保险理赔智能体

先把时间找出来，再自动化任何东西。

理赔运营是按周期时间、渗漏与重开率来衡量的。在写下任何一句提示词之前，先在你自己的业务盘子上——而不是在行业的盘子上——把日子究竟花在哪儿量出来。在几乎每一个险种里，答案都朴素而一致：钟表是在案卷不完整、等着一份警方报告、一份维修估价、一份病历、一份权属证明、一个签名，或者等着一位并不知道自己被要求了什么的索赔人时走着的。

• 理赔员的接触时间只占经过时间的少数。裁定本身往往是分钟量级的工作，摊在数周的等待里。把那几分钟自动化、把那几周原样留着，正是一个试点如何产出一场漂亮演示和一条平坦的周期时间曲线的。
• 渗漏是保单本不要求赔付的钱——一次限额错误、一次漏掉的代位求偿机会、一笔重复支付、一次未扣的免赔额。它是一个核对问题，而智能体擅长核对；它不是一个判断问题，而智能体不擅长判断。
• 重开率才是诚实的质量指标。一件关得飞快、六周后又被重开的案子，比一件第一次就办对的更贵；而它正是那个在每一块看板都在变好时，最容易被自动化弄糟的数字。
• 先分段，再一般化。一件玻璃险、一件车辆全损、一张住院账单和一件营业中断索赔，共享的只是一张流程图，别的什么都不共享。下面这套手册对它们全都适用；但它们之间的自动化天花板相差一个数量级。

完备性引擎才是产品。

理赔中价值最高的那个智能体，会读案卷、把它与这一类理赔所要求的东西比对，然后精确地去追缺的那一件——用索赔人的语言、通过他们真的会回的渠道、带着一个具体的请求而不是一封格式信。它从不裁定任何事。它同时也——并非巧合地——是真值最清楚的那一块：材料要么到了，要么没到。

• 把每一类理赔的要件清单编码成数据。按险种、法域与出险原因为键，写明这件理赔在可被裁定之前案卷里必须有什么。这属于一张你能做 diff、能做版本管理的表，而不属于提示词——要件清单是受监管的那部分，而且它会因州而异。
• 抽取首先是解析问题，其次才是模型问题。进来的案卷是扫描件、传真、手机拍的照片和表单的 PDF。慎重挑选解析器，并在你自己的文档上评测它；文档解析器对比与面向 RAG 的文档解析是起点。
• 每一个抽取出的字段都带页码与区域级的引用。一个没有指针指向其出处的出险日期是一句断言，而它迟早会是一句与其所谓出处相矛盾的断言。这里的接地不是质量上的锦上添花——它是让案卷站得住的东西。见接地。
• 一条消息追完，而不是五条。智能体相对现行流程的优势，是它能一次读完整卷案子，并在一次具体请求里把所有缺失项一并要齐。分三次、拖三周去要，正是现行流程已经有的那个失败模式。
• 发现矛盾，但不要去化解它。当估价单写着一辆车、警方报告写着另一辆时，智能体的工作是带着两处引用把冲突摆出来，然后停下。调和相互矛盾的证据，是换了顶帽子的裁定。

裁定是智能体停下的地方——而拒赔必须援引条款。

责任认定是那个受监管的行为。美国每个州都有不公平理赔和解实践法，而它们之间反复出现的那些主题正是约束你架构的东西：合理调查、在规定时限内行动，并在拒赔或少赔时给索赔人一份援引保单条款的书面说明。一个产出了流畅拒赔理由却没有可追溯条款的模型，产出的是一个合规缺陷——不管那段推理看上去多好。

• 建议不是决定，而这个区分必须是真的。如果理赔员在 98% 的情况下不打开案卷就批准了智能体的建议，那你造出来的是一个顶着人类装饰的自动裁定，而监管者会照这个读法来读它。去量推翻率与审阅时长；如果两者塌下来，要么把摩擦加回去，要么承认你正在把决定自动化，并承担随之而来的义务。
• 拒赔与减赔拿到的是结构化产物，不是散文。被援引的条款、原文引用、文档指引；所依据的事实，每一条带引用；金额及其计算方式。信件是从那个结构生成出来的。这个模式就是结构化拒绝，而在这个领域里，它是把一次有争议的决定从一场争论变成一份记录的东西。
• 责任问题与金额问题是两套不同的自动化。"这个保不保？"是对着合同做解释。"它值多少？"是对着数据做估值。前者的空间远小于后者，而团队们习惯性地为两者建同一个系统，然后同时拿到两者最糟的部分。
• 按动作、依校准过的不确定性设闸。允许智能体关掉一件直白的玻璃险的阈值，和允许它去动一笔人身伤害准备金的阈值，不是同一个数字。按动作类型分别画覆盖率-风险曲线——见不确定性与校准——并把低置信度的那条尾巴交给人。
• 付款不可撤销，就照这个来对待它。从索赔人手里追回多付的钱既贵、又慢、名声还极差。付款这一步由你的代码对着限额、免赔额、既往支付与收款方核验来设闸——绝不能只凭模型的算术。

