一、项目背景及目标

在保险行业数字化转型浪潮中，财信人寿敏锐把握人工智能技术发展机遇，于2025年4月正式推出面向内部员工的吉小星AI助手。这一创新项目标志着公司在智能化运营领域迈出了关键一步，为保险行业内部管理智能化树立了新标杆。

当前保险行业面临多重挑战：代理人队伍专业能力参差不齐、内勤人员工作负荷过重、合规审查流程繁琐耗时、产品开发周期长等问题日益凸显。传统解决方案往往采用分散式系统，导致信息孤岛、效率低下。吉小星AI助手应运而生，通过深度融合大语言模型技术与保险专业知识库，构建了统一的智能工作平台，通过新范式激活了公司的内部信息池。

项目自上线以来，已覆盖1600名内部用户，支持代理人培训、内勤办公、产品开发、合规审查等核心业务场景。系统采用双模型架构（DeepSeek v3快速版和R1深度推理版），在保证响应速度的同时满足复杂业务场景的高精度需求。值得一提的是，吉小星通过整合内部知识库以及外部实时检索信息，创新实现内外部数据融合技术，以提供更精准的信息检索和决策支持。

二、创新点

"吉小星"AI助手项目的技术创新体现在多个维度：

智能推理引擎：采用双模型协同机制，DeepSeek v3模型处理常规查询，响应时间控制在毫秒级；对于复杂逻辑推理需求，模型可以切换至R1模型，其思维链能力可深入解析保险条款、评估合规风险。这种弹性模型配置策略使应用场景更加灵活高效。

知识融合系统：构建了动态更新的三层知识架构：基础保险知识库（包含公司制度、产品条款等结构化数据）、实时外部信息索引（监管动态、行业资讯）、员工贡献的实践经验库。系统通过语义理解技术实现三者的有机融合，使回答既权威准确又贴近实务。

安全保护机制：采用更加安全的系统架构，通过本地化、分级权限管控的知识库实现安全问答。通过签订严格的数据处理协议，确保所有交互数据仅用于当前会话，不会用于模型训练或其他用途。

三、项目技术方案

1.系统架构解析

吉小星的系统架构体现了保险行业特色与技术创新：

应用层 提供多样化接入方式，包括Web界面、移动端适配界面以及API集成方案，满足不同岗位员工的使用习惯。特别设计了"客户模拟"训练环境，为客服人员提供沉浸式演练平台。

能力层 包含四大核心模块：

智能问答系统：支持从简单产品查询到复杂条款解析的多层次问答

生产力工具集：涵盖文档润色、Excel公式生成、可视化图表制作等办公场景

专业支持模块：提供话术设计、营销方案策划、合规审查等保险专属功能

开发辅助工具：帮助技术人员快速生成代码、设计系统架构、制作项目甘特图

数据层 采用混合存储策略，结构化数据（如产品信息）存储在关系型数据库，非结构化数据（如监管文件）使用向量数据库实现语义检索。通过创新的基于大模型的知识问答对提取技术，将用户问题与分散的保险概念、条款、案例连接成有机网络。

基础设施层 支持容器化技术部署，可根据业务需求弹性扩展计算资源。系统设计了相应监控体系，实时跟踪应用使用量、应用资源、知识更新状态和用户行为模式。

2.业务场景与应用价值

（1） 代理人赋能体系

吉小星进一步改变了传统代理人培训模式：

实时话术支持：当遇到客户异议时（如"重疾险理赔条件太苛刻"），系统能生成包含医学通俗解释、真实案例和销售技巧的组合话术。

场景化训练：通过角色扮演功能，代理人可与模拟客户进行多轮对话，系统会记录对话过程并提供改进建议。

（2）内勤工作效率革命

对内勤人员而言，吉小星是全能的工作伙伴：

制度查询：将分散在多个系统中的规章制度整合为统一知识库，支持自然语言查询（如"病假薪酬标准"）。

文档处理：可自动润色公文，使其符合保险行业公文规范；将复杂表格需求转化为Excel公式。

跨部门协作：通过共享知识库功能，不同部门可共建专题知识区，减少重复沟通。

使用文档润色功能后，各报告撰写时间平均减少30%，且格式错误率下降至10%以下。

（3）产品开发与合规风控

在产品创新和风险管理方面，吉小星展现出独特价值：

条款智能审查：可识别合同文本中的模糊表述，提出符合监管要求的修改建议，将合规审查时间压缩60%

产品创意孵化：基于市场数据和公司战略，生成包含目标客户、场景设计、实施路径的完整创新方案

可视化解析：将复杂的责任免除条款转化为阶梯式流程图，帮助非法律专业人员快速理解关键点

资管部门利用吉小星的数据分析能力，可以将产品募集说明书等内容的投资评估周期从两周缩短至三天。

四、项目过程管理

以下是项目各阶段的实施周期及关键里程碑情况。

（1）项目启动与需求调研阶段（2025年1月）

成立AI技术工作小组，明确成员分工及技术调研任务。通过与内部关键用户进行深入交流，收集并整理其对于AI的具体需求，调研13家金融企业DeepSeek模型部署案例，评估不同部署方案（硬件采购/一体机租赁等）优劣势以及技术方案可行性性。

