保险公司如何通过精准部署AI驱动收入增长：五大举措将愿景转化为业务增长

保险公司如何通过有目的地部署人工智能来驱动收入 五种行动将雄心转化为成长 作者 安纳德·普雷姆苏达尔总经理 - 全球数据AI保险主管 拉维·马尔霍特拉高级执行董事 - 全球保险业务负责人 与拉维联系 与 Anand 联系 安南担任生成式人工智能（生成式AI）的执行赞助人，并负责领英Accenture全球保险业务的数智化转型。凭借超过20年的经验，他与保险公司高层领导合作，制定并执行以数据和AI驱动的转型战略。安南在客户终身价值、车联网以及生成式AI在保险价值链中的应用方面拥有专利。他专精于由AI、机器学习和高级分析驱动的数字化战略与转型，在将复杂的业务挑战转化为数据驱动解决方案方面拥有深厚专长。 拉维领导埃森哲的全球保险业务，并花费了20多年时间帮助领先的保险公司提升竞争力。他与北美、欧洲和亚太地区的客户合作，解决与增长、运营效率和大规模转型相关的问题。作为数字颠覆和保险未来的频繁演讲者和作家，拉维在制定行业战略和推动变革方面拥有深厚的专业知识。他拥有西北大学的理学学士和工商管理硕士学位。 通往人工智能原生保险之路 第29-30页 大多数保险公司主要投资于人工智能技术，目的是改进其现有业务运营方式，并且已经看到了实际成效。保费收入的增长主要得益于更优的定价、个性化服务以及交叉销售。 这些固然重要，但人工智能应用的下一次成熟跃升将为长期成功带来远为重大的影响。这是因为根据我们最新的《变革脉搏》研究，这次跃升将聚焦于增长。事实上，在20个国家对218位保险行业高管进行的调查中，目前有85%的人认为收入增长正成为人工智能为其组织带来的更重要的益处，这一比例较两年前的68%有所上升。 保险公司面临的挑战在于，在持续改进现有实践的同时，构建未来提供具有竞争力、更高价值客户成果所需的新渠道和工作流程。 我们的调查结果，结合我们当前客户的实际工作，为我们提供了如何做到那一点的见解。我们还直接与负责数据、人工智能、技术和商业转型的高级管理人员进行了交谈（有关研究方法的更多细节，请参阅第6页的研究方法框或本报告末尾的关于研究部分）。 总的来说，我们发现保险公司需要从“无处不在的AI”模式转向“有目的的AI”模式，以重塑其业务。 若能策略性地应用，人工智能为保险公司提供了转型良机，使其能从被动服务提供者转变为主动、行业领先的 enterprise。 具体而言，我们的研究发现，有五项相互关联的行动支持这种转变： 行动一：将人工智能部署与业务战略对齐，以确保其直接支持企业整体目标。 行动：发展人才生态系统，纳入以人为导向、代理到代理的工作流程。 AI代理将负责初步处理首次损失通知（FNOL）、收集文件资料、协调维修事宜并将异常情况升级至人工理赔员。在分销领域，它们可以为经纪人提供报价比较、保单服务及个性化推荐等支持。这使人们能够专注于增加独特的人类价值：考虑情境中的细微差别、运用情境判断力，并富有同理心地倾听客户。它也为更具创意、更具前瞻性的工作创造了空间，尤其是在将保险视为一种生活与生活方式需求，而非仅仅是产品来对待时。 本报告考察了保险公司当前如何使用人工智能，并详细探讨了各项具体行动。 研究方法 为探索人工智能（AI）在保险业所有形式中的潜在影响，并辨别如何最大化其投资回报率，我们对263位高级保险主管进行了调查，这些主管对人工智能、数据、技术和业务转型负有直接责任（其中财产险和意外险 [P&C] 89人，人寿和年金 [L&A] 及综合险74人，另100人为综合险）。我们还对来自亚太地区（日本东京海上日兴保险）、欧洲（英国劳合社、德国安联保险、法国安盛保险、意大利忠利保险、德国慕尼黑再保险、瑞士苏黎世保险）和北美地区（美国利宝相互保险、美国大都会人寿保险、美国纽约人寿保险、美国进步保险公司、美国州农保险公司、美国哈特福德保险公司、美国旅行者保险公司）的15位行业高管进行了深入访谈。