在數(shù)字化轉型的深水區(qū)，保險企業(yè)普遍面臨“數(shù)據豐富但業(yè)務應用不足”的困境。作為由中糧資本與英杰華集團合資組建的險企，中英人壽規(guī)模與利潤均穩(wěn)居合資壽險公司第一梯隊。在“數(shù)智中英”的戰(zhàn)略藍圖下，這家企業(yè)正在經歷一場從“經驗驅動”到“數(shù)據智能驅動”的深層變革。
通過聯(lián)合思邁特軟件構建“中英知行”智能問數(shù)智能體，借助“原子指標拆解+RAG 檢索增強”等創(chuàng)新手段，中英人壽實現(xiàn)了從總公司到分支機構的“對話式分析”，數(shù)據收集整理時間縮短 90%，移動端日活激增 3 倍。
憑借在保險行業(yè)數(shù)據應用技術架構創(chuàng)新、業(yè)務價值深化等多維突破及卓越的落地實效，該案例近期成功入選 IDC《中國金融行業(yè)智能體最佳實踐案例分析之保險與資管篇》報告，成為保險行業(yè)挖掘數(shù)據價值的標桿范本。
01、三重“數(shù)據壁壘”制約經營效率
在保險行業(yè)，經營分析是一項極其復雜的工程，它涉及多維度、復雜指標。中英人壽一線業(yè)務與管理團隊曾受限于三重“數(shù)據壁壘”，一定程度上影響了數(shù)據價值向業(yè)務決策的高效轉化。
首先是“取數(shù)難”。傳統(tǒng)的BI報表雖然豐富，但無法窮盡所有千變萬化的分析場景。一旦涉及非固化報表的查詢，業(yè)務人員就必須向IT部門提需求。排期、開發(fā)、核對……一個周期下來，往往需要數(shù)天甚至一周。對于瞬息萬變的市場而言，這種“T+N”的反饋速度顯然太過滯后。
其次是“口徑亂”。保險經營指標邏輯復雜，存在大量的非線性累加和動態(tài)調整。比如“新單價值（VNB）”或“年化保費（APE）”，在不同機構、不同渠道的統(tǒng)計口徑可能存在細微差異。業(yè)務人員如果自己手動加工數(shù)據，很容易因為口徑不一致導致分析結果偏差，甚至可能誤導決策。
再者是“落地難”。項目初期團隊面臨雙重現(xiàn)實挑戰(zhàn)，一方面僅配置有限 GPU資源，無法穩(wěn)定支持高并發(fā)與多輪對話需求；另一方面，業(yè)務人員對 AI 能力存在認知偏差，部分人對其抱有“能回答一切經營相關問題”的高期望。
“我們需要打破這種依賴。讓業(yè)務人員不需要懂代碼，也不需要排隊，用自然語言就能直接和數(shù)據對話。”這是中英人壽項目團隊的初衷。
02、讓 AI 讀懂保險，“三步走” 構建全鏈路智能問數(shù)平臺
為突破數(shù)據應用困境，中英人壽以“業(yè)務需求為錨點、技術落地為支撐”，分階段推進“中英知行”智能問數(shù)智能體，各環(huán)節(jié)層層遞進、自然銜接，確保方案精準適配經營場景：
圖1：業(yè)務架構流程
（一）搭建指標體系，奠定業(yè)務基礎
以 Smartbi 成熟的保險行業(yè)指標體系構建工具為支撐，項目團隊基于“中英知行”現(xiàn)有經營分析框架，系統(tǒng)梳理形成保費類（APE/VNB/ 標準保費）、產品類、隊伍類、渠道類等核心分析場景/主題，明確全場景指標需求并輸出標準化業(yè)務指標體系模板，為后續(xù)建模奠定業(yè)務基礎。
圖2 指標模型構建方式
（二）聚焦“口徑統(tǒng)一”與“知識匹配”，構建模型與知識庫
這是項目實現(xiàn)突破的關鍵環(huán)節(jié)。面對復雜的經營數(shù)據，直接把報表“喂”給 AI 是行不通的。項目團隊創(chuàng)新采用“原子指標拆解”的方法，將 109 個復雜的經營指標拆解為不可再分的原子指標，明確統(tǒng)一統(tǒng)計口徑、計算邏輯與數(shù)據來源。無論業(yè)務人員怎么問，AI都會先回溯到最底層的原子指標，再根據計算邏輯實時聚合，實現(xiàn)全公司數(shù)據“出一孔”，徹底消除了口徑不一的隱患。
