ARTICLE · 1134401
AI 投保靠谱吗
AI 投保靠谱吗
先说一个变化 今年五月，有一份报告发布。 里面有个数字，我看的时候停了一下。 超四成的保险消费者，在买之前，会用 AI 工具把产品比一遍。 超过一半的人，会把 AI 推的那几款，列进自己的备选名单。 这份报告是元保集团和清华大学五道口金融学院一起做的，已经连着做了五年。 换句话说，你坐下来跟我聊之前，桌上可能已经摆着一份 AI 给的方案了。 我更愿意把这当成好事。 但它同时带来一个新问题。这篇文章想说的，就是这个。 AI 强在哪，我得说句公道话 它确实快。一份几十页的条款，它能一下定位到那句话。 今年年初，二十一世纪经济报道的记者做过一次实测。 他们把一份上万字的百万医疗险保单丢给几款国产大模型，让它把免责条款挑出来，翻译成人话。 结果不错。 有模型精准定位到第 2.10 节，拆成“疾病不赔、行为不赔、费用不赔”三大类。 连“重大既往症在续保期里怎么赔”这种最容易看漏的规则，都被它点出来了。 这一步，我认。 查资料、读条款、算数字，这些活本来就该交给它。 我把这叫作，抹平信息差。 过去靠信息不对称吃饭的那一套，AI 一来就没了。 问题是，它错的样子像对的 但它会错。 而且它出错的时候，听起来和对的时候，一模一样。 英国有一家做金融科技的公司，叫 Saturn，做了次考试。 18 个主流 AI 模型，121 个真实的理财问题，每一题问五遍，一共一万多个答案。 答错的占到 57%。 如果问题要一步步往下推，错误率升到 88%。 就算是表现最好的那个推理模型，也还有将近四成答错。 错得最离谱的一个，编了一条英国根本不存在的养老金免税规则。 谁要是照着做，可能要罚一万七千五百英镑。 研究的人说了一句话，我很认同。 人们信任 AI，是因为那些回答听起来很有说服力。 它错的样子，和它答对的样子，是同一个样子。 所以得先聊一句，什么叫容错性 用 AI 的人，早晚都要接受一件事：它会错。 但真要接受，得先分清一件事——哪里错了不要紧，哪里错了要命。 我把它叫容错性。 查一个概念错了，再查一遍就是，容错率高。 让它解释条款，讲偏了，对着原文一看就知道，容错率也高。 但有一类事不一样。 签字的事、告知的事、承诺的事——错了不能重来，或者重来一次代价很大。 保险这个行业，恰恰一大半长在后面这一类上。 它要签名字，要如实告知，要履约几十年。 所以在保险这件事上，AI 现在有三道关，过得不太好。 一道一道说。 第一关：投保 先说时效。 它的知识有截止日期，不知道哪款停售了、哪款升级了。 有些早就下线两年的产品，它还在当新品推荐给你。 2025 年以后，第四套生命表开始实施，预定利率又在动态调整。 有媒体测下来，部分模型引用的费率，还停在历史的库里。 你按它给的数算了一笔账，算得挺认真。 但那笔账，已经不是现在这笔账了。 再说条款。 有用户反映，AI 把“乳腺结节除外”讲成了“乳腺相关疾病全不保”。 差几个字，保障差出一大截。 《金融时报》写过两个更实在的例子。 一位 52 岁的女士，去年底用 AI 规划养老。 AI 给她推荐了一款年金险，把“月领一万、终身领取”加粗展示，唯独没提“80 岁以后才能领”。 她按年交十万、交五年投了进去。 后来翻合同才发现，如果在 80 岁前身故，只赔已交保费的 110%。 更麻烦的是，那个工具默认 30 天清空记录，她想找人说道说道，记录已经没了。 另一个例子，出在支付环节。 一位公司负责人深夜急着给三名员工买团体意外险，人工客服打不通，就问了 AI。 AI 生成了一张一千六的保单，发来二维码，说转账就能投保。 他扫了，收款方是个个人账户。 第二天在保险公司查不到保单，反复追问，AI 还在说“已成功生成，收不到短信是系统延迟”。 后来查明，那二维码是某位工程师发在博客上的打赏码，被模型的语料错误地关联成了支付入口。 