欺诈评分是那个陷阱。请刻意地拒绝它。

欺诈识别是每位高管第一个会问的用例，也是对基于 LLM 的智能体而言风险调整后回报最差的那个。它同时是一个歧视责任面、一个可解释性面和一个监管面，而在赌注最高的地方，模型的贡献恰恰最小。

• 针对一个人的不利推断需要一个站得住的依据，而"模型标了它"不是。任何把索赔人导入更慢、更对抗的通道的东西，都是一次针对他们的行动，而你会被要求用不含"向量"这个词的语言来解释它。
• 代理性歧视是那个具体的失败，而且很容易在无意中造出来。监管者已经明确表示结果本身就要紧、与意图无关——科罗拉多州建立在 SB21-169 之上的保险 AI 制度，要求对来自外部消费者数据的不公平歧视性结果做定量测试，而它是后来者所效仿的模板。自由文本陈述里密布着受保护特征的代理变量：邮编、语言、姓名、措辞方式。
• 智能体真正能帮上忙的地方是组装，不是打分。拉出理赔历史、跨案卷做实体匹配、标出同一家修理厂与同一位医疗提供者以异常方式聚在一起——这些是检索与连接，它们可审计，而由人类调查员来决定它们意味着什么。
• 把特别调查的转介保持为由人发起。智能体可以把证据推进调查员的队列。它不可以开立一个欺诈案卷。这条线守起来便宜，被越过之后代价昂贵。

护栏：你会被要求以书面形式拿出来的治理。

保险是少数几个 AI 专项监管预期已经具体、而非仍在酝酿的领域之一。NAIC 于 2023 年 12 月通过了《保险公司使用人工智能系统示范公告》，此后美国过半数法域已经发布了它或与之相近的东西。它篇幅不长，而且它要的那些产物本来就是你该有的。

• 一份带具名问责的书面 AI 系统方案。高管层的所有权、有文档的控制措施、验证与测试，以及一份"测了什么、什么时候测的"的记录。把它映射到问责与角色里的那些角色上，让它成为一份活文档，而不是一份为应付检查而写的 PDF。
• 供应商的 AI 仍然是你的责任。该公告明确写道：使用第三方并不转移问责——这意味着你的尽职调查、你的合同审计权，以及你对供应商输出的自行测试。见第三方模型与供应商风险。
• 审计轨迹必须能重建一个决定，而不只是记录事件。对任何一件理赔，你都应当能拿出：智能体看到了什么、它引用了哪些文档与条款、它建议了什么、谁批准了它，以及是哪个模型版本与提示词产生了它。决策回执与审计轨迹讲机制；而留存期限由你所在的州决定，不由你的存储预算决定。
• 理赔案卷装着你手上最敏感的一些数据。病历、财务记录、未成年人，以及在某些险种里的刑事指控。这里的数据处理至少是 HIPAA 邻接的，而且往往就正落在其中——不管你是否把自己看成一家医疗公司，医疗智能体里的那些约束都适用于一件人身伤害案卷的医疗部分。
• 时限是法定的，所以把它们做成告警。受理、决定与付款的时钟因州与险种而异。一个悄悄把案卷挂起等待澄清的智能体可能会错过其中一个，从而把一个流程 bug 变成一项监管认定。每一次自动挂起都需要一个到期时间和一条升级路径。

去量完备性与重开，永远不要量无人工率。

"无需人工介入处理的理赔占比"是这个项目会被要求交出的指标，也是最可靠地奖励智能体行为不端的那个。当智能体关掉模棱两可的案子、跳过追缴、在边缘处拒赔时，无人工率就会上去——而这一切会在别处、在别人的预算上、在一两个季度之后浮出来。

• 首次接触完备率。在这类理赔所要求的材料里，有多大比例是在第一封外发消息里就被索取的？这是真正推动周期时间的指标，而且它可以对着已结案卷离线打分。
• 把"到案卷完整的天数"与"到结案的天数"分开。在案卷变得可裁定的那一点把时钟切开，会告诉你智能体影响的是流程的哪一半——并且能阻止一个未曾改变的裁定环节去冒领一个已被改善的受理环节的功劳。
• 按"是否有智能体经手"分组的重开率与投诉率。从第一天起就在理赔层面打标；事后你重建不出这个标记，而它正是决定这个项目能否熬过第一次监管问询的那个对比。
• 抓回的渗漏 对 引入的渗漏。两个都要数。一个既能抓出未扣免赔额、又偶尔会看错限额的智能体有一个净值，而通常只有正的那一半会被上报。
• 永久保留一条对抗性切片。索赔人提交的材料在普通商业意义上是攻击者可写的：一份维修估价是别人做出来的 PDF，而嵌在其中的指令绝不该抵达智能体的控制路径。用真实提交件来建这条切片，并在每加一个渠道时把它扩大。

相关：金融智能体讲相邻的受监管资金模式，法律智能体讲把合同读作权限来源，监管全景讲还有什么正在到来，如何改写一份手册讲这份手册背后的方法。