在数字化转型的深水区，保险企业普遍面临“数据丰富但业务应用不足”的困境。作为由中粮资本与英杰华集团合资组建的险企，中英人寿规模与利润均稳居合资寿险公司第一梯队。在“数智中英”的战略蓝图下，这家企业正在经历一场从“经验驱动”到“数据智能驱动”的深层变革。
通过联合思迈特软件构建中英知行智能问数智能体，借助“原子指标拆解”和RAG检索增强等创新手段，中英人寿实现了从总公司到分支机构的对话式分析，数据收集整理时间缩短90%，移动端日活跃提升3倍。
凭借在保险行业数据应用技术架构创新、业务价值深化等多维突破及卓越的落地实效，该案例近期成功入选IDC《中国金融行业智能体最佳实践案例分析之保险与资管篇》报告，成为保险行业挖掘数据价值的标杆范本。
01 三重数据壁垒制约经营效率
在保险行业，经营分析是一项极其复杂的工程，它涉及多维度、复杂指标。中英人寿一线业务与管理团队曾受限于三重数据壁垒，一定程度上影响了数据价值向业务决策的高效转化。
首先是取数难。传统的BI报表虽然丰富，但无法穷尽所有千变万化的分析场景。一旦涉及非固化报表的查询，业务人员就必须向IT部门提需求。排期、开发、核对等，一旦进入一个周期，往往需要数天甚至一周。对于瞬息万变的市场而言，这种T+N的反馈速度显然太慢。
其次是口径乱。保险经营指标逻辑复杂，存在大量的非线性累加和动态调整。比如新单价值或年化保费，在不同机构、不同渠道的统计口径可能存在细微差异。业务人员若自行加工数据，容易因口径不一致导致分析结果偏差，甚至可能误导决策。
再者是落地难。项目初期团队面临双重现实挑战，一方面资源有限，无法稳定支持高并发与多轮对话；另一方面，业务人员对AI能力存在认知偏差，部分人对其抱有能回答一切经营相关问题的高期望。
我们需要打破这种依赖。让业务人员不需要懂代码，也不需要排队，用自然语言就能直接与数据对话。这是中英人寿项目团队的初衷。
02 让AI读懂保险，三步走构建全链路智能问数平台
为突破数据应用困境，中英人寿以“业务需求为锚点、技术落地为支撑”为原则，分阶段推进中英知行智能问数智能体，各环节层层递进、自然衔接，确保方案精准适配经营场景。
图1：业务架构流程
（一）搭建指标体系，奠定业务基础
以SMaRtBI成熟的保险行业指标体系构建工具为支撑，项目团队基于“中英知行”的现有经营分析框架，系统梳理形成保费相关指标、产品、队伍、渠道等核心分析场景，明确全场景指标需求并输出标准化业务指标体系模板，为后续建模奠定基础。
图2 指标模型构建方式
（二）聚焦口径统一与知识匹配，构建模型与知识库
面对复杂的经营数据，直接把报表喂给AI不可行。项目团队创新采用“原子指标拆解”的方法，将109个复杂指标拆解为不可再分的原子指标，明确统一统计口径、计算逻辑与数据来源。无论业务人员如何提问，AI都会回溯到最底层的原子指标，并根据计算逻辑实时聚合，确保全公司数据一致，消除口径差异。
同时，建立覆盖行业术语的知识字典、同义词库及机构-渠道-产品-指标的关联知识图谱，保障语义精准映射；并区分T+1更新的监控类指标与高频更新的风险预警类指标的数据策略，兼顾时效性与稳定性。
（三）搭建可用系统，推动技术落地与功能实现
在扎实的基础体系上，智能问数智能体采用“大模型 + 指标模型 + 知识库”三层架构，依托SMaRtBI企业级BI平台开放能力，允许多类型大模型（开源/闭源）无缝接入。
同时深度对接数据中台，打通“数据-指标-问答”全链路；结合SMaRtBI成熟的权限管理，完成与中英知行的移动端和PC端统一认证与权限同步，满足不同角色的数据访问需求，保障数据安全与用数便捷。
围绕高频场景，构建对话式分析、趋势预警、归因分析、自动洞察报告、语音交互五大核心功能，支持自然语言查询、异常指标实时提醒、移动端便捷操作等场景，让技术真正服务于业务。
为确保平台从能用向好用、常用升级，项目采取分阶段落地策略。首期聚焦53个核心指标开展试点，通过分层矩阵测试确保核心指标准确率≥90%，二期扩展至109个指标并实现全公司推广，全面支撑经营分析、风险预警、对标诊断等全场景需求。
同时建立“用户反馈-迭代升级”的持续优化机制，通过功能内反馈按钮、月度调研等多元方式收集意见，定期更新指标库与问句样例集，持续提升平台对业务场景的适配性与用户体验。
03 实效：效率提升90%，移动端日活跃翻三倍
对企业而言，技术应以业务价值为核心。项目上线后，不仅显著提升数据处理效率，还推动了决策模式的深层变革，核心成果可从以下四个维度衡量。
效率革命：借助智能问数智能体，数据收集与整理时间较传统方式缩短90%。以往需数小时甚至数天的分析任务，现在仅需数秒即可完成并生成可视化图表。
全员激活：集成移动端后使用门槛显著降低，上线后移动端日活跃提升三倍，业务人员的自主查询显著增加，数据覆盖从总公司到分支机构的各层级。
精准可信：通过严格的分析意图和边界抽样的分层测试，核心指标问答准确率稳定在90%以上，指标覆盖从53扩展到109，涵盖业绩监控、趋势预警、渠道分析等全场景。
行业示范：在复杂经营指标拆解、口径统一、移动端落地等方面的创新实践，使该项目入选IDC权威报告，成为行业可复制的示范范本。
04 结语
中英人寿的实践证明，AI大模型并非遥不可及的黑科技，而是可以落地的生产力工具。
通过“一把手工程”的战略推动和“小步快跑”的敏捷实施，中英人寿不仅解决了一个技术问题，还完成了组织文化的升级——从依赖经验和报表，转向让数据通过对话流动的新范式。 IDC报告也印证了这种将AI能力深度融入业务流程的探索，正在定义保险行业数字化转型的未来。
