案例名称

AI赋能重疾无人工理赔的智能运营新模式

案例简介

重疾责任的判定是保险理赔中对运营人员专业能力要求最高的领域之一，中国人寿为持续提升重疾理赔服务效率与客户体验，立足保险理赔数智化转型，落地基于大模型的重疾无人工理赔智能运营项目。

项目利用多模态大模型识别能力、医学知识辅助推理能力，智能解析诊断证明、检查报告等影像，匹配重疾定义、严重程度、治疗方式、等待期等复杂规则，构建“大模型辅助定责+规则引擎兜底+给付前人工复核”的智能运营模式，确保准确性与安全性的前提下提升运营效率和服务时效，为数字金融在保险智能运营领域提供了可复制标杆。

创新技术/模式应用

1、模式创新与知识增强机制

利用多模态大模型（一种能同时理解文字、图片等信息的智能技术）直接理解理赔影像，提取疾病及诊疗关键信息，再由重疾判定大模型综合分析，形成审核结果，打通非结构化医学材料到结构化理赔结论的处理链路。

构建基于理赔医学指引的知识增强机制，按疾病、诊断条件及审核要点切片建库；识别疾病后，检索相关指引，将依据与案件信息共同提供给大模型，增强判断的专业性、可解释性与可追溯性。

建立“错判归因—专家思路提炼—提示词优化—回归验证”的迭代闭环，将人工正确判断中的关键证据、判断顺序与边界条件转化为模型审核策略，推动专家经验向可复用的数字化能力沉淀。

图1 大模型审核与专家反馈闭环

2、工程创新与资源精细化配置

采用全局图片FIFO调度算法，对图片识别调度机制进行优化升级。针对图片识别耗时较长，占用所在批次的处理资源，导致整体任务超时的问题，改批次执行为按图片到达顺序全局调度，解除批次等待与图片处理资源绑定，实现图片识别与理赔推理独立处理，结果按批次及图片序号归集，并由独立环节回传。

建立流量、并发、耗时及失败原因监控闭环。以等待批次、活跃批次和未完成图片数量约束资源规模，结合业务截止时间、有限重试和终止任务清理减少无效请求，提升高并发下的处理效率、稳定性与可运营性。

图2 图片级FIFO调度与独立并发池架构

项目效果评估

重疾险理赔具有资料多、专业性强、金额大、时效要求高等特点。本项目落地“大模型辅助定责+规则引擎兜底+给付前人工复核”运营模式，通过智能化手段在保证理赔专业性的同时大幅提升案件处理速度。

1、从“专家综合研判”到“大模型辅助定责”的运营模式转变

重疾条款涉及大量医学专业术语和多条件判断，在保险条款复杂语义理解、医学知识关联分析以及多条件推理等方面依赖专业运营人员综合研判。本项目创新将大模型专业理解与推理能力引入重疾险保险责任判定环节，大模型能够结合案件事实、保险合同责任条件和相关医学知识，开展综合分析与专业判断，实现理赔责任判定智能化，最终经人工复核后，所有案件最终给付准确率均为100%。

2、从“一日赔”到“分钟级”的赔付时效跃升

2019年起，中国人寿推出“重疾一日赔”服务，对申请重大疾病赔付且符合条件的客户，一个工作日内完成理赔处理。2026年，上线重疾无人工理赔功能，对于符合条件的案件，系统可实现全流程自动化处理，将客户等待时间进一步压缩，理赔时效由天级提升至分钟级，理赔服务更加高效。例如某客户因重大疾病申请理赔，大模型在2分钟内完成责任判定，人工复核无误后，快速赔付2万元。

综上所述，本项目在提升理赔效率与运营能力方面取得了初步成效，是数字金融提质增效在保险理赔领域的生动实践，为保险行业探索大模型在复杂理赔场景中的应用提供了可参考的实践经验。

责任编辑：佟桃梨