作者 |AI 工作坊

　　来源   |   AI 深度研究员   管理智慧 AI+

　　文章仅代表作者本人观点

　　过去十年，这家保险巨头从公众视野中 “ 消失 ”。

　　它曾经亏掉 330 亿美金，被贴上 “ 不能倒 ” 的危机标签。

　　如今，它用 AI 大模型重构核心流程，年赚 19 亿，成为全球 AI 转型的新范本。

　　纽约，这里是国际性跨国保险及金融服务机构集团 AIG 十年来首次举办投资者日的现场。而这一次，除了资本市场的回归，更令人瞩目的是一位 “ 不速之客 ” —— AI 独角兽 Anthropic 的 CEO Dario Amodei。科技与金融，一场新叙事正在开启。

　　沉潜十年，AIG 如何重生

　　如果不是这场投资者日，或许很多人已经快要遗忘 AIG（美国国际集团）的名字。它曾是全球最知名的保险公司之一，也是 2008 年金融危机中最具代表性的 “ 重灾区 ”。

　　彼时的 AIG，因高杠杆、高风险的信用违约掉期产品（CDS）暴露，最终在美国政府 7000 亿美元救市计划中，被迫接受高达 1820 亿美元的紧急救援。一度，“Too Big To Fail（大而不能倒）” 成为它身上最沉重的标签。

　　但很少有人知道，接下来的十年，AIG 经历的是一场真正意义上的 “ 涅槃重构 ”。

　　一、CEO Peter Zaffino 的执掌之路

　　2021 年，Peter Zaffino 正式成为 AIG 的 CEO。在此前长达十年的 “ 救赎周期 ” 中，AIG 虽然在技术上避免了破产，但始终未能在市场中 “ 赢回尊重 ”。

　　Peter 面临的挑战是双重的：

　　1、如何从过去的阴影中 “ 清零 ”，重新定义公司的市场定位与商业逻辑；

　　2、如何带领这家庞然大物真正实现盈利能力的结构性改善。

　　而从 2021 年至今，他交出了一份令人惊叹的答卷：

　　三年稳定盈利：每年承保利润维持在 19 亿美元左右；

　　资本市场回暖：重拾投资者信心，重启投资者日活动；

　　战略灵活性显现：从运营、财务到技术全面焕新，进入 AI 时代的准备已经悄然完成。

　　Peter 在这次访谈中提到，“ 我们刚刚花了三个半小时向投资者梳理这些年所走过的历程，大家普遍反馈很积极。这代表了整个公司多年来的集体努力。”

　　一句 “ 集体努力 ”，听似平淡，实则沉重。这背后，是一场从文化、结构到战略的深度重构工程。它不仅仅是 “ 活下来 ”，而是真正 “ 活明白 ”。

　　二、从亏损 330 亿到盈利 19 亿：数据背后的故事

　　我们来看看这组关键数据：

　　2008-2018 年：AIG 累计亏损 330 亿美元；

　　2021-2023 年：每年稳定实现 19 亿美元承保利润；

　　2024 年：资本结构优化，开始释放战略灵活性，进入 AI 合作阶段。

　　Peter 特别强调，“ 今天的 AIG，已经不是那个依赖风险定价套利的金融巨兽，而是一家通过真实业务价值驱动增长的现代化保险企业。”

　　这段转型路的关键词只有两个字：“ 苦撑 ”。

　　管理层选择的是最难的一条路——慢、重、稳地修复体系，而不是用爆款产品快速博市场眼球；

　　他们没有选择 “ 科技换增长 ” 这类时髦口号，而是先筑好底层，再寻 AI 赋能的时机。

　　所以，当 AIG 终于牵手 Anthropic 的时候，外界才真正意识到，这不是 “ 跟风 ”，而是 “ 蓄谋已久 ”。

　　不是跟风，是深度共建

　　如果说前十年是 “ 治病救人 ”，那么今天的 AIG，已然到了 “ 强身健体 ” 的阶段。而人工智能，正成为这家老牌金融企业的新增长引擎。

　　Peter 在现场宣布与 AI 独角兽 Anthropic 的合作正式升级时，全场安静了几秒——不是因为惊讶，而是因为这步棋，落得太稳了。

　　一、为什么是 Anthropic？

　　这家公司可能对大众还不够熟悉，但在 AI 技术圈内，它被视为 “ 可信 AI” 的代名词。它的 Claude 模型是 ChatGPT 最强劲的竞争者之一，更重要的是，它对企业市场的理解远超同类玩家。

　　Dario Amodei 在访谈中透露，Anthropic 从第一天起就将 “ 企业级 AI” 作为核心方向，尤其强调模型的安全性、可控性、合规性。

　　“ 我们清楚地知道，像保险这样的高度监管行业，不允许出错。这就意味着，我们不仅要让模型好用，更要让它在所有审计与安全规则下运行。”

　　这正中 AIG 下怀。

　　对于一家经历过金融危机、历经监管风暴的大型金融机构而言，AI 不可能是一种 “ 炫技 ”，而只能是 “ 加法 ”：要么提效降本，要么优化决策，要么提升客户信任度。更重要的是，这些 “ 加法 ” 都必须在合规与风控的体系内完成。

