扫码添加微信
某全国性财产保险企业 如何在 保险 / 财产保险（车险与非车险理赔、核保核赔运营） 中协同落地 AI 知识库与智能体
面对车险综合改革后赔付率上升、理赔成本承压、监管合规趋严的多重挑战，该企业以 HiNowly 私有化 AI 知识库构建统一可信知识底座，将条款费率、监管规定、总公司作业规范、地方细则与历史核赔案例全部纳管并实现条款级引用溯源；同时基于 HiNowly AI 智能体开发平台，把知识、Skill、工具调用与业务系统打通，落地车险查勘定损辅助、核保核赔、单证审核、反欺诈线索、客服坐席与合规巡检等 9 类智能体。项目采用本地私有化部署，本地大模型与国内外主流大模型混合接入，敏感数据不出内网，并按机构、条线、角色实施数据权限隔离，全面兼容信创环境。上线后小额车险案件定损准备时间下降约 76%，核保核赔一次性通过率提升至 92%，智能体月均自动执行任务超 12 万次。
项目背景
该企业业务覆盖全国，理赔队伍超过 1.2 万人，其中查勘定损与核赔岗占比近四成。随着车险综合改革深入推进，条款、费率、无赔款优待系数与增值服务规则频繁调整，总部每年下发的作业规范、监管文件与地方性执行细则累计超过数千份。与此同时，监管对理赔时效、销售可回溯、反欺诈与消费者权益保护的要求持续提高，企业内部稽核与合规抽查压力显著加大。原有知识管理方式以 OA 文档库加内部邮件为主，业务人员遇到疑难案件主要依靠电话咨询、老员工经验与个人整理的笔记，知识沉淀与复用效率低，不同机构对同类案件的判定口径存在明显差异。企业希望在数据不出内网的前提下，用 AI 知识库和 AI 智能体把“查得到、判得准、办得快、管得住”四件事一次性解决。
项目总览
项目以“一个可信知识底座 + 一支可执行任务的智能体队伍”为主线。知识侧，HiNowly AI 知识库通过多源连接器接入 OA 文档库、条款库、监管文件库、理赔系统历史案件库、客服工单库与培训课件库，完成格式解析、版面还原、语义切片、元数据打标（险种、机构、条线、生效时间、文件密级）与冲突检测，并由总部业务专家在知识审核工作台中完成权威版本确认，形成带生效期与失效期的知识版本链，杜绝“过期条款被引用”的问题。检索侧采用向量检索 + 关键词检索 + 规则过滤的混合召回，结合重排序与引用约束生成，输出条款号级引证与原文定位。 智能体侧，基于 HiNowly AI 智能体开发平台完成智能体设计、Skill 编排、工具调用与工作流编排。以车险查勘定损辅助智能体为例：智能体接收理赔系统推送的案件号后，先调用影像系统 OCR Skill 提取行驶证、驾驶证与事故照片结构化信息，再调用车型库与配件价格库工具确定配件编码与基准价格，调用工时库工具匹配维修工时，调用知识库检索本地区最新定损口径与历史相似核赔案例，最后生成含更换/修复建议、金额区间与依据条款的定损建议单，经查勘员人工确认后回写理赔系统。核保核赔智能体则调取投保单影像、批单与保单数据，逐条比对承保规则与条款免责项，输出核保意见与风险提示；理赔单证审核智能体通过 OCR 与规则引擎识别缺件、涂改、重复索赔；反欺诈线索智能体调用黑名单、维修厂风险库与历史案件图谱，输出风险评分并自动生成核查工单。所有智能体均支持人工在环审批节点，关键动作留痕可审计。 部署层面采用全私有化方案，推理层同时接入本地部署的国产开源大模型与经企业安全评估的国内外主流大模型 API，形成“本地模型处理敏感案件、外部模型承接通用文案类任务”的混合调度策略；针对条款解释与核赔判定场景，基于企业内部高质量案例微调出专家大模型，作为高价值场景的专用推理通道。权限层面实现部门角色管理与数据权限隔离，机构、条线、岗位与知识密级四维联动。整体方案兼容国产芯片、国产操作系统、国产数据库与国产中间件，满足信创与国产化要求。