本报告中后续所有数据点均与本次研究相关，除非另有说明。我们的研究专家在可能的情况下，采用传统研究方法审核和验证生成式AI的输出结果，并遵循埃森哲（Accenture）的负责任AI标准。 关键背景 人工智能（AI）与数据项目正产生积极影响，但难以实现企业范围内的价值。AI正推动营收增长。在我们研究的保险组织中，81%已通过AI与数据项目实现了保费收入的至少5%提升。在此群体中，有7%实现了超过20%的改进，这得益于更优的定价、个性化服务与交叉销售（见图1）。 随着保险公司持续利用人工智能提升盈利能力，它们也实现了更快的承保周期、提高了准确性和定价，从而降低了损失率。他们通过在数据更充分、回报更明确的风险评估和理赔等领域扩展可重复的高价值用例来实现这一点。许多人已超越概念验证阶段，正在构建支持规模扩展所需的流程、治理和基础设施。 正如一位行业高管所指出：“承保和理赔是生成式AI已经展现出30-40%生产力提升的领域。我们从这些地方入手，因为数据清晰且投资回报率明确。” 因此，AI正在核心价值链领域带来可衡量的影响，随着组织从定义明确的应用案例中学习并扩展到更复杂的领域。 最有效的方法依赖于标准化，包括共享的数据模型、一致的指标和统一的治理。以下用例展示了在报价与响应时间、承保、保单服务和理赔处理方面的具体收益。 一家承运商通过赋能分销代理，实现了报价速度更快、效率更高。为了实现这一目标，该组织首先通过整合CRM、保单管理和第三方数据，构建了一个强大的数据基础，从而为客户提供360度的客户和潜在客户视图。随后，高管们利用这一数据基础，为销售漏斗中工作的员工开发了生成式AI支持：为活动生成基于趋势的概念，为培育潜在客户提供个性化内容，以及提供个性化产品推荐。结果如何？转化率显著提高（提高了30-40%），新业务价值也提升了3-5%。 另一家保险公司重新设计了承保流程，整合了零散、非结构化的数据集，以加速洞察力的生成。该组织首先通过构建基础技术能力（包括云基础设施）起步。随后，高管们运用业务简化工具（如标准化风险控制、用户体验设计、工作流整合），并借助库架构和评估框架实现了更有效的即时工程。最后，他们在部分战略业务线和区域实施了最小可行产品流程。 这些步骤帮助保险公司实现了新业务保费10-20%的增长，并将报价时间缩短了80%以上。 第三家保险公司通过部署人工智能、生成式人工智能和代理能力，转变了其保单服务活动，帮助员工降低服务成本并提升客户体验。 该组织的活动包括：自动化文档分类和数据提取工作流程；实施动态政策生成模板，并确保所有产品线的一致采用。因此，保险公司将处理时间缩短了42%（平均每个案件节省30分钟）。它将周期时间缩短了约60%（从约五天缩短到约两天）。它还释放了约5%的全时当量（FTE）产能。最终，它提升了端到端处理能力和企业的可扩展性。 第四家保险公司通过部署定制的、基于第一代人工智能的助手来改革理赔处理流程，为员工提供新的支持层级。该机构首先通过处理理赔员使用的结构化数据、文件和沟通记录，对理赔输入文件进行分析和综合。随后，它生成了涵盖财产损失详情、相关合同和联系历史的结构化、统一的自然语言摘要。通过解耦现有技术架构，使其能够独立于传统的理赔系统运行，该公司确保了最小的干扰和对外部应用的低依赖性。 该组织迅速意识到，对于简单的索赔（“可柜台解决”），可节省25-35%的时间。对于复杂的索赔，例如需要专家评估的索赔，可节省35-45%的时间。此外，它将索赔流失率降低了0.5-1.5%，并将平均首次报价时间缩短了30%。 尽管有这些已证实的应用案例，我们的调查发现，不到三分之一的（32%）保险高管将“推动营收增长和业务扩张”列为驱动其人工智能和数据投资的三大领域之一。 在大多数情况下，企业整体仍然错失了良机。是时候开始采取更全面的方法了。这样做将更有目的地推动收入增长、业务扩张和生产力目标；它也将满足对可持续、包容性保险的需求。