　　而 Anthropic，提供的正是这样一套 “ 企业级可信 AI 方案 ”：

　　模型输出可解释、可回溯；

　　支持 “ 嵌入式 ” 部署，确保数据不出企业内网；

　　拥有跨团队协作的工程能力，可以与客户共同定义落地路径。

　　这不是 OpenAI 或 Google 那样的 “ 平台能力输出 ”，而是一种 “ 联合建构式合作 ”。

　　这些对话，是企业如何 “ 把 AI 用对 ” 的真实写照。

　　AI 深入核心，动了真刀

　　企业真正走向 AI 时代的标志，往往不是 “ 部署了多少模型 ”，而是 “AI 是否进入了核心流程 ”。对保险行业而言，承保与理赔，是最核心、最复杂、也最敏感的两个流程。而 AIG 选择将 AI 用于这两大板块，堪称一次 “ 深水区测试 ”。

　　Peter 在接受采访时直言：“AI 理论上可以进行承保，但我们当前主要利用它来提取数据、理解风险，并大幅缩短决策时间。”

　　这句话，暗藏三层逻辑：

　　一、用 AI 重塑承保逻辑，而非取代人工判断

　　传统保险承保，往往依赖资深专家 “ 人脑 +Excel” 进行风险评估。这种方式既慢又容易受限于经验偏见。而 AI 能够实现的，是基于大量异构数据的 “ 风险画像 ”，为承保人员提供更全面、实时的参考依据。

　　Claude 模型就被用来自动提取投保人资料、历史记录、相关法规、市场数据，并在几分钟内生成多维度评估结果。这不是 “ 取代人 ”，而是 “ 增强人 ” 的判断力。

　　AIG 团队特别强调：

　　AI 仅作为 “ 第一筛查助手 ”，最终决策仍由承保专家做出；

　　所有模型输出必须可解释，并可回溯决策路径，满足监管要求；

　　每次模型迭代，需通过跨部门校验，尤其重视合规与道德边界。

　　二、理赔流程全面智能化，提高效率与透明度

　　理赔流程长期以来是保险行业的 “ 黑箱地带 ”，时效长、争议多、体验差。AIG 将 AI 介入这一流程，带来的是前所未有的变化：

　　利用自然语言处理模型分析客户提交的文本与图像资料，实现自动初判；

　　将历史案例与当前案件进行相似性匹配，辅助理赔人员做出快速决策；

　　在客户服务端，实现理赔进度追踪与智能问答，大幅减少投诉率。

　　Dario 表示：“ 我们和 AIG 的理赔团队是‘一对一深度共建’，很多模块是他们现场提需求，我们两周内上线 POC（原型系统）。”

　　这种 “ 从一线需求出发 ” 的合作方式，既避免了 “ 模型空转 ”，也真正实现了 “ 从实验室走向业务一线 ”。

　　三、从流程优化迈向策略变革

　　更深层的变化，是 AIG 在推动 “ 端到端的增长逻辑 ”：不仅是单点提效，而是从获客、核保、理赔到再保的全链条重构。

　　Peter 多次提到：“ 我们不是用 AI 去修修补补，而是思考如何用技术重写保险行业的基本逻辑。”

　　这场由 Claude 等模型驱动的流程重构，让 AIG 不再只是 “ 跟上 AI 浪潮 ”，而是 “ 引领行业变革路径 ”。

　　他们没有急于宣布 “ 全自动化承保 ”，而是通过 “ 安全、合规、可控 ” 的方式，从一点突破，再点线成面，逐步重构整个运营体系。

　　而这，正是所有大型企业面对 AI 的典范路径：慢，就是快。稳，才走得远。

　　企业级 AI 合作的三重逻辑

　　Dario 在采访中坦言：“ 企业市场是我们最重要的方向。” 这不仅是业务选择，更是一种战略判断。

　　对所有寻求 AI 转型的传统企业来说，真正的挑战从不是 “ 能不能用 AI”，而是 “ 是否具备用好 AI 的能力与组织基础 ”。AIG 与 Anthropic 的合作，正是为这一难题提供了结构化解法。

　　一 、不是采购，而是组织能力的重塑

　　过去企业对 AI 厂商的合作大多是 “ 采购模型 ”，希望通过 “ 买技术 ” 快速变革，但结果常常是 “ 水土不服 ”。

　　而 AIG 与 Anthropic 的合作，从一开始就不是 “ 供需关系 ”，而是 “ 共建关系 ”：

　　技术团队与业务团队并肩作战，共同定义问题边界；

　　模型上线节奏以业务痛点为锚，不追求 “ 全面部署 ”，而是 “ 精准落地 ”；

　　数据治理、合规设计、用户反馈机制同步嵌入 AI 开发流程，形成 “ 业务 - 技术 - 监管 ” 三维协同框架。

　　这意味着，AI 不再是 “ 外挂 ”，而成为组织内部机制的一部分。

　　二 、平台化的生态思维搭建

　　AIG 在推动 AI 转型的过程中，并未止步于某几个成功场景，而是开始思考如何构建一套 “ 可复制、可扩展 ” 的 AI 应用体系。

　　这背后是平台化的生态逻辑：

　　构建统一的 AI 中台，支持不同业务模块调用模型能力；

　　设立 AI 伦理与审查委员会，确保模型在各业务场景下的合规使用；

　　搭建 AI 人才内训体系，让非技术团队也具备基本的 AI 素养与使用能力。

　　平台化的生态思维，使得 AI 不再是 “ 项目 ”，而是一种 “ 企业能力 ”。

　　三、AI 不只是技术，更是企业价值观的延伸

　　Dario 特别强调：“ 我们选择合作企业的标准之一，是对方是否具备长期主义与责任感。”