项目痛点
知识高度分散且版本混乱：条款费率、监管文件、总部作业规范、地方执行细则、历史核赔案例分散在十余个业务系统、OA 目录与员工个人电脑中，同一业务问题存在多版本答案，检索基本靠“问人”，新人无从下手。
经验依赖严重、判定口径不一：车险定损与非车险核赔高度依赖资深查勘员和核赔师的个人经验，同一事故在不同机构的定损金额与赔付结论差异较大，稽核退回率高，新人独立上岗周期普遍在 6 至 12 个月。
时效与合规双重压力：监管对理赔时效、单证完整性、销售可回溯有硬性要求，但人工抽查覆盖率不足 5%，问题往往在监管通报或客户投诉后才被发现，整改被动。
业务系统割裂、数据搬运靠手工：查勘定损需要同时操作理赔系统、影像系统、车型库、配件价格库、工时库与反欺诈平台，一个案件平均切换 4 至 6 个系统，大量时间消耗在复制粘贴与人工比对。
通用大模型不可用：案件材料包含客户身份信息、保单信息与事故影像，任何数据都不能出内网；同时通用模型不了解企业内部条款与地方细则，直接使用存在明显幻觉风险，无法满足金融行业合规要求。
项目诉求
建设一套私有化部署的 AI 知识库，统一纳管条款费率、监管规定、作业规范、地方细则与历史案例，形成唯一权威、可持续运营的可信知识底座。
实现可信检索与问答：所有答案必须给出条款号、文件名称、生效时间与原文片段，可一键追溯到源文件，知识覆盖不足时明确拒答而非编造。
基于 AI 智能体开发平台，把知识、Skill、工具调用与业务系统打通，让智能体能够完成定损建议、核保意见、单证审核、线索生成等具体任务并回写业务系统，而不止于智能问答。
建立机构、条线、岗位三级权限体系，实现知识可见范围与业务数据的严格隔离，省级机构只能看到本区域细则与授权数据。
满足信创与国产化要求，支持本地大模型私有化运行，同时保留与国内外主流大模型的对接能力，敏感数据本地处理、非敏感通用任务可灵活调度。
形成可运营的智能体体系：支持发布、版本管理、灰度上线、效果评估、调用监控，并通过定时任务与自动化任务实现无人值守的日常巡检与监控。
HiNowly 解决方案设计
统一接入和治理企业知识，通过可信检索与引用问答为智能体提供知识底座
支持智能体设计、调试、发布与运营，让业务人员快速构建场景化智能体
通过 Skill、工具调用和业务系统连接，让智能体从回答问题升级为执行任务
支持工作流编排、自动化任务与定时任务，串联知识、模型、工具与审批节点
支持本地及私有化部署、主流模型接入、权限隔离，并适配信创与国产化环境
HiNowly AI 知识库提供文档库、业务系统、数据库与接口四类连接器，支持 PDF、Word、Excel、扫描件与网页等格式的版面还原与语义切片，自动抽取险种、机构、条线、生效时间与密级等元数据。知识进入平台后经历查重、冲突检测、专家审核、发布、生效、失效、归档七步流程，形成带生效期的版本链，确保一线引用的永远是当前有效条款。
采用向量检索、关键词检索与规则过滤相结合的混合召回策略，叠加重排序与引用约束生成，答案直接标注文件名称、条款号、生效时间并附原文片段定位。当知识覆盖不足或问题超出授权范围时，系统明确拒答并给出转人工建议，从机制上抑制幻觉，满足金融行业对可解释、可审计的要求。
平台提供角色设定、目标定义、能力边界、知识域绑定、工具白名单与对话策略的可视化配置，支持画布式工作流编排、节点级调试、单测用例回归与效果评估。智能体可一键发布到理赔系统内嵌页面、企业微信、柜面终端与客服坐席工作台，支持版本管理、灰度发布与快速回滚。