同時，搭建覆蓋行業(yè)術語的知識字典、同義詞庫及“機構-渠道-產品-指標”關聯(lián)知識圖譜，保障語義精準映射；并區(qū)分 T+1 更新（經營監(jiān)控類指標）與高頻更新（風險預警類指標）的差異化數(shù)據策略，兼顧數(shù)據時效性與穩(wěn)定性。
（三）搭建“能用的系統(tǒng)”，推動技術落地與功能實現(xiàn)
在扎實的基礎體系之上，智能問數(shù)智能體采用“大模型 + 指標模型 + 知識庫”三層架構——核心依托 Smartbi 企業(yè)級 BI 平臺的開放能力，實現(xiàn)多類型大模型（支持開源 / 閉源靈活切換）無縫接入。
同時深度對接企業(yè)數(shù)據中臺，真正打通“數(shù)據-指標-問答”全鏈路；并借助Smartbi 成熟權限管理，完成與“中英知行”移動端、PC 端的統(tǒng)一認證與權限同步，精準適配多角色數(shù)據訪問需求，確保數(shù)據安全與用數(shù)便捷。
圍繞業(yè)務高頻場景，打造對話式分析、趨勢預警、歸因分析、自動洞察報告、語音交互五大核心功能，全面支持自然語言查詢、異常指標實時提醒、移動端便捷操作等實用場景，讓技術真正服務于業(yè)務。
為確保平臺從“能用”向“好用、常用”升級，項目采取分階段落地策略，首期聚焦 53 個核心指標開展試點，通過分層矩陣測試確保核心指標準確率≥90%，二期進一步將指標覆蓋范圍擴展至 109 個并實現(xiàn)全公司推廣，全面支撐經營分析、風險預警、對標診斷等全場景需求。
同時建立“用戶反饋 - 迭代升級”的持續(xù)優(yōu)化機制，通過功能內反饋按鈕、月度調研等多元方式收集用戶意見，定期更新指標庫與問句樣例集，持續(xù)提升平臺對業(yè)務場景的適配性與用戶體驗。
03、實效：效率提升 90%，移動端日活翻三倍
對企業(yè)而言，技術不應只追求“形式新穎”，更需聚焦“業(yè)務價值”。項目上線后，不僅實現(xiàn)數(shù)據處理效率的顯著提升，更推動業(yè)務決策模式的深層變革，核心成果可從四個維度量化：
●效率革命：業(yè)務人員借助智能問數(shù)智能體，數(shù)據收集與整理的時間較傳統(tǒng)方式縮短 90%。原本需要數(shù)小時甚至數(shù)天才能完成的復雜分析任務，現(xiàn)在僅需數(shù)秒即可生成可視化圖表。
●全員激活：集成移動端后，極大降低了使用門檻。數(shù)據顯示，平臺上線后移動端日活用戶數(shù)提升超過 3 倍，業(yè)務人員的自主查詢率顯著提高。用戶覆蓋從總公司管理層、核心業(yè)務部門到一線分支機構等全層級角色。數(shù)據不再是IT部門的“私產”，成為全員可用的業(yè)務工具。
●精準可信：通過嚴格的“分析意圖 × 邊界抽樣”分層測試，核心指標的問答準確率穩(wěn)定在 90%以上。指標覆蓋范圍也從一期的 53 個核心指標快速擴展至 109 個，涵蓋了業(yè)績監(jiān)控、趨勢預警、渠道分析等全場景。
●行業(yè)示范：依托在復雜經營指標拆解、統(tǒng)一口徑構建、移動端場景化落地等關鍵領域的創(chuàng)新性實踐，該項目成功入選 IDC 權威報告。這標志著中英人壽在利用 AI 智能體解決“指標口徑復雜、多維度分析難、業(yè)務用數(shù)門檻高”等行業(yè)共性難題上，為同業(yè)提供了可復制、可參考的“中英范本”。
04、結語
中英人壽的實踐證明，AI 大模型并非遙不可及的“黑科技”，而是可以實實在在落地的生產力工具。
通過“一把手工程”的戰(zhàn)略推動和“小步快跑”的敏捷實施，中英人壽不僅解決了一個技術問題，更完成了一次組織文化的升級——從依賴經驗和報表，轉向了“讓數(shù)據通過對話流動”的新范式。正如 IDC 報告所印證的那樣，這種將 AI 能力深度融入業(yè)務流的探索，正在定義保險行業(yè)數(shù)字化轉型的未來。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
