保险中的 AI：自适应问卷用于改进风险概化
人工智能
2026-04-03 v1
摘要
保险申请过程常依赖冗长且标准化的问卷，难以捕捉个体差异。此外，保险公司必须盲目信任用户的回答，这会增加欺诈风险。ARQuest 框架引入了一种新方法，通过利用大型语言模型（LLM）和替代数据源创建个性化且自适应的问卷，以改进风险概化。技术包括社交媒体图像分析、地理数据分类和检索增强生成（RAG），用于提取有意义的用户洞察并引导针对性的后续问题。我们将一个集成于行业合作伙伴移动应用中的人寿保险系统进行了两项实验。虽然传统问卷在风险评估方面的准确性略高，但自适应版本使用 GPT 模型所需的提问数量更少，用户反馈更倾向于其流畅且更具参与感的体验。ARQuest 显示出巨大的潜力，用于提升用户满意度并优化保险流程。若进一步发展，该方法有望超越传统方法在风险准确性方面的表现，并推动保险行业的创新。
引用
@article{arxiv.2604.02034,
title = {AI in Insurance: Adaptive Questionnaires for Improved Risk Profiling},
author = {Diogo Silva and João Teixeira and Bruno Lima},
journal= {arXiv preprint arXiv:2604.02034},
year = {2026}
}