大模型在这两方面都到了新的阶段。过去查资料、做研究、处理信息需要花很大精力，现在通过大模型和智能体，很多基础工作可以被快速完成，人的工作方式也被重新塑造。

这也是陈文辉将 AI 应用提高到 " 生死存亡 " 高度的原因。

相比银行、证券等金融行业，保险业在数字化和 AI 应用上整体仍偏谨慎，投入深度和应用成熟度都有差距。

更何况，汽车行业已经证明，电动化、智能化可以重塑一个产业的竞争格局。即便银行业，也已经出现了以摩根大通为代表的 " 全 AI 银行 " 转型样本。

摩根大通每年在 AI 上投入约 20 亿美元，其目标不是把 AI 做成某个部门的实验项目，而是让 AI 改变每一个岗位、每一道流程、每一个人，成为组织运行的底层能力。

这对保险中介尤其值得重视。

在陈文辉认看来，专业中介机构没有大型保险公司那么重的历史包袱，在技术应用上的顾虑和压力相对更小，反而可以采取更大的行动。

当信息不对称被技术进一步消除，这也逼迫中介机构从简单连接客户和产品，转向理解风险、组织服务、提升体验和创造长期价值。

AI 当成为公司级战略

在全面应用 AI 方面，陈文辉提出了几个思考。

首先，数智化转型必须上升为公司级战略，必须是一把手工程。

AI 不是短期项目，而是企业持续发展的战略长跑。公司主要负责人要亲自推动，确保组织目标和转型思路一致。仅仅把任务交给信息技术部门，往往难以真正改变业务。

更何况，真正有效的转型，不仅需要技术、业务、数据深度融合，还需要组织架构相应调整，更需要全员具备数字化意识。

其次，AI 项目要从有原始驱动力的场景入手。

所谓原始驱动力，就是这些场景本身就有强烈的业务需求，比如降本增效、防控风险、优化客户体验。只有当 AI 应用带来的收益高于投入，项目才可能持续推进。

故而，保险中介机构做 AI，不应追求表面热闹，而要找到能够真正降低成本、提升效率、改善体验、控制风险的关键环节。

陈文辉还特别强调 " 好用 " 原则。

即，评价 AI 场景落地成效，不能只看调用次数，也不能只看 Token 消耗。好不好用，取决于模型能力和工程能力结合之后，能不能解决真实业务问题。

比如通用模型不智能、精度不足，就需要通过提示词构建、知识库建设、数据合成、模型微调和场景数据积累来优化；如果端到端时延高、体验不好，就要通过部署优化、推理优化、平台优化和流程优化来解决；如果任务闭环能力弱，就要围绕真实业务流程重新设计智能体的交互与执行链路。

换句话说，AI 落地，是完成一整套工程化改造。

人才无疑是又一关键。

陈文辉认为，保险机构未来需要的不只是传统 IT 人员，也不是单纯 " 懂 AI" 的技术人员，而是能够把保险专业、业务场景、数据能力和 AI 工程化能力结合起来的复合型人才。

过去保险公司负责人中，销售、精算、投资背景的人才曾在不同阶段发挥重要作用；未来，懂 AI、懂业务、能推动组织转型的人，将成为行业更需要的核心骨干。

此外，数据治理，则是另一基础设施。

AI 应用离不开高质量数据集。数据如果找不到、看不懂、不准确、不及时，就会成为转型的重大阻碍。

企业需要从源头抓数据质量，让数据清洁、完整、一致，并在经营过程中形成数据价值循环。

对金融机构来说，一方面内部系统会沉淀大量经营数据，另一方面产业数字化也会提供更丰富的产业数据支持。

中小金融机构和中介机构尤其要结合本地化、特色化优势，挖掘产业链和供应链数据，形成差异化服务能力。

效率之外，AI 也会带来新的风险

重新定义专业中介的价值

AI 的应用，显然不能只谈效率。

陈文辉表示，保险是经营风险的行业，专业中介又处在连接客户、产品和服务的前端。如果 AI 进入客户沟通、产品比较、需求分析、风险提示、理赔协助等环节，同样会有着新的问题。

尤其是，AI 在产品责任、免责条款、健康告知、理赔条件等方面存在差错，就可能造成误导销售或服务纠纷。对以服务立身的专业中介来说，这类错误尤其敏感。

事实上，AI 幻觉，只是 AI 风险的一个方面。

算法歧视、可解释性不足，以及多模态融合与数据安全问题，无不是行业需要面对的挑战。

典型者，如算法歧视。模型依赖数据训练，如果历史数据本身存在偏差，AI 可能把这种偏差带入客户分层、风险识别、产品推荐中。尤其是在健康险、养老金融、普惠保险等场景中，算法如果只追求转化率、件均保费或短期利润，则可能忽略了真正需要保障的用户。

还一个，就是存在 " 可解释性不足 " 的问题。对中介机构而言，的确，AI 可以辅助顾问提高效率，但不能替代专业人员承担解释责任。一个看似万能的回答，这或许并非客户所期待的。

陈文辉因此强调，金融机构需要建立完善的 AI 治理架构，确保人类对关键流程的掌控，切实防范 AI 运用可能带来的一系列风险。

显然，这样的治理架构，必须要嵌入系统设计本身。

比如，哪些场景可以由 AI 直接响应，哪些必须由人工复核；哪些数据可以进入模型，哪些只能在授权范围内调用；哪些输出可以作为内部参考，哪些能够面向客户展示；模型回答依据从哪里来，错误如何追踪，责任如何划分，都要在系统建设之初就讲清楚。

否则，AI 越好用，越容易被滥用；流程越自动，越容易让风险在不知不觉中扩散。

这对专业中介提出了新的能力要求。

中介机构过去习惯用销售队伍、培训体系和合规检查来管理前端行为，但 AI 加入之后，管理对象不再只是人，还包括模型、数据、提示词、知识库和智能体流程。

一个顾问使用 AI 生成客户方案，背后可能涉及产品库信息是否准确、条款更新是否及时、客户信息是否授权、推荐逻辑是否适当、风险提示是否充分。中介机构如果不能管理这些环节，就很难真正把 AI 变成生产力。

这是一大挑战。事实上，AI 能力不仅仅是销售的能力、客户触达的能力，更是数据治理的能力、消费者保护的能力、合规的能力。

在效率提升和风险控制之间取得平衡，才是关键。

从这个意义上看，AI 其实是在重新定义专业中介。

缺少专业能力、只依赖信息差和流量转化的机构，会更容易被技术替代；真正具备客户理解能力、风险解释能力、服务整合能力和合规治理能力的机构，则可能借助 AI 扩大优势。

技术的发展，纵然将简单的问题交给了机器，但同时也把更复杂、更需要信任的部分，留给了人。

事件发生于 2026-06-11 北京市