企業應用生成式 AI 已進入新階段：由早期的客服、摘要與文件整理，走向真正影響收入、效率與風控的核心流程。保誠與阿里雲推出的「AI 核保師」正是典型案例。這項應用的表面重點是將查詢時間由數天縮短至數分鐘，但更深層的營運價值，是把部分原本集中於後台的核保專業知識直接帶到銷售前線。
打破前後台落差：從「加速作業」到「一次到位」
傳統保險流程的難處在於前線顧問與後台核保之間的資訊落差。過去由顧問收集資料提交後，核保人員才要求補充健康或職業細節，多次往來增加行政負擔，亦延誤承保時程。「AI 核保師」讓理財顧問在正式遞件前，即可透過對話輸入客戶條件，即時取得初步核保評估（包含是否加算保費、加入除外責任或需補件項目）。這種「把工作提前」的設計，核心效益是大幅降低前後台補件與重複溝通的次數，而非把查詢變快。
從「幫員工寫字」到「複製專家能力」
這反映企業 AI 正轉型：第一階段側重提升個人效率（如撰寫信件、摘要），現在則演變為企業知識的分發層。保誠將累積多年的核保規則與實務經驗，透過阿里雲百煉平台、通義千問大模型與 RAG（檢索增強生成）技術轉化為可對話的知識庫。大模型本身可以替換，但企業獨有的業務規則、經驗數據與流程整合，才是難以被複製的競爭優勢。
Machine-First，Human-Governed：人機分工的新常態
這與 McKinsey 在 2026 年提出的下一代核保思路接近：由機器處理資料收集、完整性檢查與重複性工作，人類專家則專注於複雜判斷與最終決策。該研究主要針對商業及專業保險，與保誠今次的個人保險應用不盡相同，但背後的人機分工思路值得參考。
保誠未有將最終承保權完全交給 AI，「AI 核保師」僅提供初步指引，最終審核仍由專業團隊把關。此外，官方公布的 95% 準確率與低於 2% 幻覺率（此為企業內部測試數據，目前未有第三方獨立驗證），與其比較指標數字，能提供「回答依據溯源」，才是這類高風險金融應用更值得留意的設計。
落地關鍵在於工程與業務的深度融合
該系統能在 3 個月內快速上線，得益於阿里雲的「前沿部署工程師」（FDE）模式。不少企業 AI PoC 面對的共同問題，主要是技術團隊與業務部門之間存在距離，而非模型能力不足。FDE 讓工程人員直接進入業務場景，與前線一起把業務規則轉化為系統功能。這亦呼應香港監管（如沙盒 Sandbox++ 與保監局 AI 計劃）的趨勢——關注焦點已由「能否使用 AI」轉向「如何將 AI 安全且大規模地嵌入核心流程」。
展望：由核保向更多核心流程延伸
保誠計劃將此系統延伸至銀行保險及經紀渠道，並進一步研究 AI 在理賠，以及識別詐騙和醫療濫用個案方面的應用。未來企業 AI 的勝負關鍵，在於能否將累積多年的專業知識，安全且深度地融入每天影響營運與收入的核心工作流中，而非誰先擁有 Copilot 或單純比較模型 Benchmark。
