保险行业销售服务链路长、场景零散、营销服务人员能力不一，传统模式正面临人效瓶颈、精准转化不足、私域价值难挖、展业赋能缺失等突出困境。

众安信科基于自身在保险行业的深厚积累，提出以「大Agent+多Skill」为核心的AI服销体系三阶演进方案，推动保险服销从传统模式向智能时代转型。

本文根据众安信科保险行业解决方案团队的演讲内容整理，呈现其从业务痛点、解题思路到方案架构与业务成效的完整实践路径。

本文内容根据众安信科（深圳）股份有限公司在"分子实验室·2026年度保险科技创新大赛"决赛上的分享内容整理。众安信科参赛项目《AI服销体系三阶演进实践》获得2026年度保险科技创新大赛"九天揽月奖（卓越项目奖）"。

一、保险服销场景的四个痛点

保险行业的销售服务链路天然较长，从获客、服务、转化到售后二开，每个环节都存在不同程度的痛点。

获客环节存在触达精准度差、成本高、效率低的问题，保险续保客户触达滞后，容易错过最佳续保窗口；话术不统一、标准化程度低，易引发客户反感；客户需求洞察不足，个性化产品推荐精准度不足。

服务环节，7×24小时咨询无法满足，基础答疑占用代理人大量时间，服务断层、粘性不足、响应滞后等问题突出。

转化环节则面临缺乏AI辅助（例如产品对比、话术推荐等缺失）、复杂方案定制耗时、错失成交最佳时机等挑战，专业支撑弱、成交难。

售后二开环节则存在客户投保后无持续触达跟进、服务价值弱化、缺乏二开工具支撑、无法精准预判客户需求等问题，数据割裂、价值挖掘不足。

小结：

数字化工具和有效的运营流程缺失是业务增长瓶颈。保司正从「人海战术」向「人效优先」转型，但现有模式过度依赖人工，数字化工具覆盖率不足，难以支撑保险展业诉求。

此外，传统保险行业更多关注客户单次价值，而当下需要更多聚焦客户整体生命周期（LTV）的价值挖掘，关注如何挖掘客户潜在需求。总体来看，当前痛点集中在触发工具和运营层面存在缺失，亟需以新的思路重塑整体经营模式。

二、解题思路：服销一体化，重塑客户经营新模式

针对上述痛点，众安信科提出服销一体化的新思路，核心理念是「服务即营销，体验即增长」，以此重塑保险公司客户经营的新模式。这一思路以客户为中心，借助数字化和智能化技术，关注用户整体的服务周期——从认知引导、决策促成、关系深化到信任转化，覆盖存量激活与新客获取、触达沟通、意识唤醒、持续服务、业务转化、售后二开等完整营销节奏。

在具体落地中，服销一体化围绕用户全景洞察、全域渠道触达、私域客户服务、长效经营策略、营销跟进二开等关键能力展开，强调及时性响应与个性化服务，通过客户分群与经营策略匹配，实现精准洞察、全域触点覆盖、自动化与人工协同的精准转化，最终沉淀信任、深耕价值、升级体验。

三、场景示例：3个AI数字员工赋能业务全链条

以某保险客户「好孕保」业务场景为例，展示了服销一体化AI应用如何赋能业务全链条。

该场景以小红书作为保险行业比较垂直的获客引流渠道，主要针对小红书阵地做内容获客（即「种草」），通过投放热点事件、关注内容以及观点，吸引宝妈客群或创业客群进入；过程中做投流和私域转化，引流到保险公司私有化阵地，再做服务跟进以及后续长久的陪伴，覆盖小红书内容获客、私域引流转化、孕期/产后陪伴三个阶段。

传统模式 vs AI升级模式

传统模式下，推广一款产品（如创业保障产品）通常由一位业务专家带领分团队，团队下有三类员工，分别负责内容运营、投流和售后客服。而在AI场景升级之后，只需要由一位业务专家带领三个数字员工，分别承担AI内容运营、AI投流顾问、AI保险管家三种角色：

● AI内容运营员工

借助AI能力，可以72小时获取小红书上的爆款热点事件，采集全链路内容，自动生成相关信息，甚至自动发布到小红书，实现自动化内容生产，降低人力成本，提升内容产出效率。

● AI投流顾问员工

基于热点事件秒级跟进，通过数据驱动投放决策，提升广告转化效率，降低获客成本；跟进之后通过演化的交付提供第一轮客户服务，解答客户问题与后续关注点。

● AI保险管家员工

面向高意向客群提供保险保障管家智能体，由其做后续的及时响应、主动关怀等，全时段智能服务，提升客户满意度，优化服务体验。

在这一场景中，业务专家只需要盯整体业务看板、内容数据、活轮数据和服务数据即可，基于实时热点事件做后续整体复盘，把整个业务形成良性循环。AI业务专家负责制定选题和内容调整、制定SOP和销售话术、制定服务体系，三个数字员工各司其职：

