文 | 周天財經

周天財經 原創出品

(資料圖)

丘吉爾曾說：「如果我能辦得到，一定會把「保險」兩個字貼在家家戶戶的門上，每一個公務員的手冊上，每個企業的章程里。」作為一項相當特別的金融產品，保險幫助我們對抗「不確定性」。

But，在投保時，我們卻發現，不確定性還是無處不在：

各類險種五花八門，該優先配置哪個？

每一項險種下又有不同保司的不同產品，該怎么選？

即便是選定了一款產品之后，買多少保額才算合適？

…

以上只是粗略一列，每一項問題展開背后又有著許多門門道道，就比如醫療險和重疾險區別，保險合同中的各類專業術語等等，「買保險究竟要怎么買」成為困擾著消費者的共性問題。

圖片來源：微博

以我詢問了身邊朋友的情況來看，絕大多數人都對保險的重要性有認知，知道保險重要，再往下大致分為三類，一是覺得太復雜被「勸退」，二是硬著頭皮找資料、咨詢專業人士弄清楚各個細節，三是囫圇買了些產品，但可能存在沒買足保額或是買到性價比較差的產品，甚至可能因為健康告知問題有無法理賠的風險。

造成這一現象的原因，一方面是保險本就是復雜度極高的金融產品，其本質是為風險和意外定價，保險公司還要確保有錢賺，普通人想弄清楚費時費力是常態；另一方面，與商業保險相對發達完善的西方國家相比，中國保險行業起步較晚，但市場規模又很大使得過去多年行業野蠻生長，供需兩端都沒有建筑起很好的互信基礎，急需站在消費者需求角度進行方案規劃的意識和能力。

圖片來源：微博

那么，有什么辦法能夠讓消費者省心省力買對保險？

我們注意到，在支付寶里的螞蟻保板塊，近日正式上線了名為「省心配」的智能保險配置工具，通過人工智能技術為困擾消費者和全行業的投保痛點找到了一條新道路。

GPT 時代，AI 保險規劃師來了

「省心配」顧名思義，就是能夠根據用戶的個人實際情況量身定制保險配置方案，用戶在支付寶搜「省心配」就能體驗，非常值得一提的，這是行業里首個 AI 保險規劃師。

在實際使用過程中分為三個步驟「風險分析 - 保障評估 - 產品匹配」，只需要用戶確認年齡、地區、收入等信息后，就可以通過螞蟻保 HRAAM 保障配置模型來生成方案，全程不超過 30 秒。

一個產品細節是：如果是為本人配置的話，像年齡和常駐地區已經有默認填寫，收入則是采用了統計數據中的當地平均收入水平，如果收入與實際不符，也可自行手動調整，這也降低了填寫提交信息的復雜度，頁面上也注明了對隱私數據的相關保護，有效減少了用戶對輸入個人情況的顧慮，打磨相當充分。

通過 HRAAM 模型計算，最終在產品匹配頁面，省心配會選出最適合用戶的一組配置方案，并且直接給到具體的產品、保額以及配置順序，用戶再根據自己的實際需要進行購買即可。

我在使用過程中最大的感受是，省心配將科技能力與產品打磨結合得非常「絲滑」。

一方面，HRAAM 模型的測算需要的個人數據遵循「最小可用」，只需要填寫很少的個人情況，給出的推薦結果卻十分「務實」：每一項的配置保額都有嚴謹的計算公式，比如意外保障就綜合了用戶、年齡、人群的意外發生率、收入水平、用戶常駐地的康復護理費以及用戶年齡人群的建議補償周期，讓保額夠用但又不會太多導致浪費錢；另一方面，省心配在每個環節都配有相關的文字解釋和數據參考，一目了然，非常適合沒有太多配置經驗的保險小白。

這款模型處處體現著「夠用」的產品精神，技術有價值觀，HRAAM 模型背后的價值觀是：減少用戶過度購買，避免過度保障，減少用戶焦慮，好的產品，理應是「less is more」的。

類似于目前大熱的 ChatGPT 產品：用一個極致簡單的對話框蘊藏了人類迄今為止最先進、復雜的人工智能工具，產品在前端界面越簡單、強大、易用，往往意味著產品將復雜留給了自己。

