AIG

AIG AI 改造研究

导航

• AIG 公司介绍
• AIG AI 改造调研与证据

一句话结论

AIG 先用多年时间重做流程、数据和承保纪律，再让 AI 接入端到端承保与理赔；其重点不是聊天界面，而是业务本体、编排层、专用 Agent 和明确的人类决策权。

AIG AI 改造调研与证据

前置改造

AIG CEO Peter Zaffino 强调，生成式 AI 并不是转型起点。公司先完成多年运营和承保改造，包括端到端流程、数据、云、风险纪律和组织模式；没有这些基础，就无法把模型可靠地放进核心业务。

实施路线

1. 选择 Lexington 的部分承保业务进行高强度试点；
2. 让系统识别文件、提取字段、接入内外部知识并进行综合；
3. 按承保偏好、风险、利润和客户价值对提交材料排序；
4. 承保人保留风险和保单决策；
5. 成功后扩展至更多承保业务、理赔和组合分析；
6. 建立 AIG ontology，即业务概念、流程、数据关系和工作流的数字映射；
7. 建设编排层，控制 Agent 何时激活、能访问什么、怎样排序任务以及何时需要人监督。

2026 年公司进一步描述多 Agent 方案：不同 Agent 分别负责资料接收与提取、风险评估、定价基准，再由协作 Agent 综合。

公开结果

• CEO 访谈称试点获得更多、更细数据，速度约提高 10 倍；
• 合作方演讲称部分审核从三至四周缩短到一天以内，数据质量准确率超过 90%；
• 2025 年年报称 Lexington 相关提交量达到 37 万份，同比增长 26%，submit-to-bind 比率提高 35%；
• 理赔首次损失通知在部分部署中从数天缩短到数小时，某些审核由数小时缩短到数分钟。

这些结果来自 AIG 或合作方；承保利润同时受市场、风险选择和长期改革影响，不能全部归因于 AI。

人机分工

AIG 把承保人置于中央。AI 目标是承担资料密集的初级工作，管理层设想系统未来可能完成约 70%—80% 的流程，资深人员处理剩余判断。关键不是完全自主，而是扩大专家可处理的业务量，同时保持审计和监管清晰度。

与 Kavak 的比较

两者都把 AI 放进端到端业务系统，并由人处理复杂例外。AIG 更清楚地说明了业务语义层、编排和决策权；Kavak 更强调逐条业务漏斗与客户互动评估。

多方资料

1. AIG 2025 Annual Report — 正式业务指标、ontology 和编排路线。
2. AIG 2024 Annual Report — 早期 Agentic GenAI Ecosystem。
3. AIG Investor Day 2025 presentation — 技术组件和流程。
4. TIME：How CEO Peter Zaffino Is Transforming AIG — CEO 亲历和组织逻辑。
5. AIG Q1 2026 earnings call transcript — 多 Agent 下一阶段。
6. AIG 与 Palantir 的组合承保公告 — 实际业务应用。
7. Palantir AIPCon：AIG CDO 讲述实施结果 — 合作方演讲，需按利益关系降权。

证据判断

通过准入。现有资料远超过单篇访谈，包含连续两年年报、投资者日、季度电话会、CEO 访谈和合作方技术说明；独立员工体验仍较少，是后续补充重点。

AIG 公司介绍

AIG（American International Group）是全球大型商业保险集团，核心工作包括风险资料收集、承保、定价、组合管理和理赔。商业保险提交材料常包含大量 PDF、扫描件、表格和非结构化描述，人工整理周期长。

改造前背景

• 2008 年金融危机后长期重组和收缩；
• 自 2018 年起强化承保纪律、运营标准和风险控制；
• 持续投资端到端流程、数据、云和技术基础；
• 传统承保仍存在大量手工资料提取、优先级判断和跨系统操作。

主要研究对象

• Underwriting by AIG Assist；
• Claims by AIG Assist；
• 以业务 ontology 为基础的数字孪生；
• Palantir、Anthropic、AWS 和 Google 等合作；
• 多 Agent 编排与人类承保人最终决策。