将 OCR 识别、车型匹配、配件价格查询、工时定额、保单查询、黑名单校验、反欺诈评分、单证校验等能力封装为可复用 Skill，由智能体按需编排调用。工具调用支持参数校验、超时重试、结果缓存与失败降级，并可在无 API 的场景下通过 RPA 适配层操作存量系统，真正打通业务闭环。
针对理赔这类高合规要求场景，平台支持多分支、多条件的工作流编排，并在关键节点强制插入人工复核。例如定损建议单必须经查勘员确认后才回写理赔系统，核赔结论超一定金额自动升级至高级核赔师，全流程留痕，既保证效率又守住风控底线。
平台内置定时任务与触发式自动化能力：每日 7 点自动扫描前一日理赔时效超期案件并生成整改清单，每小时同步条款库变更并触发知识影响面分析，每周自动汇总反欺诈线索并推送至稽核部门，月末自动生成机构理赔质量报告。任务支持失败告警、执行日志与重跑机制，运维人员可在控制台统一监控。
整体方案在客户自建机房私有化部署，支持本地部署的国产开源大模型进行敏感数据处理，同时通过统一模型网关对接国内外主流大模型，按任务密级自动路由。面向条款解释与核赔判定等高价值场景，基于企业内部案例微调专家大模型，形成通用能力与专家能力互补的推理体系。
构建机构、条线、岗位、知识密级四维权限模型，省级机构仅可访问本区域细则与授权案件数据，车险与农险条线知识相互隔离，财务与稽核岗位按需开放只读视图。字段级脱敏与全链路审计日志确保每一次检索、调用与回写都有据可查。
平台已完成与国产芯片、国产操作系统、国产数据库及国产中间件的适配认证，支持容器化与信创云环境部署，可在客户现有信创资源池中平滑扩容，满足金融行业自主可控与国产化替代的长期要求。
项目实施范围
知识域覆盖：车险条款费率与增值服务规则、非车险各险种条款、监管规章与规范性文件、总部作业规范、31 个省级区域执行细则、历史核赔案例、客服话术与培训资料。
智能体清单：车险查勘定损辅助、核保规则比对、核赔结论建议、理赔单证审核、反欺诈线索生成、客服与柜面坐席助手、机构合规巡检、理赔时效监控、新人陪练考评共 9 类智能体。
系统对接：理赔系统、保单与批单系统、影像系统、核保规则引擎、配件价格库、工时库、车型库、反欺诈平台、客服工单系统与 OA 统一身份认证。
权限与安全：机构/条线/岗位/密级四级权限模型，字段级数据脱敏，全链路操作审计日志，敏感数据不出内网。
部署形态：私有化本地部署，本地大模型 + 国内外主流大模型混合接入，专家大模型微调，兼容国产芯片、操作系统、数据库与中间件。
运营机制：知识运营岗、智能体运营岗与效果评估机制，问题反馈闭环、版本灰度发布与月度效果复盘。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：业务调研与知识盘点 | 2 周 | 完成车险与非车险知识资产盘点清单、知识密级与权限模型设计、9 类智能体场景优先级排序、试点机构选定与实施基线指标确定。 |
| 第二阶段：知识底座搭建与治理 | 4 周 | 完成多源连接器配置、历史文档批量入库与解析、元数据标引、冲突检测与权威版本确认，输出带生效期版本链的条款费率库、监管制度库与历史案例库，并上线知识审核工作台。 |
| 第三阶段：智能体开发与系统对接 | 6 周 | 完成 9 类智能体设计与编排，封装 OCR、车型库、配件价、工时库、黑名单、反欺诈评分等 20 余个 Skill，打通理赔、保单、影像、核保规则引擎与客服工单系统，完成本地大模型与专家大模型部署及模型网关接入。 |
