泰康保险集团作为涵盖保险、资管、医养三大核心业务的大型集团，连续七年入围《财富》世界 500 强，2024 年位列第 381 位，展现出强大的实力与影响力。泰康高度重视科技驱动，旗下人工智能研究院聚焦人工智能等前沿技术，深入开展研究与应用探索，为集团大健康战略提供有力支撑。

近日，泰康保险集团人工智能研究院院长刘岩接受了企业网 D1net 记者的采访，对金融行业 AIGC 应用趋势、大模型在保险业务中的典型场景应用及落地实践经验等内容进行了深入探讨 。

泰康保险集团 人工智能研究院院长 刘岩

1、泰康保险集团人工智能研究院在集团整体战略中扮演怎样的角色?其核心目标与发展方向是什么?

作为集团化企业，泰康旗下子公司众多，跨主体的协同与资源共享成为集团层面的核心工作，而人工智能正是其中最具代表性的共享板块。在泰康的体系中，AI 共享覆盖模型、知识及各类 AI 服务，形成支撑全集团的技术底座。

泰康研究院的定位清晰而独特 —— 既是人工智能产品的孵化器，也是全集团的共享服务中心。在大模型浪潮下，这一定位的价值愈发凸显。不同于子公司以AI应用为主，研究院从集团层面出发，更聚焦模型、研发平台等核心能力的构建，一方面为子公司提供技术支撑，另一方面也直接参与两类应用：集团自身的场景落地，以及子公司提出的定制化研发需求。

在技术浪潮中，研究院承担着“牵引者”的角色：主导制定AI应用示范框架、技术标准与安全标准，推动全集团实现“四个集中”—— 算力集中、模型集中、知识集中与AI原子能力集中。这一布局背后，是大模型时代的现实考量：大模型研发的算力成本、周期长度及应用复杂度均远超以往，集团化的统筹能有效降低试错成本，而研究院也同步承担起全集团的 AI 培训与技术布道工作，加速技术渗透。

泰康的技术布局经历了显著调整。此前，技术领域按机器视觉、图文分析、计算语言、知识推荐等纵向维度划分;如今，组织结构更聚焦“产品驱动”，形成产品团队、应用研发团队，以及视觉模型、语言模型、知识、智能体等专项团队的协同架构。

这种调整直指核心逻辑：从传统的“业务驱动”转向“科技驱动下的产品驱动”。在业务高速增长期，“业务驱动”以满足具体需求为核心;而当下，业务增速放缓进入存量竞争，传统模式难以为继——业务端对新技术的认知有限，难以提出明确需求，更需要科技端主动深挖业务底层逻辑，通过技术提升竞争力。

在这一逻辑下，产品经理成为关键角色——既需懂业务底层逻辑，又需精通大模型与智能体技术，其精力主要来自科技团队，成为连接业务与技术的核心枢纽。对于泰康而言，这不仅是技术布局的调整，更是应对行业竞争的必然选择：用科技的“确定性”，对冲存量市场的“不确定性”。

2、结合泰康保险的实践，大模型落地过程中面临的主要挑战有哪些(如数据质量、场景适配性、算力成本等)?泰康保险采取了哪些应对策略?

在企业推进 AI 技术落地时，普遍面临三大挑战：人才短缺、数据匮乏、算力不足。不过，这三者的优先级差异明显——人才成本虽高，但可通过加大投入解决;算力并非核心制约因素;唯独数据问题，是最难突破的瓶颈。

许多企业自称“沉淀了海量数据”，实则多为“低价值数据”甚至“垃圾数据”。这些数据往往只是业务结果的简单记录，缺乏背后的推理逻辑和决策依据，无法支撑模型训练。“企业里很多数据都存在于员工脑海中，真正沉淀下来的结构化数据，除了用于制作报表、进行简单风控分析外，对大模型几乎毫无用处。”

即便是在数据积累相对完善的保险、银行等行业，也难以摆脱这一困境。以医疗健康领域为例，企业可能存储了大量病例档案，但这些档案大多是诊断结果的记录，缺少“从症状到结论”的推理过程——“若想用 AI 取代医生，至少得把医生的诊断思路提取出来：诊断依据是什么?是如何一步步推导出来的?仅有病例结果，毫无意义。”

什么样的数据才能支撑AI尤其是大模型的深度应用?核心在于“完整性”与“过程性”：

有推理链条的数据：包含前因、过程、后果的完整逻辑。例如健康管理方案，不仅需要输入(血压、血糖等健康数据)和输出(锻炼、用药建议)，更需要中间的关联逻辑——“为什么基于这些数据给出这样的方案?”这种过程性数据，才能让模型学会决策逻辑。

经专家标注或复核的数据：在保险行业的核保、核赔、客服等场景中，业务流程要求结果可解释，且有规则模型判断、人工复核的痕迹，这些留存的业务过程数据，因经过专业验证，属于高质量数据。

企业AI的突破，本质上是数据价值的重构。过去，数据多作为“结果凭证”被存储;而现在，需要转向“过程沉淀”——把藏在员工脑子里的推理逻辑、决策依据，通过业务流程优化，转化为可记录、可复用的数据。

以保险行业的核保为例，人工核保时的风险评估理由、规则匹配过程、例外情况处理逻辑，这些曾依赖个人经验的“隐性知识”，若能系统沉淀，将成为AI模型最宝贵的训练素材。正如解题时“过程比答案更重要”，对AI而言，数据的“推理过程”才是产生价值的核心。