例如，优化定价模型或简化承保流程可以提升局部绩效——但如果不将这些洞察力反馈到分销、产品设计以及交叉销售策略中，保险公司就会错失将风险洞察直接与收入决策挂钩所带来的复合式增长效应。 企业要取得市场领导地位，就必须在整个企业范围内统筹人工智能，寻求各项举措之间的联系，并将每一项活动都与可衡量的商业成果挂钩。 只有32%的保险高管将营收增长和业务扩张列为人工智能与数据投资的前三大驱动力。 那些能够有效扩展人工智能并意图推动企业整体收益的组织，将能更快地将新产品推向市场。它们将拥有更具生产力和人工智能素养的员工队伍。它们将构建嵌入整个企业的能力，使其更难被复制。最终，优势将不来自采用人工智能，而来自其在业务中如何被审慎扩展。 以下五个行动为该工作的成功奠定了基础。 行动1 将人工智能部署与业务战略相匹配 为确保其直接支持企业整体目标 目前，只有23%的保险公司实现了企业范围内的AI集成（参见第12页的图2）。 帮助人们主动运用人工智能以达成业务目标的培训。因此，技术的所有权被分割，投资也是如此。预算在专注于培训和平台的集中式倡议与由各个业务单元或企业职能部门驱动的分散式努力之间分散。这种方法提供了灵活性，但代价是高昂的。 大多数组织仍然将人工智能战略与执行分开。业务领导者定义目标，但交付工作主要落在数据、人工智能和技术团队身上。该组织提供丰富的培训，但这并不一定。 所需要的，是商业战略、人才战略和技术战略之间建立清晰的联系。保险公司需要将人工智能视为直接与成果挂钩的业务能力，并据此明确责任归属。这需要协调独立的战略、投资和执行，并在整个企业范围内而非仅仅在孤立的功能部门内扩展用例。 行动2 将人工智能技能扩展到整个workforce 结合技术与商业知识 人工智能在几十年间比任何技术都更快地占据了领导者的心智份额，但大多数组织尚未重新设计工作方式、衡量标准或思维模式来捕捉这些价值。因此，在某些情况下，采用速度飞快，但价值创造却滞后。 人工智能部署；员工能够也应该与人工智能共同创造未来。人们渴望与它合作。组织有责任通过建立信任——对技术本身的信任，以及对组织使用人工智能的意图的信任——来利用这种渴望。这部分的含义是，要迅速、透明地解决员工的担忧——例如工作保障、工作负荷以及人工智能的伦理使用。 那是因为部署人工智能的速度并不一定转化为有效、主动的使用。人是投资回报的关键推动者。 关键在于，这也意味着要用数据和实际支持来回应，以便人们理解这项技术如何运作，它如何能帮助他们实现商业目标，以及它如何能为他们的工作和职业生涯创造新的机遇。正如一家大型保险公司的资深技术架构师所说：“人员的准备比技术本身更难。挑战在于帮助员工将人工智能视为赋能者，而非威胁。” 埃森哲的最新研究表明，以人工智能为核心重塑工作及劳动力队伍的组织，更有可能构建能够快速跨岗位调整的适应性劳动力队伍，其可能性是前者的4倍；更有可能强化组织文化，其可能性是前者的7倍。 若无信任，则无采纳与价值实现。学习亦需自高层始。高级管理人员需从单纯赞助走向亲身参与。当他们对AI系统的工作原理、价值所在及风险源头有深入了解时，便能促进协同与信心——从而能更佳地、负责任且全面地将AI融入工作、文化与决策之中。 人们的准备比技术本身更难。挑战在于帮助员工将人工智能视为赋能者，而非威胁。 图3详细说明了组织需要解决的重大差距，包括技术AI基础、机器学习运营以及数据工程与治理。这些脱节限制了组织扩展AI的能力。在企业范围内，让传统业务导向的员工进行AI学习，对于弥补所有最关键技能差距——即能够将AI转化为商业价值的能力——具有重要作用。目前，83%的保险公司报告在该领域存在中等到严重的不足。 来源：保险人工智能调查，埃森哲，2025年10月至11月。受访者被要求对其组织的数据和人工智能技能差距进行排序。 解决难题的关键在于可及性。虽然70%的保险公司推出了针对性的技能提升计划，但只有14%的企业已将这些计划推广至整个公司。人工智能能力仍然集中在少数人手中，在承保、理赔、精算