数据示例：

AI内容运营：产出8篇笔记、留资10个

AI投流顾问：导流5人咨询、1单成交

AI保险管家：承接45人咨询、8个产后30天主动关怀

四、三阶演进：从单点突破到全链路执行

众安信科将AI服销体系的演进划分为三个阶段，推动保险服销从传统模式向「大Agent+多Skill」智能时代转型。

保司在服销场景中均面临突出困境：

人效瓶颈突出（基础事务挤占高价值工作时间，人力成本高、效率低）

精准转化不足（用户数据孤岛、需求匹配度低，信任建立慢，服销转化受限）

私域价值难挖（私域资产管理弱，交叉营销不足，用户全生命周期价值提升乏力）

展业赋能缺失（代理人能力不一，缺乏智能展业工具支撑，成单效率与服务质量不稳定）。

阶段一：单点突破（2023-2024）

聚焦客服等核心场景，优化AI机器人，实现单点效率提升。这一阶段解决了基础事务挤占高价值工作时间的问题，但尚未形成协同效应。

阶段二：多Agent协同（2025）

拆解服销全链路为加V、圈群、话术生成、产品推荐、自动回复等独立Agent，各环节智能运营。这一阶段实现了多Agent协同，但存在知识库独立、决策各自为战、调优成本高的问题。

阶段三：全链路执行（2026）

采用「1个总控大脑 + N个模块化Skill」架构，统一Memory与RAG知识库，任务智能调度。在运营端实现全链路策略编排，自动完成圈群、策略匹配、内容生成、智能触达闭环；在销售端为每位营销人员配备AI全能搭档，一键唤起咨询、秘书、执行等技能，解放人工重复性工作，最终实现效率提升、体验升级、转化增长，形成用户运营+服务销售双引擎价值。

五、运营端实践：从单Agent到统一AI策略大脑

5.1 阶段二成果：单Agent已显成效

在阶段二，运营端已经实现了AIGC差异化内容（AI按客群生成差异化话术、种草脚本）和自动化智能运营（私域加V秒承接、关键节点自动沟通触达）等能力，覆盖产品知识问答、产品推荐卡片等场景。但关键瓶颈在于各Agent知识库独立、用户画像割裂无法串联一致、Agent需单独调优导致运营成本高。

单Agent成果示例：用户激活Agent

以健康险业务的客户回访和产品营销运营场景为例，业务痛点是同质化群发、无效触达多、人力成本高导致转化率低。

方案思路是Agent替代/辅助人工，基于客户画像分析、个性化内容生产，实现千人千面的高效触达。原材料输入经过大模型思维链处理，结合卡片库、标注数据、模型微调、强化训练、效果评测、模型部署等环节，最终实现：「40%的发送带来114%的业绩」减少60%发送量 · 提高35%互动率 · 业绩增长14%

5.2 阶段三进化：统一AI策略大脑

阶段三在运营端实现了从「单个Agent各想各的」到「一个AI大脑统一编排」的进化，构建了大脑-记忆-神经-手脚的四层架构：

● 大脑 · DCI数智中枢

全局总控，NL2SQL驱动Multi-Agent完成意图识别与策略生成闭环，联动话题洞察辅助前瞻决策。业务目标拆解后，依次经过策略Skill、圈群Skill、触达Skill，再调用营销平台数据，形成统一AI策略大脑。

● 记忆 · 跨端统一画像

打通SCRM与OneID，结合智能小结与客户洞察，全链路共享360°画像与服务轨迹。

● 神经 · 1-to-N策略下发

告别「认人不认单」，基于CDP面向客户的多笔单据（保单/订单）发散式下发差异化策略。

● 手脚 · AI SCRM覆盖运营全链

简单咨询由AI客服处理，产品咨询由AI导购处理，投保咨询由AI客户洞察+客服处理，保单处理由AI客服处理，保单理赔由AI小结+工单处理，投诉处理由AI质检+客服处理。

六、销售端实践：AI助手+数字员工搭档

在销售端，众安信科为每位营销人员配备了AI全能搭档，主要承担秘书和咨询师两种角色。

秘书角色负责跟进事项、客户跟进、待办事项、任务看板等执行类工作，让销售人员不需要再关心运转业端的任务看板，哪些事情已执行、哪些需要后续跟进都由AI打理，大大解放生产力，整个转化也会更加顺畅。

咨询师角色则提供产品咨询、方案定制、话术推荐、产品对比等能力，辅助销售人员在复杂方案定制、产品对比等场景下快速响应，避免错失成交最佳时机。同时，数字员工搭档还覆盖用户洞察、机会挖掘、线索跟进等岗位能力，与销售人员形成「人+AI」的协同模式。

七、整体方案：大Agent+多Skill顶层设计

在方案侧，众安信科基于「大Agent+多Skill」模式做顶层设计。底层有一个决策大脑，统一理解业务目标，完成全链路业务的调度拆解和用户需求的拆解。在Skill层面，将保险场景里的加V激活、交互文本等做成Skill形式，封装到平台里面直接调用。

