如此背景下，中国保险业最大的独立AI科技公司暖哇科技成为行业焦点。该公司成立于2018年，在保险交易全生命周期提供AI解决方案，获得众多头部险企青睐，近期已向港交所提交上市申请。
暖哇科技首席数据官陈鸿指出，当AI涌向金融领域，保险行业成为率先“涉水”的赛道之一。客服的秒级响应、理赔审核的自动化流转、风险定价的精准测算，都在证明AI的价值。但与此同时，保险行业内蕴的密集专业知识、复杂流程和强监管属性，也给AI落地带来了挑战。
落地挑战来自“数据陷阱”
数据价值陷阱：熟知数据是AI的燃料，但并非“有数据就可以”，AI面对原始数据海洋往往会“渴死在海水中”。要将非标业务数据转化为AI可用数据，必须经历数据标化、质量评价、数据合成等多重环节，并需保险专家、医学专家深度参与，最终海量业务数据要想在AI应用中体现价值并不容易，成为一个价值陷阱。
数据流通陷阱：保险行业必须遵从金融的强监管要求，“数据不出域”，这意味着所有AI应用必须私有化部署。这与AI Agent习惯的SaaS云端升级模式相悖，之前部署的AI应用在面对各种新问题时难以保持迭代，增加了不菲的定制化压力。
以专识库为核心支撑的理赔多智能体系统
暖哇科技在2024年推出的理赔多智能体系统，将理赔流程拆解为“条款解析、事件整理、核赔、核责、理算风控”五个环节，由不同智能体分工负责。实践中，该系统已让门诊险和团险的理赔全自动直通率提升至70%以上。
而支撑这一系统的核心，是暖哇科技自建的专识库。它既整合国家标准医学知识，又纳入不同保险公司的差异化条款，确保AI在理赔流程中能基于专业知识，交付专业可靠的结果。
但过去，专识库的迭代更新高度依赖专家工作，成为AI落地满足业务预期的瓶颈所在。
知识飞轮突破迭代瓶颈
对此，暖哇科技搭建了离线的知识飞轮workflow，通过“自下而上+自上而下”双管齐下，AI开始逐步承担原由业务专家负责的知识生产工作，让智能体能开始以数据驱动的方式持续迭代、自我更新。
自下而上：来自Badcase，“错案理解Agent”会推理分析每个错案，直接生成错误类型并提出优化建议和推理路径，专家确认后将驱动后续的逻辑更新，进一步完善专识。
自上而下：从保险条款出发，AI以离线推理的方式，从理赔审核专家的视角，拆解每个保险产品条款的框架，专家审核后驱动具体的拆解和抽取workflow，形成条款知识库。
通过知识飞轮的辅助工作，我们已开始看到巨大的提效可能，以团险为例，每年能减少约70%的业务工作量。
下一步：案例推理型智能体
陈鸿透露，暖哇科技的下一代智能体将在自省、自更新之外，聚焦“案例推理”。与传统依赖规则的AI不同，它将像人类审核员一样记住过往边界案例，在处理“可赔可不赔”的复杂情形时具备分寸感，提供更合理、更有温度的赔付方案。
作为深耕技术应用的AI保险科技公司，暖哇科技已推出覆盖核保、理赔、风控的全链路风险管理平台“天鉴”。借助智能体与知识飞轮的双轮驱动，公司正在为保险理赔的AI落地探索切实可行的新实践。
