保险 AI 落地密码：技术实战分享

📌 一句话摘要

本文深度分享了京东保险如何通过 AI Agent 构建全自动保险供应链，涵盖了从领域大模型训练、知识库优化到定品、定价、履约、风控全链路落地的实战方法论。

📝 详细摘要

文章系统性地阐述了京东保险实现“全流程 AI 驱动”的技术路径。核心内容围绕 AI Agent 展开，首先提出了智能体落地的经济收益公式，强调场景选择应聚焦“信息转化为金钱”的直接链路。技术层面，详述了保险领域小尺寸大模型的训练策略（三阶段优化）、知识库的深度检索优化（如结构化分片与表格序列化）以及三种 Agent 规划策略（提示词编排、搜索增强、强化学习）。最后，文章深入剖析了 AI 在保险四大核心环节的具体应用：定品（规模化定制）、定价（动态风险预估）、履约（自动化审核）和风控（全链路闭环），展示了从“AI 辅助”向“AI 调度生产系统”的范式演进。

💡 主要观点

- 提出了智能体落地的经济收益公式 R = (Ch - Ca) × D × A × S。 该公式指出收益取决于人力与 Agent 成本差、转化链路直接性、智识覆盖度及业务规模，为场景选择提供了量化依据。

针对保险垂直领域，采用“持续预训练+SFT+对齐”的三阶段模型训练链路。 利用小尺寸模型平衡实时性与成本，并通过 structTuning 等技术解决 SFT 阶段的知识遗忘问题，提升模型专业度。

实施深度检索优化，采用层级分片（Structural Chunking）处理保险条款。 根据保险条款章、节、条、款的严谨逻辑进行切分，并结合延迟切分技术保留全局语义，显著提升了 RAG 的检索精度。

混合使用三种 Agent 规划策略以应对不同复杂度的业务场景。 包括基于提示词的自主规划、搜索增强的层级规划以及基于强化学习的自主编排，实现了从简单任务到长程规划的覆盖。

构建“Eva”架构，实现从 AI 辅助到 AI 调度生产系统的范式转变。 通过智能浏览器、工作台和引擎，使 Agent 能够自主调用工具、反思进化，并直接驱动定品、定价等核心业务流程。

💬 文章金句

- 在一家商业公司，最适合落地的场景，就是在线的把信息转化为金钱的场景。

• 保险的本质是通过集体协作，将个体不确定的巨大风险损失，转化为确定的小额保费支出。
• 从生产系统调度 AI Agent 走向 AI Agent 调度生产系统，通过数据流转互联互通。
• 算法向前一步，深入拆解业务，进行 AI 时代打法设计，搞定高定场景。
• 提示词工程是大家的事情，归根结底是业务的事情；上下文工程现阶段是算法和研发的事情。

📊 文章信息

AI 评分：91

来源：京东技术

作者：京东技术

分类：人工智能

语言：中文

阅读时间：69 分钟

字数：17224

标签： AI Agent, 保险科技, 大模型微调, RAG, 强化学习

阅读完整文章