FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

技能指南 · 指南

单字段准确率 98%,多数投保申请仍至少错一处

最大障碍在于把 AI 接入现有受理流程,FDE 的关键工作是先摸清每份文件经谁手、由谁签字。

分享微博

要点速览

  • 投保受理的最大障碍是接入现有工作流程,而不是模型。
  • 要衡量每份申请的错误和漏过检查点的错误,不能只看单字段准确率。
  • 最终决定权留在人手里,所以分流步骤必须讲清楚一份申请为什么需要人来看。
醒目的橙色数字 55:即使每个字段准确率都是 98%,100 份文件中仍有 55 份至少错一个字段。右侧是由 100 个圆点组成的网格,其中 55 个为橙色,前提是每份文件 40 个字段且错误相互独立。
40 个字段、每个准确率 98%、错误相互独立时,整份文件完全正确的概率只有约 44.6%:每 100 份文件中约 55 份至少有一个字段出错。来源:文中的假设计算。

设想你在一家商业保险公司的第一周。演示里,ACORD 表单读得干干净净,满屋子的人都在点头。随后一位核保人打开一份损失记录(loss run),来自一家谁都没试过的机构,问道:“这份呢?”

很多工程师的第一反应是回去调提示词。但 Insurance Thought Leadership 上一篇分析 AI 在商业投保受理中应用的文章说得很直白:最大的障碍是把 AI 接入现有的受理流程,而且远远领先于其他障碍。

所以,前线部署工程师(FDE)在这个行业里最有价值的工作,发生在写第一行代码之前:弄清一份投保申请要经过谁的手、在哪里停下、由谁负责签字。弄清了这些,你就知道哪些步骤该自动化,哪里必须由人把流程停下来。

核保和理赔问的是两个不同的问题

核保向前看:这个风险该不该接,按什么条件接?理赔向后看:损失已经发生,该不该赔?因此,两条流程的输入数据、决策人和最先自动化的环节都不一样。

核保(投保申请)

  • 从一份带附件的投保申请到达开始
  • 文件:ACORD 表单、损失记录、财产价值明细表
  • 最先自动化:文件分类和数据提取
  • 检查点:核保人审阅 AI 的输出

理赔

  • 从首次出险通知(FNOL)开始
  • 检查:业务规则和欺诈迹象
  • 最先自动化:规则明确的一级审核步骤
  • 检查点:未通过的案件转入人工审核

在理赔一侧,QBurst 给出了一个相当清晰的起点:一级审核人员通常按预先定义的规则办事,所以这部分工作适合基于规则的自动化。符合规则、通过欺诈检查的理赔可以直接进入赔付核定环节;其余的转入有人参与的审核。

供应商 Prosper 走得更远,称 AI 可以在几乎无需人工干预的情况下批准或拒绝简单的理赔,让理赔员腾出时间处理复杂案件。不要把这两种做法混为一谈。在让机器自己拒赔之前,先问客户:谁来站出来解释这个决定?

跟踪一份投保申请从邮件到系统

现在用一个假设的例子走一遍核保流程。一位经纪人发来一封邮件,附有三份文件:一张 ACORD 表单、一份损失记录和一份财产价值明细表。同一篇分析认为,正是这组文件适合作为自动化的起点。

听起来很简单,直到你碰上损失记录,因为这种历史损失报告每家机构格式都不一样。

假设 ACORD 表单申报了三次损失,而损失记录里有四行。模型可以把两份文件都读得完全正确,一个字都不错,这份申请依然有问题。提取准确率永远发现不了这样的矛盾,只有交叉核对步骤才能发现。

再带一笔账去开会。假设每份申请有 40 个字段,每个字段准确率 98%,各字段的错误相互独立。整份申请完全正确的概率是 0.98 的 40 次方,约 44.6%:每 100 份申请中,大约 55 份至少有一个字段出错。

幻灯片上的 98% 和核保人队列里的 55 份,说的是同一个系统。所以接下来要写的是分流步骤,而不是再调一轮模型:

def route(sub):
    reasons = []
    if sub.loss_run_provider not in KNOWN_TEMPLATES:
        reasons.append("损失记录来自未见过的模板")
    if sub.acord_loss_count != len(sub.loss_run_rows):
        reasons.append("ACORD 与损失记录中的损失次数不一致")
    missing = [f for f in REQUIRED_FIELDS if not sub.get(f)]
    if missing:
        reasons.append(f"缺少字段:{missing}")
    if sub.min_confidence < CONFIDENCE_FLOOR:
        reasons.append("置信度低于阈值")
    queue = "exception_review" if reasons else "standard_review"
    return queue, reasons