这一关的麻烦在于，投保是要留痕的。 你签的那个字、你说的那句话，往后一直跟着你。 第二关：核保 这一关，问题更集中。 还是那次实测，记者模拟“甲状腺结节术后”“早产儿投保”这一类非标体去问几款模型。 它们给的回答，大多是标准结论的堆砌。 网上能搜到的通用说法，它复述得挺全。 但每一家保险公司当下这把尺子松还是紧，它抓不住。 北京大学有位朱俊生教授，长期研究这个领域。 他有句话说得很准：AI 现在并不具备真实的核保权，它的判断只能停在“规则复述”或者“概率性推测”。 国外有家专做 AI 评测的机构，也测过它的核保表现。 免赔额的判断准确率大概 78%。 到了“这个情况符不符合我们的承保范围”，掉到 61%。 最弱的一项是产品推荐，只有 37.7%。 这些数字翻过来就是一句话：它知道规则，但不知道这把尺子握在谁手里。 有人已经吃过这个亏。 一级高血压，不少 AI 会告诉你“不用告知，不影响投保”。 可如果这个人正在定期服药，或者医生让他定期复查，那就得告知。 真按它的话直接投了，最坏的结果是拒保。 而被拒保是要留记录的。 往后每一份健康告知，都会问你一句“是否曾被拒保”。 一句“不用告知”，可能要用好几年去解释。 第三关：方案建议 到了给方案这一步，AI 的表现其实不算差。 现在的模型已经不怎么“千人一面”了。 它会讲先保经济支柱、再保其他成员，也会讲先大人后小孩。 这些话都对。 因为它们是框架，不是方案。 我给一个家庭排保障顺序的时候，难的地方从来不在框架里。 这笔钱是给孩子留的，还是给自己养老的。 家里两个人都能赚钱，但在未来五年，谁更不能出事。 房贷还剩多少年，孩子还有几年毕业，父母的照护钱从哪出。 框架能覆盖所有人。方案只能对应一个家。 还有一个更硬的证据。 同样是那次实测，记者让几款模型算增额终身寿险 60 岁的 IRR。 答案在 2.65% 到 2.93% 之间来回飘。 原因不难理解——通用模型手里没有保险公司的现金价值表，它是在推，不是在算。 所以那些数只能当数量级参考，替代不了一份正式的利益演示表。 那还用它干什么 当然要用。 我从来不觉得应该劝人别用。 它把过去要靠人跑腿的那些活，几秒就干完了，这是实打实的进步。 但用它之前，心里得有三条。 第一，把它当信息来源，别当责任主体。它答错了不赔钱，你要签字，你得自己兜着。 第二，凡涉及具体产品的结论，都去核实一遍。不是不信它，是这件事本来就得双人复核。 第三，在它没有拿到你完整的信息、也没有人替你复核之前，别直接照着它下单。 这三条不是我编的，是朱俊生教授给消费者的建议，我只是翻成了普通话。 他还有一句话，说到了根上。 AI 正在改变保险信息的获取方式，但还没有改变保险决策的责任归属。 获取方式变了，责任归属没变。 这一句，就是所有问题的答案。 它其实帮了我一个忙 说回我自己。 干这行十年，我最怕的从来不是客户不懂。 是客户以为自己懂了。 过去我有一半时间，花在讲常识上。 什么是等待期，什么是免赔额，为什么不能只看收益率。 现在这一半，AI 替我讲完了。 坐下来，可以直接聊“你的情况”。 客户的问题反而变难了，也更有质量。 因为他把简单的那些问完了，带着三个更硬的问题来。 这不是我的危机，是我的运气。 最后 我不担心 AI。 真正需要说清楚的是另一件事。 用它，不等于信它。 这两件事，很多人是混着办的。 容错性这三个字，也不是在说“允许它错”。 是说你心里得知道，它错在哪一件上，代价最大。 那些代价大的地方，还是得有个人，替你看一遍。 那个人会不会用 AI，关系不大。 要紧的是，他知道 AI 哪儿靠不住。 
点击上方蓝字·关注我
副题｜AI还是靠不住
日更｜第 64 天
微信｜lcAgent
图｜网图，《 留白》
End
我是良辰，
陪伴您一起变得更好的朋友