個案 07｜美國商業
AIG讓 1 位核保人做 5 個人的事——生成式 AI 驅動的成長策略
1. 案例摘要
AIG 旗下的 Lexington Insurance 是美國超額及特殊險（E&S）市場的主要業者。2018 到 2024 年，Lexington 收到的新業務投保申請（submission）從 3 萬件暴增到 30 萬件，但核保人力看不完，成交率反而從 4% 降到 2%。AIG 和 Palantir、Anthropic 合作，在 AIG 的 Ontology 上打造「Underwriting by AIG Assist」：用 LLM 從各種格式的經紀人文件中擷取資料，比對風險胃納、排序並摘要，交給核保人。依 AIG 公布的資料：
- 試點中，每件申請的審查時間由 3–4 週縮短到 1 天內。
- 適用業務已能審查 100% 的申請。
- 2025 年底 Lexington 收件超過 37 萬件（年增 26%）。
- 中型市場財產險上線後，submit-to-bind 比率改善 35%。
這是 Palantir 少數由客戶寫進向 SEC 申報文件的 AI 成果，也是「AI 帶來成長而非裁員」敘事的代表。
2. 產業背景
- 市場規模： 2024 年美國超額及特殊險直接簽單保費創新高，達 1,298 億美元，年增 12.3%，是連續第 7 年雙位數成長（AM Best，2025）。
- 痛點：
- E&S 承保的是標準市場不願承保的非標準風險，每件申請都要人工判讀。
- 經紀人送來的申請是結構化、半結構化 PDF 等各種格式（AIG 執行長 Zaffino，Reinsurance News）。
- 在 E&S 市場，回應速度直接決定能不能拿到生意：「對 Lexington 而言，速度驅動成長。」
- 人力限制： Zaffino 說，中型市場申請量「年初至今已近 20 萬件」，AIG「根本處理不完」，而且這不是加人就能解決的問題（Reinsurance News）。
3. 公司背景
- AIG： 美國大型保險集團。AIG 在 2025 年投資人日（2025 年 3 月）中，把 2020–2025 年定位為「策略轉型期」，2025–2030 年為「用科技革新能力」的階段（AIG 投資人日簡報（SEC 申報））。
- Lexington 的關鍵數據（投資人日簡報，不含 Western World）：
| 指標 | 2018 | 2024 | 2030 目標（假設全面採用科技） |
|---|---|---|---|
| 新業務申請件數 | 30,000 | 300,000 | 500,000 |
| 成交件數（bind/submit 比率） | 1,300（4%） | 6,700（2%） | 27,500（6%） |
| 新業務保費 | 3 億美元 | 10 億美元 | 40 億美元 |
- 為何需要 Palantir： 申請量成長 10 倍，但成交率下滑。〔分析〕這說明瓶頸在「處理能力」而不在「需求」，正是 AI 擷取與排序能解決的問題。
- 合作夥伴： AIG 年報寫到，2025 年擴大與 Palantir、Anthropic、AWS、Google 的合作，並建立「AIG ontology——業務的數位分身」（AIG 2025 年報）。
4. 決策困境
事實：
- AIG 在 2025 投資人日上，同時請來 Palantir 執行長 Karp 與 Anthropic 執行長 Dario Amodei，和 AIG 執行長 Zaffino 同台（AIG 投資人日頁面）。
- AIG 的做法是多夥伴組合（資料／Ontology 平台＋模型供應商＋雲端），而不是押注單一廠商。
〔分析〕當時可能的選擇：
| 選項 | 考量 |
|---|---|
| A. 增聘核保人 | Zaffino 明言「加人解決不了」 |
| B. 保險核心系統廠商的 AI 模組 | 和保單系統整合度高，但非結構化文件擷取能力與迭代速度受限 |
| C. 只用 LLM API 自建 | 模型強，但缺乏資料治理、工作流與稽核層 |
| D. Ontology 平台（Palantir）＋前沿模型（Anthropic）的組合 | 兼顧治理與模型能力，但需要整合多家供應商 |
- 策略取捨： 用 AI 追求成長（多看、多報價、多成交），還是追求降本（減少核保人力）？AIG 明確選擇前者。
5. 導入時間軸
| 時間 | 里程碑 | 來源 |
|---|---|---|
| 2024 年底 | 在北美金融險種推出 Underwriting by AIG Assist | Zaffino 於法說會（Reinsurance News） |
| 2025-03 | 投資人日：Karp、Amodei 同台；設定 Lexington 2030 年 50 萬件申請目標 | AIG 投資人日簡報；Carrier Management，2025-04-28 |
| 2025 年（法說會） | 私人與非營利業務 100% 的適用申請都經 AIG Assist 處理；部署到 Lexington 中型市場財產／意外險；宣布 2025 年底前擴及 Lexington 全部業務，北美其他、英國與 EMEA 商業險提前 6 個月推出 | Reinsurance News |
| 2025-06-13 | AIG 在 AIPCon 7 演講〈Underwriter Assistance in Action〉 | Palantir YouTube |
| 2025 年 | 延伸到理賠（Claims by AIG Assist）；為 Everest 續約權交易建立「Everest ontology」；運用 Foundry 與多個 LLM 組建 Syndicate 2479（與 Amwins、Blackstone 合作） | AIG 2025 年報 |
| 2025 年底 | Lexington 收件超過 37 萬件 | AIG 2025 年報 |