面对AI落地的三大核心挑战——人、数据、算力，泰康保险形成了一套针对性的破局思路：算力靠采购解决，人才靠“内育外引”突破，而数据这一最难啃的硬骨头，则聚焦 “从业务源头系统性沉淀”。

拒绝“等数据有了再行动”：泰康的逻辑很清晰——外部没有现成的数据可买，内部数据也不能指望“突然出现”。因此在业务系统、信息系统建设之初，就必须提前规划数据沉淀的路径，把“过程性数据”的采集嵌入业务流程。

低价值数据“加工无用”，聚焦“源头生产”：结构化数据库里的营业额、病例结果等“低价值密度数据”，即便通过技术加工(如 OCR、BI 分析)，也只能解决信息提取问题，无法弥补“知识生产源头”的缺失。真正有价值的数据——包含推理过程、专家标注、可解释的业务逻辑，必须在日常办公中自然沉淀。

例如，通过办公工具，将数据生产融入业务流程：产品设计文档不仅要“给人看”，还要“给模型看”，在结构与逻辑上兼顾人机需求;核保核赔等业务中，人工操作的判断依据、规则匹配过程、复核记录等，都需系统留存——这些 “过程性数据”才是 AI 真正需要的 “养料”。

3、在解决体检报告影像自动解读、医疗单据自动结构化等难题时，最大的技术瓶颈是什么?

医疗报告的结构化，正卡在一个尴尬的节点上。这些出自医院的单证、票据、病历、清单等资料，如今多由消费者通过手机拍摄上传后进行结构化处理，但解析精度始终在80%到90%之间徘徊。这背后，最大的难题并非技术不足，而是文档格式的多样性与数据的不统一性——不同医院、不同场景的报告格式千差万别，各成体系。

这一问题绝非单个企业能解决：“除非卫健委强制所有医院使用统一模板，否则现状难以改变。”毕竟，医疗数据标准化的障碍来源于两个方面：一是内容展示形式的随意性，二是医疗术语的碎片化。

医疗术语的混乱程度，远超想象。以疾病描述为例，同一种疾病可能有多种表述：“糖尿病”可能被简单记录为“糖尿病”，却未明确是一型还是二型;更有甚者，部分医生会使用“自创名称”，让疾病描述近乎“玄学”。

这种混乱延伸到编码体系：ICD 编码有多个版本，各地市、省市又有自己的地方标准;医保编码同样存在类似问题。标准的分散，本质上是权力下放的结果，却让医疗数据失去了通用性。这种混乱不仅增加了企业处理数据的难度，更让医疗质量的把控变得模糊。

解决问题的关键在于“顶层设计”：“必须由国家推动大一统，不能把标准制定权下放到地市。”只有国家层面统一文档格式、术语体系和编码标准，才能从根源上解决数据混乱问题。

4、保险行业涉及大量敏感数据，泰康保险在利用人工智能技术时，如何平衡数据利用与隐私保护?

过去，企业常忽视对数据安全的评估，而如今，出于成本与风险的考量，“数据等级”成为企业无法回避的话题。例如，客户数据的流转、选择私有化部署还是公有云，本质上是在“把数据放在自己口袋还是别人口袋”之间进行心理博弈，但实际风险差异往往被过度放大。

监管制度的缺失加剧了这种混乱局面。在金融行业尤为突出：当前未明确界定数据安全的边界，企业为规避风险，往往采取“最简单的办法”——直接切断数据流转，“就像为了防止交通事故，干脆把路堵死”。这种“一刀切”的做法看似安全，实则极不负责任。

实际上，精细化防护的路径是存在的：对数据字段进行分级，明确每个字段的敏感等级，并匹配相应的安全策略，如加密、过滤、三权分离、访问监控等，这些技术已相对成熟。但在实践中，许多声称“必须私有化部署”的场景，其实绝大部分都可通过公有云实现安全防护，“只是过去的惯性思维让他们难以自证”。

在数据跨境与大模型应用场景中，监管制度的模糊性更为突出。例如使用海外大模型时，哪些数据可以传输?“没有明确的规章制度，出了事企业往往需要自己担责”，这种“既缺少明晰的监管制度，又缺少跟进的服务”的现状，让企业陷入两难：国有企业、央企为规避风险，干脆一刀切禁止跨境数据流动，却牺牲了技术进步的效率。

真正的监管应“站在国家视角解决问题”，而非单纯管理——“要帮助企业解决困难，责任共担”。否则把数据流动拦起来，相当于和世界隔离，这与技术全球化的趋势背道而驰。

归根结底，数据安全的破局需要“清晰的规则”与“服务型的监管”：企业需从“一刀切” 转向精细化防护，监管需从“事后追责”转向“事前明确边界”，唯有如此，才能在安全与发展之间找到平衡。

在数字经济蓬勃发展的当下，保险行业站在了转型的关键节点。泰康保险集团凭借前瞻性的战略布局，在科技驱动的道路上积极探索，从人工智能研究院的角色定位到应对大模型落地挑战，从攻克医疗报告结构化难题到平衡数据利用与隐私保护，每一步都彰显着其应对行业变革的决心与智慧。未来，随着技术的持续进步与监管的逐步完善，泰康保险有望在数字经济浪潮中继续引领行业创新，为保险行业的可持续发展提供更多有益借鉴。
 

关于企业网D1net(www.d1net.com)：

国内头部to B IT门户，同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。