注意两个细节。第一,两个分支最后都由人来看这份申请,没有任何一条路径让机器自己结案。

这个设计遵循同一篇分析的建议:最终判断权留给人类专家,低置信度的案件必须转给人。FurtherAI 则把“提供让核保人审阅输出的界面”视为好工具的标志。

第二个细节是 reasons。核保人拿到一份标注着“损失次数不一致”的申请,就知道该翻开哪一页;而 0.71 的置信度对他毫无用处。

最后是衡量。回到上面那 100 份申请,其中约 55 份有字段出错。假设分流步骤把 60 份送进异常队列,40 份送进标准队列。

你把这 40 份逐一人工核查,发现有 4 份有错却没有被标记。这就是漏过的错误:这些申请依然会到 standard_review 里的人手上,但核保人审阅时没有收到任何提示。

同样这 4 份申请,能得出两个比率,不要混淆。以标准队列为分母,4/40 是 10%:每 10 份未标记的申请里有 1 份是错的。以出错的申请为分母,4/55 约为 7%:这是分流步骤漏掉的错误申请所占的比例。

这两个数字,加上异常队列的规模,就是要摆在客户面前的东西。它们符合同一篇分析对生产环境提出的要求:证明 AI 在真实工作流程中可靠运行,包括异常情况和缺失、矛盾的数据,而不只是报告模型准确率。

在客户现场的第一周做什么

先坐到一位核保人或理赔处理人员旁边,看他处理五份真实文件,其中要包括他最头疼的那类案件。记下他每一次切换屏幕、打电话找人或发邮件提问,因为真实的工作流程就藏在这些地方,而不在流程文档里。

接着画一张一页纸的流程图,标出三类步骤:规则明确的、需要判断的、必须有人签字的。规则明确的步骤最先考虑自动化;需要签字的步骤就是必须由人审阅的地方。把这张图拿回给你观察过的那些人,让他们来改。

然后向客户要每家机构的损失记录样本,数一数有多少种格式,按申请量排序。在此基础上,挑一小块工作起步,比如只处理最常见的几种模板,其余一律直接送进异常队列。范围窄但真能跑起来,比范围宽却只能在演示里跑更有说服力。

产品和法域会改变整个设计

两个都挂着“AI 核保”标签的项目,面对的要求可能截然不同。欧盟《人工智能法案》(EU AI Act)在附件三(Annex III)中,把用于个人人寿和健康保险风险评估与定价的 AI 列为高风险。

为商业投保申请提取损失记录是另一回事,但这条边界应由法务部门确认。

在美国,美国保险监督官协会(NAIC)于 2023 年 12 月 4 日通过了一份关于 AI 的示范公告。它为使用 AI 的保险公司应遵循的做法设定了基于原则的标准,是否采纳由各州自行决定。

所以第一次开会就要问:什么产品,面向个人还是企业客户,在哪些州或国家经营,已经采纳了哪些规定?

无论答案是什么,设计上的建议都一样:从一开始就记录模型版本、分流原因、谁审阅过以及何时审阅。这是一种预防性的工程习惯,因为早点加上这些字段,通常比日后有人问起一份旧申请时再去还原要省事。

演示背后的陷阱

下面五个错误都很容易犯,因为刚犯的时候,它们看起来像是进展:

  • 把演示当成证明。 在干净文件上的演示,对生产环境什么也说明不了。
  • 报告单字段的平均准确率。 这个数字既掩盖了申请层面的错误,也掩盖了模型从没见过的少见损失记录模板。
  • 只和采购方与管理层沟通。 你需要和每天处理申请的人坐在一起。
  • 异常队列没有负责人。 难办的申请只是从一个收件箱挪到另一块屏幕,处理速度并没有变快。
  • 集成一就绪,就让未经审阅的数据流入下游系统。 把数据写入放在审阅步骤之后,至少等漏过的错误低到核保人自己愿意放宽为止。

简历上写什么来证明这项能力

读职位描述时,留意公司是否真懂这项工作:出现 ACORD、loss run、FNOL、异常处理或人在回路(human-in-the-loop)这类词,说明他们接触过真实流程。如果描述里只谈模型和提示词,面试时就问一句:客户那边谁来处理异常?

在简历上,把“搭建了文档提取数据管道”换成一句涵盖流程、审阅关口和衡量方法的话:你分流了哪些类型的异常,由谁审阅,漏过错误率是怎么测的。这项能力也能迁移到其他有文件、有人签字把关的行业。

本周练习

为两家虚构机构各做一份假损失记录,列名和日期格式不同,再做一张故意少报一次损失的假 ACORD 表单。写出上面的 route 函数,在你自己生成并埋了错误的 20 份申请上运行,然后数一数漏过了多少错误。

接着把 reasons 列表交给一位非工程师,问他下一步会怎么做。如果他答不上来,你的函数就只知道一份申请有问题,还帮不了任何人处理它,而这正是 FDE 拿薪水要填补的空白。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 6: 价值度量每轮回复都要等一天,第一条消息就得一次说清相差 12 小时,一句含糊的订单表提问可能耽误两天,写完整的消息却不多花时间。