　　AI 是一把双刃剑，它既可以提升效率，也可能带来偏见、失控与误导。而 AIG 在合作中的表现恰恰体现了一种 “ 克制的勇气 ”：

　　对模型的部署慎之又慎，每一次扩展都要通过伦理与风控双审；

　　将 “ 可解释性 ” 作为模型上线的前置门槛，哪怕牺牲短期速度；

　　鼓励一线员工提出模型异常与客户反馈，不搞 “ 唯技术崇拜 ”。

　　这是一种新的 AI 治理观：

　　不是一味 “ 加速 ”，而是在 “ 加速中保持秩序 ”；不是追求 “ 替代 ”，而是推动 “ 协作 ”；不是短期 “ 炫技 ”，而是长期 “ 信任 ”。

　　而这种价值观上的契合，才是 AIG 与 Anthropic 能走得深、走得久的底层原因。

　　中国企业的三条 AI 转型路

　　AIG 与 Anthropic 的合作，不仅为全球传统金融行业树立了 AI 转型的范式，也为中国企业，尤其是大型机构型企业带来了深刻启发。

　　在 AI 加速落地的当下，中国企业如果希望真正 “ 用好 AI”，以下三点尤为关键：

　　启发一：组织结构必须为 “ 技术共建 ” 预留接口

　　AI 绝不是一个 “ 外挂项目 ”，而是一次对组织边界、角色分工和决策机制的系统挑战。

　　AIG 能与 Anthropic 深入合作的关键在于，它内部已有明确的跨部门协作机制、数据治理架构与项目推进中台。中国企业要推动 AI，不仅要 “ 设一个 AI 部门 ”，更要打造一个 “ 支持 AI 跨界落地 ” 的企业架构：

　　建立业务与技术 “ 双轮驱动 ” 的产品共建机制；

　　让法务、风控、合规成为 AI 项目的 “ 标配角色 ”；

　　对 AI 试点业务赋予 “ 容错权 ”，以 “ 快速试错 ” 换 “ 经验积累 ”。

　　启发二：AI 转型不能 “ 浮于边缘 ”，要敢于 “ 打穿核心 ”

　　很多中国企业在 AI 应用上，往往从客服、财务、HR 等非核心业务入手，这确实风险较低，但也容易陷入 “ 技术不痛不痒 ” 的境地。

　　而 AIG 选择将 AI 嵌入承保、理赔等关键流程，正是对 “AI 价值兑现 ” 的最有力体现。对中国企业而言，真正的变革性突破，往往来自 “ 最难的地方 ”：

　　制造业企业要将 AI 纳入供应链、质量检测、设备运维等环节；

　　医疗企业要在诊断、治疗、药物研发中引入大模型；

　　金融企业则要让 AI 深入风控、投研、客户画像与服务流程。

　　AI 不是 “ 锦上添花 ”，而是 “ 重塑主干 ”。敢不敢打穿核心，是转型成败的分水岭。

　　启发三：中国需要自己的 “Anthropic 式共建者生态 ”

　　与其说 AIG 选择了 Anthropic，不如说它们彼此 “ 成就 ” 了对方。

　　一个拥有数据、场景、业务痛点的传统巨头，遇到一个拥有技术、工程化能力与长期主义价值观的 AI 创新公司，才能产生真正的 “ 生态级共建 ”。

　　中国企业若要真正释放 AI 红利，必须推动一个新生态的形成：

　　大企业不再只看 “ 供应商履历 ”，而是以 “ 共创力 ” 为标准选伙伴；

　　AI 创业者不仅专注模型精度，更要懂行业 Know-how 与部署逻辑；

　　风险资本也应从 “ 独角兽下注 ” 转向 “ 产业共建 ” 长期陪跑。

　　用中国自己的话说，这叫 “ 结硬寨、打呆仗 ”。不是追风口，而是建能力。

　　尾声：重建信任，重塑未来

　　从 AIG 的沉潜重生，到与 Anthropic 共同推进 AI 的系统性落地，我们看到的不是一个简单的 “ 技术升级 ”，而是企业对信任机制、组织能力、长期主义的一次深度再造。

　　如果说 2008 年危机让 AIG 学会 “ 如何活下来 ”，那么今天的 AI 合作，则让它学会 “ 如何活得好 ”。

　　对所有正在穿越周期、期待突围的中国企业而言，AI 不是救命稻草，而是一次 “ 自我进化 ” 的机会。

　　关键是，我们有没有准备好，和它一起 “ 重写未来 ”？