| 第四阶段：试点运行与效果调优 | 4 周 | 在 3 家省级分公司、12 家中心支公司开展试点，完成 1.2 万条真实案件的准确率与时效验证，优化召回策略、提示词与工作流分支，形成智能体效果评估报告与准入标准。 |
| 第五阶段：全国推广与运营体系建立 | 6 周 | 完成全国 30 余家省级机构的分批上线与 1.2 万名理赔及客服人员培训，建立知识运营岗与智能体运营岗职责、灰度发布规范、问题反馈闭环与月度效果复盘机制。 |
| 第六阶段：持续运营与迭代 | 长期 | 按季度新增智能体场景与知识域，持续开展专家大模型迭代训练、权限策略复核、定时任务优化与信创环境扩容，形成常态化 AI 运营能力。 |
项目最终成果
建成覆盖条款费率、监管文件、作业规范、地方细则与历史案例的统一可信知识底座，知识总量超 42 万条，条款级引用准确率达到 96% 以上，一线不再需要电话咨询总部即可获得带出处的权威答案。
车险查勘定损辅助智能体在全国推广后，单案定损准备时间从平均 25 分钟降至 6 分钟，定损建议与最终核赔结论的一致率提升至 89%，跨机构判定口径差异显著收敛。
核保核赔与单证审核智能体实现投保单、批单、影像与保单数据的自动比对，理赔单证缺件退回率下降 43%，核赔一次性通过率由 71% 提升至 92%。
反欺诈线索智能体联动黑名单、维修厂风险库与历史案件图谱，高风险案件识别准确率达到 85%，线索核查工单月均产出 3400 余条，为稽核部门提供稳定的风险输入。
定时任务与自动化任务体系承担了理赔时效监控、条款变更影响分析、合规巡检与月度质量报告等日常工作，智能体月均自动执行任务超 12 万次，人工抽查覆盖率由不足 5% 提升至 100% 全量扫描。
新人培养周期由平均 9 个月缩短至 4.5 个月，新人陪练考评智能体累计完成 2.6 万次情景演练，理赔队伍整体知识水平与合规意识明显提升。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 小额车险案件定损准备时间 | 25 分钟 → 6 分钟 | 由查勘定损辅助智能体自动完成影像识别、配件与工时匹配、条款检索与建议生成，查勘员仅需确认与调整，单案节省约 19 分钟。 |
| 核赔一次性通过率 | 71% → 92% | 核保核赔与单证审核智能体前置完成条款比对与缺件识别，减少因材料不全或规则误用导致的退回重提。 |
| 知识检索平均耗时 | 8 分钟 → 20 秒 | 混合召回与引用约束生成使一线人员可直接获得带条款号与原文定位的答案，无需在多系统与多版本文件中人工翻找。 |
| 理赔单证缺件退回率 | 下降 43% | 单证审核智能体在受理环节即识别缺件、涂改与重复索赔，问题在流程前端被拦截。 |
| 高风险案件识别准确率 | 85% | 反欺诈线索智能体综合黑名单、维修厂风险库与历史案件图谱输出风险评分，显著提升稽核命中效率。 |
| 智能体月均自动执行任务量 | 12 万次以上 | 由定时任务与自动化任务驱动，覆盖时效监控、条款变更影响分析、合规巡检与质量报告等日常运营工作。 |
“我们最看重的不是模型有多聪明，而是答案能不能追溯到条款、动作能不能落到系统里。HiNowly 的知识库让全国一万多名理赔人员用的是同一套有效版本的知识，智能体则把定损、核赔、单证审核这些动作真正跑进了我们的理赔系统，而且在私有化部署和权限隔离上完全满足金融行业的合规底线，这是我们敢在全国范围推广的前提。”
某全国性财产保险企业 项目负责人