对于 " 高频理赔 " 的医疗险而言，理赔速度快不快、申请的便捷度高不高是衡量用户体验的重要指标。各家保险公司最新披露的理赔半年报显示，小额理赔时效基本上不到 1 天，多家公司披露的理赔案例提到了秒速赔付的案例，最快一笔赔付甚至 2 秒到账。

9 月 2 日，蚂蚁保宣布上线 " 秒赔 " 服务。目前，阳光财险成为首家试点保险公司，阳光财险在蚂蚁保平台 81% 以上的门诊险和 50% 以上的住院医疗险的赔付案件，已经实现秒级结论审核，实现了规模化覆盖。在此之前，该平台已实现 " 门诊险 2 日时效、住院医疗险 4 日时效 " 的理赔服务承诺。

从 "2 日 " 到 " 秒级 " 赔付，行业理赔时效再向前大跨一步，究竟是如何实现的？近日，蚂蚁保理赔负责人方勇、蚂蚁集团保险事业群首席技术官孙振兴在接受《每日经济新闻》记者采访时详细阐述了大模型技术进化下，给保险理赔带来的革新。

理赔作业门槛高：材料类型多差异大、复杂程度高

近 20 年来，信息化冲击了各行各业，但对于复杂度较高的保险理赔环节而言，仍较为依赖理赔人员的人工作业，在理赔端的变化并不十分明显。从保险客户视角看，保险理赔难的弊病长期存在、尚未得到明显改观。

在方勇看来，理赔作业门槛的相对比较高，主要体现在两个方面：一是理赔材料的类型多差异大、复杂度比较高；二是理赔人员培养的周期也相对会长一些，通常理赔专家毕业于医学院，且学习过一些保险条款，再做对应的审核工作。

以住院审核为例，其中有 5 个必须环节，不同的环节需要不同的人协作。对于金额较大、可能有既往症的案件，需要去用户户籍地、出险地、常住地调取比较常见线索，一旦要去线下调查，案件的审核周期大概会在 15 — 20 天。

以线上热销医疗险 " 好医保 " 为例，2018 年 9 月以前，好医保的理赔都是通过线下邮寄材料的方式进行，平均 15 天内完成理赔。随着接入在线理赔，并不断在前端引入智能核赔工具、系统优化和规则流程的缩减，2022 年已实现 " 门诊险 2 日时效、住院医疗险 4 日时效 "。

彼时，在线票据网络、文档相机等 AI 技术的应用，提升了客户感知的理赔时效。客户可以在线报案、提交材料，在在线服务的过程中，蚂蚁保平台和保险公司会根据客户的理赔过程，提供形式多样的操作指引，在理赔处理进展方面能实时让客户得到信息。原先这些服务，客户需要在线下的服务门店或者是拨打统一的客服电话才能够了解到。

" 解决理赔材料类型多差异大、复杂程度高的行业痛点，第一步是高精度信息提取，医疗文档中特别是费用清单密度非常高，而提取的结果影响到后续的核算金额。目前，行业内普遍提取准确率还有很大的提升空间。" 方勇表示。

像理赔专家一样核赔、理算，并不容易达到

" 秒赔 " 试点保险公司的数据显示，门诊险理赔中 800 元以下案件占到了报案量的 99%，对于这部分的案件，" 秒赔 " 覆盖率超过 80%；目前，秒赔在 1 万元以下的住院险覆盖率超过了 50%。所谓 " 秒赔 "，是指在 30 秒内给出一个理赔结论，包括具体的赔付金额以及扣减部分对应的相关解释。

据了解，全国医疗电子票据覆盖情况不同，由于部分非电子票据识别问题，" 秒赔 " 尚不能实现理赔案件的 100% 覆盖率。

2023 年 10 月，上海、浙江、江苏、安徽实现区块链电子医疗票据互联互通，意味着商业保险理赔在长三角地区打通。得益于此，用户在长三角地区跨省就医的票据免上传、免验真伪，让市民提交理赔材料更方便，也让保险公司审核理赔时效更快。

方勇表示，在长三角地区之外，用户需要在医院端先把发票打印出来，由于有很多地方已经完成电子票据的改革，可以在对应财税平台上获取这张票据上对应的信息，这种也属于电子票据的范围内。此外剩下的，就是纯机打的纸质发票，就缺乏高效验证真假的手段。

在提取环节，医疗凭证的电子化无疑能够辅助高精度信息提取的准确率。要做到 " 秒赔 "，还需要像理赔专家一样核算、理算，这在业内人士看来并不容易达到。

方勇认为，" 秒赔 " 的核心点在于专家级的理赔审核，如何使用运用智能化的手段，根据不同产品条款、健康告知等要求，针对用户当前住院或者出险的情况做出准确的判断，而且这个判断要有很强的可解释性，这是在理赔这种很垂直的严肃金融领域中要特别强调的。

" 在材料变成结构化以后，基于这个清单中哪些要赔、哪些可以赔，智能化的推理和决策过程一样少不了，其中有很大的技术难点在里面。" 方勇举例称，保险条款中对于保障范围的描述是文本性的内容，对应用户出险的情况——医院诊断疾病类型共有 2 万多种，在只有结构化的数据进来的情况下，是无法得到系统判断的。

从 2 日到秒级：生成式大模型方案重构理赔审核基础链

从两年前的 "2 日 " 到现在的 " 秒赔 "，背后到底有哪些 " 黑科技 "？

蚂蚁集团保险事业群首席技术官孙振兴表示，主要借助了大模型去年一个大的技术进化。" 在没有大模型之前，理赔优化是通过各个环节专业模式，可以说是小模型优化帮助保险公司提升效益的。借助大模型技术的框架，用生成式方案重构整个理赔审核基础链，包括提取、核赔和理算这几个核心的环节做了技术的重构，达到了 98% 以上的专家理赔作业的准确率，这在以往技术层面上基本上不太可能实现。"

他解释称，在提取环节，对于平均十几张门诊险单据、接近 25 张住院险单据提取，做了基于高分辨率的一个多模态理赔大模型。" 多模态大模型视觉编码器就像一个人的视力一样，1.0 和 1.5 的视力对信息判别能力很明显不一样。"

据其介绍，目前主流通用多模态大模型，像 LLaVA 等，视觉编码器分辨率大概在 336 × 336；虽然还有部分大模型分辨率更高，如今年年初，国内某大厂合作一个文档提取大模型，分辨率大概在 2560 × 2560。但是理赔单据比起普通单据信息颗粒度更细，所以分辨率达到 4032 × 4032 级别，这一高分辨率识别编码器能够帮助多模态提取能力达到精度 99% 的水平，目前的提取能力已经能够支持 200 种以上保险和医疗文档。

在提取完信息之后，要做对应核赔和理算，核赔是确定赔不赔？理算是到底赔多少钱？

孙振兴表示，拿到对应结构化的文本信息，怎么像理赔专家一样进行审核，看 " 是不是有违反健康告知 "" 是不是有一般免责或者既往症 " 等情况，借助了大模型思维链（CoT）技术，在思维链中灌入对应的图像和文本信息，实现理赔过程与理赔专家作业过程完全对齐。" 这个过程中对数据构造，对模型训练的要求非常高。" 他称。

" 过去用小模型或者专业模型的方式做理赔，会把理赔的阶段拆成 10 步或者 20 步，如果每一步都达到 99% 的准确率，整体乘下来 99% 的十次方，普遍只剩 90%。" 孙振兴指出，今天用大模型技术重构理赔审核基础链，极大地缩减了累计误差，实现提取和核赔准确率都能接近 99%，这是今天技术带来最大的突破。

每日经济新闻