盡管看上去都是一種「生成式 AI 應用」，但「省心配」背后的核心 HRAAM 模型（Househould Risk Assurance Allocation 家庭風險保障配置模型）和 GPT 等自然語言處理模型不同，HRAAM 主要專精于運籌優化領域，并且因為是通過螞蟻保的行業垂直數據進行訓練，在風險判斷和產品匹配上更具「術業專攻」，能夠合理分配有限的資源覆蓋更多的風險情況，而不經過垂直領域訓練的 GPT 相對來說缺少行業數據，且在短期內也缺少直接形成配置方案的可能性。

HRAAM 模型是在保險精算學理論的基礎上，融合傳統金融學方法論，運用神經網絡算法技術，針對每個用戶配置幾萬種到十幾萬種方案，最終「翻箱倒柜」地選出最適合用戶的一組方案在前端呈現，可以說后臺運算這短短幾秒時間稱得上是「袖里乾坤」。

就目前的體驗而言，螞蟻保省心配已經能夠滿足普通用戶「買什么險種」、「買哪款產品」、「買多少保額」的問題，而且因為每個步驟的解釋非常清楚，即便用戶最后不選用省心配的方案進行配置，單是使用產品的過程，也是一次個性化且直觀易懂的保險科普。

AI 定制保險配置，暗藏著互聯網保險的未來

將 AI 應用于保險行業并不新奇，此前幾年如 AI 智能客服、AI 保險精算以及利用 OCR 識別智能理賠已經在大型保險公司得到了普及運用，但是在渠道端直接去和用戶接觸的成功用例少之又少。

以 2020 年 7 月上市的 Lemonade 為例，這家公司依靠純線上模式獲客、投保、查詢和理賠，試圖通過去掉代理人環節節省下來的傭金讓利給客戶，但是由于獲客推廣仍然需要高昂的市場營銷成本，加之內部經營效率問題 Lemonade 遲遲未能盈利，上市后還曾被渾水做空，目前股價已不足高峰時期的十分之一，可見保險科技的商業實踐遠比紙面推演復雜得多。

分析下來，原因還是門檻過高：需要同時具備技術能力、數據支持以及用戶信任，符合要求的玩家本就極其有限。以螞蟻保為例，深厚的技術研發能力，「剛好夠用即可」的產品觀，是螞蟻保能夠推出「省心配」的前提，據周天財經了解，HRAAM 模型在推薦過程中不受傭金因素影響，主要是站在用戶角度進行公正客觀的科學配置。

自去年底 ChatGPT 橫空出世以來，業界認識到 AI 會讓很多行業「值得重新做一遍」，保險行業或許也不例外，「省心配」就是新一輪 AI 浪潮下的垂直產業先鋒產品。

AI 在走近人們生活的過程中，本質上還是要服務于人，以人為主導，而保險行業本質上也是一個尊重生命價值，幫助人們生活得更加幸福的行業，這使得像「省心配」這樣的 AI 保險規劃師的出現多了一重現實意義。

好的保險規劃師是可遇不可求的，如果將互聯網保險的出現視作保險行業的一次「信息平權」，消費者可以更加輕松、便捷地接觸到大量保險產品，那么不妨將「省心配」的推出視作「規劃平權」、或者說「服務平權」的起點，的確，數據顯示，「省心配」已經足以幫助用戶節省 30% 的投保費用。

一個用戶告訴我，他沒耐心查看保險條款，實際上，他后來才發現，在自己買的兩份保險中，都含有一條相同的保障，是 AI 幫助他發現了其中的重復浪費。螞蟻保「省心配」項目負責人張程也向我提到，他自己的父母從上世紀 90 年代就給他買了大量的保險，如今回頭看，發現有大量的購買都集中在一些儲蓄型保險上面了，而具有保障作用的重疾險和意外險，卻是缺失的。

這就是業內第一個 AI 保險規劃師對于用戶的意義，只需要符合保險的常識，不需要眼花繚亂的似是而非，足夠公允，又足夠簡單，讓普通用戶可以快速、輕松地獲得「夠用」的保險規劃服務，而人類保險規劃師的優勢則是提供水準以上的專業服務，并且發揮機器所不具備的如共情、長期信任等價值，二者搭配，或許能形成更加良性的行業生態。

相比動輒「拉滿配置」，過度服務，這一次，我更相信「最小可用」。

本文首發于微信公眾號：周天財經。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。