（2）技术选型与方案设计阶段（2025年2月）

模型选型方面，基于调研结果，选定DeepSeek R1/V3模型作为核心技术方案。架构设计方面，确定企业级会话应用技术栈，规划实时联网功能开发路径。

（3）系统开发与测试阶段（2025年3月）

该阶段是整个项目的核心部分，包括模型层、服务层、应用层开发与测试工作。在时间紧任务重的情况下，按时完成DeepSeek全系列模型部署、完成应用开发以及测试，同时实现会话应用的实时联网能力，支持多业务场景交互需求。

（4）部署与培训推广阶段（2025年4月）

系统测试通过后，进行部署工作。部署后组织全司吉小星平台使用培训，并形成和提供用户操作手册与操作视频。

（5）运维与持续优化阶段（2025年4月起）

项目上线试运行后，正式转入运维与持续优化阶段。项目团队建立了完善的运维保障体系，通过7×24小时实时监控和定期维护确保系统稳定运行。同时，我们建立了用户反馈机制，根据各部门使用体验和业务需求变化，持续进行功能迭代和性能优化，不断提升数字助手的智能化水平和用户体验。

五、运营情况

吉小星AI助手在推广应用及系统运行方面取得了显著成效。

整体运营情况：吉小星AI助手自上线以来，在财信人寿内部形成了智能化应用的良性生态。依托大语言模型与知识库技术，能够高效处理多样化自然语言任务，具备跨场景的广泛适用性。同时，系统支持定制化调整，可针对不同部门的业务需求提供个性化服务支持。

应用推广情况：系统采用渐进式推广策略，首批试点覆盖渠道、运营、培训、资管等核心业务部门，通过场景化渗透逐步扩大应用范围。在实际运营中，系统展现出强大的环境适应能力，既能满足日常渠道展业营销素材和方案设计，也可支持资管、精算部门复杂的数据分析任务。吉小星逐步融入员工日常工作流程，通过提升任务处理效率与降低沟通成本，为用户提供了更智能、便捷的服务体验。员工使用习惯正在发生深刻转变，试点用户已逐步形成主动咨询吉小星的工作模式，用户平均单日交互频次达到9.3次，充分体现了工具与工作流程的深度融合。

系统运行情况：系统运行表现符合预期目标，在业务高峰期仍保持99.9%的服务可用性，首Token响应时间低于500毫秒，平均后续单Token响应时间控制在50毫秒以内。通过创新的双模型机制，既保障了常规查询的响应速度，又确保了复杂业务推理的深度。数据安全方面，全面采用加密传输，实现知识库本地部署并提供多重权限控制，保留完整操作日志。

持续迭代升级：通过资源扩容、模型更新及功能扩展等方式，定期优化系统性能，提升响应速度与处理精度，适应业务发展需求。

综上，内部数字助手在推广与运行层面均表现良好。随着技术迭代与功能完善，其将在保险业务场景中发挥更大价值，为客户提供更高效专业的服务支持。

六、项目成效

吉小星项目产生了显著的经济效益和转型价值。在直接收益方面，系统实现大量人力成本节约，主要来源于重复性咨询工作的自动化和业务流程的智能化改造。更深远的价值体现在知识资产转化方面，上线首月，系统已沉淀30余个专业知识库，包括5012个知识文件，将原本分散在员工个体中的经验转化为可复用的组织智慧，这种知识资本积累对保险企业的长期竞争力构建至关重要。

社会效益维度同样成果丰硕。系统可将代理人平均培训周期进一步缩短，帮助缓解行业人才短缺压力；通过角色模拟实现培训以及辅助式标准化服务话术的输出，可进一步提升客户满意度；在合规风控方面，系统内置的合同条款审查功能已经能为合同预审提供有力协助。

七、经验总结

吉小星项目的成功实施，关键在于把握了三个核心要素：精准的需求锚定、弹性的技术架构和持续的价值运营。在需求分析阶段，项目组没有简单照搬技术方案，而是深入进行行业及业务调研，用一个月时间完成了行业工作场景，跟踪记录各岗位员工的真实工作痛点，最终提炼出"知识即时化、流程智能化、经验显性化"三大核心需求。这种扎根业务的设计理念，确保了系统功能与用户需求的精准匹配。

技术实施过程中形成的"双模驱动、小步快跑"策略具有行业借鉴价值。项目采用"大模型+领域知识"的双引擎架构，既保留了大语言模型的通用能力，又通过保险知识优化打破专业壁垒。项目组形成敏捷组织，在迭代机制上实行更快的更新节奏，始终保持技术先进性与业务适用性的平衡。在推广策略方面，项目组创造的"场景带教法"成效显著，通过选取典型业务场景制作应用示范，让员工在解决实际问题的过程中自然掌握系统使用方法。

面向未来，吉小星将沿着三个方向持续进化：构建AI中台，并向业务前端延伸，探索智能核保、智能理赔等深度应用场景；向知识中台升级，构建行业领先的保险知识计算引擎；向生态化发展，通过开放API与行业伙伴共建保险智能生态。财信人寿将持续加大AI创新投入，计划在未来两年内将吉小星打造为覆盖保险全价值链的智能工作平台，为行业数字化转型提供更多实践样本。