7.1 两大基石

● 统一用户Memory（CDP平台）

这是核心能力之一。强调以用户为中心，需要拿到用户的数据，可以是静态的，也可以是行为的。用户数据平台非常关键，有了这个平台之后才能更好地理解用户在某一时间点做了什么事情、后续应该怎么完成，把这些信息告诉AI之后，AI才会变得更加智能、更懂客户。统一Memory之后，做全触点数据整合，打通线上所有客户服务触点，采集用户信息，方便后续提供个性化服务。

● 统一RAG知识库

传统的RAG知识库，作为另一大基石，为各Skill和Agent提供统一的知识支撑，避免知识库独立、决策各自为战的问题。

7.2 小乾工作台：统一入口

在搭建侧，众安信科提供小乾工作台，通过它来做任务理解和分解，然后做策略规划和编排，以及包括整体状态的动态感知。员工只需要通过小乾工作台就能完成一系列任务，由小乾工作台对接后端的Skill——由它去理解就可以了，不需要再去零散地找各种AI工具来完成业务场景。

7.3 预制Skill技能

基于整个保险行业的业务经验，平台内预制了运营端、销售端甚至更多的Skill技能。可以通过这种技能做标准化框架的建设，后续可以丰富资料库，方便扩展更多的应用场景。

八、众安AI中台：乾策智能体平台

上述能力都基于众安的智能体平台——乾策（乾策平台）提供整体的AI中台能力。该平台整体包含通用大模型、垂类大模型，以及基于整个平台提供的各项AI原子能力，基于这些原子能力再封装到智能体和数字员工。

8.1 平台核心数据

截至2025年9月30日，众安信科已积累800+ AI智能体、90+ 自主决策智能体、40+ AI超级助理、超1200组思维链CoT，并入围德本咨询2025企业级AI Agent应用TOP50、信通院AI Agent智能体产业图谱、毕马威中国金融科技企业双50榜单（连续三年）、甲子光年中国AI应用领域最具商业潜力榜、爱分析《2024爱分析·央国企智能化厂商图谱》、CAAC《中国数字营销生态图（2025版）》等多项权威认可。

8.2 数字员工工厂

有了乾策平台，可以打造数字员工工厂。在工厂里面，创建用户洞察、运营、跟进等数字员工能力。底层提供专家的Soul，平台可以集成到IM工具（企业微信、钉钉、飞书），在上岗之前提供一系列评测能力。数字员工工厂围绕生命周期进行构建、上岗、运行、Token消耗、能力优化，核心能力包括：

● 构建与装配

按岗位装配Workflow、Agent、Skill，沉淀岗位模板、技能模板与权限包，快速复制到多部门、多场景。

● 安全管控

限制知识范围，避免越界获取与错误引用；限制接口权限，按岗位与角色最小授权；限制Agent自主范围，纳入审批与人工兜底。

● 上岗评测

基于真实岗位任务集验证胜任力，校验知识、流程、工具配置是否达标，降低「能跑但不能上岗」的风险。

● 运行观测

观测任务完成率、稳定性与异常率，追踪员工效能、业务效果与成本，为持续优化提供数据闭环。

● Token优化

通过任务拆分缩短链路与上下文长度，通过知识维护减少冗余召回与注入，通过模型自动路由实现成本最优。

数字员工以IM能力作为用户日常协作入口，让数字员工直接进入企业的真实工作流，在这里完成任务接收、上下文协同、岗位执行与结果回流，成为数字员工持续运行的中枢。

九、业务成效：助力某保险客户实现服销AI全覆盖

基于阶段二和阶段三的AI应用建设，众安信科助力某保险客户在规模、品质、智能、效能四个维度均实现显著增长，达成服销AI 100%覆盖，人产翻一番——更少的人带来更高的价值。

业务成效对比，规模2024年：非车新保-财务保费 1.1亿

2025年：非车新保-财务保费 2.5亿

变化：环比 +127%，品质2024年：实收费用率（权责发生制）YTD 30%

2025年：实收费用率（权责发生制）YTD 23%

变化：下降 7PCT， 智能2024年：人机协同保费占比 60%

2025年：人机协同保费占比 85%

变化：提升 +25PCT， 效能2024年：人产 12

2025年：人产 24

变化：人产翻番

从数据可以看到，非车新保财务保费从2024年的1.1亿增长到2025年的2.5亿，环比增长127%；实收费用率（权责发生制）YTD从30%下降到23%，下降7个百分点；人机协同保费占比从60%提升到85%，提升25个百分点；人产从12翻番到24，真正实现了「更少的人带来更高的价值」的目标。

结语

众安信科AI服销体系三阶演进实践，呈现了一条清晰的保险行业智能化升级路径：从单点突破到多Agent协同，再到「大Agent+多Skill」的全链路执行，以服销一体化重塑客户经营新模式。通过统一Memory、统一RAG知识库、决策大脑、小乾工作台、乾策智能体平台与数字员工工厂的完整体系，助力保险公司在规模、品质、智能、效能四个维度实现跃升，推动保险服销全链智能升级。

能理解、会决策、真执行

这正是众安信科对AI在保险服销场景的实践承诺