计算成本压力:“令牌困境”
保险审核复杂……减少输入恐引发错误
海外保险公司令牌用量激增的案例也有出现

随着保险公司扩大人工智能(AI)的应用,如何管理计算成本正成为新的课题。处理复杂的保险条款和理赔材料需要输入大量信息,信息越多,令牌使用量就越大;此外,AI代理反复进行搜索和分析,也可能在短时间内消耗大量令牌。试运行阶段尚可承受的成本,在应用于实际的大规模业务过程中,可能转化为盈利压力。

保险公司AI竞争的新变数是“令牌成本”? View original image

据保险业界18日消息,全球咨询公司德勤在近期发布的《2027年保险业展望》中指出,随着保险公司扩大AI代理的应用,令牌使用量以及因模型选择而产生的运营成本将成为重要的管理对象。针对保险公司的AI投资,德勤在报告中分析称:“仅采用传统的IT预算编制方式,今后可能已不足以应对需求。”“有必要掌握AI成本及其创造的价值,在持续投入创新的同时,避免成本增长超出预期。”


令牌是大型语言模型(LLM)处理信息的基本单位。生成式AI会将输入文本拆分为令牌进行分析,回答也以令牌为单位生成。保险公司通过应用程序编程接口调用外部AI模型时,通常会根据输入和输出所使用的令牌数量产生费用;部分推理型AI模型还会在生成回答的过程中于内部额外使用令牌,从而增加成本。


这种机制在保险业尤为重要,原因在于保险业务具有信息密集的特点。例如,要审核是否支付保险金,就必须对照投保时的保险条款、保障条件、免责条款、事故经过、就诊记录以及过往理赔记录等。与一般客户咨询不同,这类业务需要核实散落在多份文件中的条件,并将其应用于具体事故。如果把整套保险条款和理赔材料交给AI处理,输入令牌就会增加;若反复进行多轮计算,同一信息被重复处理,成本也可能不断累积。如果为了减少令牌用量而删去部分信息,则可能遗漏作出理赔判断所必需的例外条款或合同条件。


一名金融业界人士表示:“理赔材料中有时会包含重复的就诊记录,或缺少必要的检查资料。如果原样输入AI,可能会产生不必要的计算。”“保险公司与其用单一模型处理所有工作,不如根据不同环节采用适合的模型,例如用于文件分类或信息提取的模型,这样可能更有效率。”



有分析指出,随着保险公司将全公司范围内的AI应用从测试运行扩大至实际的大规模业务处理,令牌成本问题可能会更加突出。此前,德勤在2026年9月发布的一份分析中介绍了一个案例:某保险公司的月度AI令牌使用量在不到一年内从300万个增至1.5亿个以上。随着AI应用扩大,令牌消耗量在短期内大幅增长。对此,德勤指出:“在概念验证阶段看似可以承受的成本,随着规模扩大,可能会演变成沉重负担。”

保险公司AI竞争的新变数是“令牌成本”? View original image

一名业界人士表示:“如果保险审核结论存在不确定性,代理反复搜索和分析,即使处理单笔业务,也会消耗比预期更多的令牌。”“外部AI模型的输入、输出令牌单价以及各供应商的收费标准各不相同。即便使用价格较低的模型,若因错误导致工作人员需要增加复核,整体处理成本也可能上升,因此有时很难证明AI投资的成效。”


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点