一、项目背景及目标

利安人寿自主研发 “全栈信创驱动的一站式智能保险规划平台”，针对传统寿险投保建议书人工效率低、个性化不足、存在销售误导风险等痛点。项目依托华为昇腾国产算力，采用 DeepSeek、Qwen 等国产大模型，自研智能体平台与 Embedding 提效模块，打造集需求洞察、产品匹配、合规文书生成于一体的 AI 平台。平台融合产品知识库与客户模型，实现建议书自动化、个性化生成，赋能代理人，提升服务效率与专业度，优化客户体验，是公司数字化服务的核心创新。

（一）项目背景

行业共性问题突出：传统寿险投保建议书制作流程依赖代理人手工操作与个人经验，存在制作耗时长、个性化适配不足、易因理解偏差导致销售误导等核心问题，制约了代理人产能释放与服务质量，是保险行业普遍面临的核心痛点。

数字化转型驱动：人工智能技术与保险业务的深度融合，为破解上述痛点提供了技术路径。公司响应行业数字化转型趋势，旨在通过技术创新重构保险销售服务价值链。

（二）项目目标

业务层面：大幅提升投保建议书制作效率，释放代理人产能聚焦客户服务；实现个性化精准产品推荐，优化客户投保体验；通过标准化、合规化生成流程，降低销售误导风险与合规成本。

技术层面：成功构建了基于全栈信创（国产算力、国产模型）的人工智能应用平台，实现了从底层基础设施到上层应用的全链路国产化适配与自主可控，验证了国产技术栈在保险核心业务场景的应用可行性。

行业层面：为保险行业利用人工智能技术优化销售流程、提升合规管理水平、推动服务标准化提供了可复制、可推广的实践样本，有助于推动行业向智能化、规范化转型。

二、创新点

（一）业务痛点难点

本项目重点解决了三大痛点：一是投保建议书制作手工化、耗时长的效率问题；二是产品匹配个性化与精准度不足的问题；三是因代理人对产品理解偏差可能导致的销售误导与合规风险。

（二）技术创新点

全栈信创技术架构：建立了基于华为昇腾私有化算力池的自主可控基座，采用DeepSeek-R1、Qwen3等国产开源大模型，避免了技术封锁风险，确保了平台的自主性与安全性。

“感知-分析-决策-输出”一体化智能闭环：创新性整合大模型、知识图谱与智能推荐引擎，构建了从客户需求交互理解、结构化分析，到知识库驱动精准匹配，再到合规文书自动生成的完整技术链条。

自研Embedding数据提效模块：针对保险领域非结构化知识（条款、规则等）的高效检索与推理需求，自研文本向量模型，将专业语料转化为机器可理解的向量形式，显著提升了知识库检索精度与系统响应效率。

（三）业务模式创新

服务模式重构：推动代理人角色从“文书制作者”向“客户价值顾问”转型，使其能更专注于高价值的客户沟通与需求挖掘。

双重合规防线：建立“技术规则嵌入+人工复核”机制，从源头确保生成内容的专业性与合规性。

数据资产化驱动：将分散的产品与合规知识转化为结构化数字资产，不仅支撑本平台，也为后续产品创新、风控优化等场景提供了可复用的数据基础。

三、项目技术方案

图1 平台架构图

（一）平台基础设施与核心技术

全栈信创底座：部署华为昇腾算力池，并完成国产化服务器、操作系统的适配，构建了稳定、可扩展的私有化计算环境。

大模型与智能体平台：接入DeepSeek-R1通用大模型与Qwen3场景小模型，并基于此形成了“保险推荐书”智能体，实现了任务自动编排与执行。

高质量数据集构建：整合公司寿险产品条款、核保规则、投保流程等数据，构建了包含全公司产品的高质量数据的文本知识库，为模型训练与推理提供核心燃料。

（二）核心功能模块

智能需求挖掘模块：通过对话式交互界面，引导输入客户信息、投保意向等关键数据，利用算法模型量化分析保障缺口。

精准产品匹配引擎：基于结构化的产品知识库与客户需求，通过推荐算法智能匹配最优产品组合。

合规文书生成模块：运用自然语言处理技术，自动生成包含11项核心内容（如需求分析、产品介绍、利益演示、风险提示等）的标准化投保建议书。

专业服务支撑模块：嵌入产品解读、常见问题答疑等知识库，为代理人提供实时专业支持。

四、运营情况

平台推广应用与系统运行稳定高效，业务流程显著优化。实现投保建议书生成从“小时级手工制作”到“秒级自动化输出”的革命性提升，极大释放了代理人产能。同时，标准化生成流程有效规避了人工失误与理解偏差，销售误导风险显著降低，合规管理水平得到强化。

五、项目成效

经济效益：大幅降低人工制作与纠错成本；通过精准推荐提升高价值保单转化率；结构化数据资产为后续业务优化提供支撑，提升经营效益。

社会效益：为客户提供更精准、专业的投保方案，满足多元保障需求；通过减少销售误导保障消费者权益，提升行业信誉；项目为行业数字化转型提供了可复制案例，助力保险业高质量发展。

六、经验总结

本项目成功打造了一个基于全栈信创技术、深度融合保险专业知识的智能应用平台，有效解决了传统投保建议书制作中的效率、精准度与合规性三大痛点，实现了业务流程的智能化升级与风险管控能力的提升。

核心成功因素在于：一是坚持技术自主可控，采用国产算力与大模型；二是业务与技术深度融合，将专业知识深度编码于AI系统；三是以标准化应用场景（投保建议书生成）驱动，快速释放价值。

未来展望：公司将持续优化平台能力，一是探索AI在智能核保、理赔辅助等更深业务环节的应用；二是强化数据资产建设，整合更多维度的业务数据；三是积极分享经验，推动行业整体智能化水平的提升。本项目作为“人工智能+产业发展”方向的典型应用场景，展现了AI技术在赋能传统保险业务、驱动行业创新方面的巨大潜力。