| 2026 Q1 法說會 | 公布 Lexington 中型市場財產險的報價、成交改善（二手轉述） | Emerj |
6. 解決方案細節
- Ontology： AIG 正在建立「AIG ontology」，作為定義概念、流程、資料元素與工作流的共同框架（年報）。
- 擷取： 用 LLM 從各種格式的非結構化文件擷取結構化資料。Emerj 指出 AIG 稱這項能力為「Auto Extract」（申請專利中），屬二手資料。
- 排序與摘要： 依該業務的風險胃納評估申請、排序，並產生摘要。核保人從「依收件順序審查」改為「先看最符合承保標準的案件」（Emerj 整理）。
- 工作流： AIPCon 7 演講描述「在 AIG ontology 上，以生成式 AI 邏輯、代理與自動化重建核保流程」（影片逐字稿）。
- 延伸應用：
- 理賠：初次報案（FNOL）流程從數天縮短到數小時。
- 保單條款與批單審查：部分情況從數小時縮短到數分鐘。
- 投資組合核保：Everest 投資組合的數位分身。
- 用 Foundry 搭配多個 LLM 評估 Amwins 投資組合的風險特性（年報）。
7. 成果
| 成果 | 數字 | 公布者 | 第三方查證 | 證據等級 |
|---|---|---|---|---|
| 審查時間（試點） | 3–4 週 → 1 天內 | AIG 在 AIPCon 7 演講 | 無 | B |
| 審查覆蓋率 | 100% 適用申請（私人與非營利金融險） | AIG 執行長法說會；AIPCon 7 | 無 | B |
| 資料擷取準確率 | >90%（Emerj 引述：由約 75% 提升） | AIPCon 7；Emerj 轉述 | 無 | B／D |
| 核保產能 | 2–5 倍 | AIPCon 7 | 無 | B |
| Lexington 收件量 | 2025 年底逾 37 萬件，年增 26% | AIG 2025 年報（SEC 申報） | 無獨立稽核，但屬法定申報文件 | A／B |
| 中型市場財產險成交 | submit-to-bind 比率改善 35% | AIG 2025 年報 | 同上 | A／B |
| 2026 Q1 法說會 | 報價件數 +30%、報價時間 −55%、成交件數約 +40% | Emerj 轉述 | 無 | D |
| 合約金額 | 查不到 | — | — | — |
8. 爭議、限制與失敗風險
- 歸因問題： AIG 同時和 Palantir、Anthropic、AWS、Google 合作，成果無法單獨歸給 Palantir。Emerj 也指出，AIG 沒有揭露基準量、衡量期間與其他營運改變的影響。
- 收件量成長的解讀： 收件數增加，可能來自市場成長（E&S 市場本身年增 12%），不完全是 AI 的效果。
- AI 核保的風險： 擷取錯誤或排序偏差，可能導致錯誤承保或錯失好業務。準確率「>90%」也代表仍有錯誤。〔分析〕在受監管的保險業，模型治理與可解釋性是關鍵。
- 目標未達成： 50 萬件、6% 成交率、40 億美元保費都是 2030 年目標。
9. 分析
成功關鍵因素〔分析〕
- 執行長親自主導： Zaffino 在法說會、投資人日上反覆說明；AIG 投資人日強調執行長領導與文化轉型的重要性。
- 選對瓶頸： 申請暴增、成交率下滑，問題明確且可量化。
- 成長導向的 KPI： 衡量的是審查覆蓋率、報價數與成交率，而不是裁員數。這讓核保人成為擁護者。
- 從單一險種起步、快速複製： 金融險 → Lexington → 國際商業險，並提前推出時程。
可移植性
- 高。任何「非結構化文件湧入、需要專業判讀」的流程都適用，例如銀行授信、貿易融資、採購招標、法律審閱。台灣的產險、壽險核保與銀行企業授信都可類比。
行銷／GTM 角度
- 執行長同台： Karp、Amodei、Zaffino 在投資人日同台（CNBC 主播主持），把一場保險公司的投資人活動變成 AI 產業事件。
- 被寫進客戶的 SEC 文件： 客戶年報提到 Palantir，是 B2B 軟體能拿到的最高等級背書之一。
- 「1 位核保人變 5 位」： Carrier Management 的標題「Turning One Human Underwriter Into Five」成為傳播核心。
- 〔分析〕 和 Anthropic 的聯合曝光，讓 Palantir 定位為「讓前沿模型在企業落地的作業層」，而不是和模型公司競爭。
10. 課堂討論題
- AIG 選擇「成長型」而非「降本型」的 AI 敘事。這對內部採用、投資人溝通、監管機關各有什麼好處？
- Lexington 收件量年增 26% 中，有多少可能來自市場成長？你會如何設計分析來拆解 AI 的貢獻？
- 多夥伴（Palantir＋Anthropic＋AWS＋Google）策略的優點與風險是什麼？若你是 Palantir 的業務，如何在這種組合中守住位置？
- 擷取準確率 90% 在核保場景是否足夠？需要哪些人工覆核機制？
- 台灣的保險公司若要導入類似方案，最大的監管與組織障礙是什麼？
11. 延伸閱讀
- 影片：AIG Underwriter Assistance in Action | AIG at AIPCon 7（Palantir YouTube，2025-06-13）
- AIG 2025 年報（SEC 申報 PDF）；AIG 年報網頁
- AIG 2025 投資人日簡報（SEC）；投資人日頁面（Karp、Amodei 同台）
- Carrier Management：Turning One Human Underwriter Into Five，2025-04-28
- Reinsurance News：Speed drives growth
- AM Best：美國超額及特殊險市場報告
- Emerj：AI at AIG（含 2026 Q1 法說會轉述）
存取日期：2026-10-16。