近日，2026 年 CAS 中国年会圆满举行。作为北美产险精算学会（Casualty Actuarial Society，CAS）在中国举办的年度盛会，本届年会云集国内外保险精算领域的权威专家。CAS 成立于 1914 年，长期聚焦财产与意外险（P&C）风险研究与精算专业发展，其 ACAS、FCAS 认证被公认为产险精算职业的“黄金标准”，在国际保险精算业界享有极高的专业权威性与影响力。

本届年会议题覆盖 IFRS 17 新准则落地、健康险可持续发展、气候变化与台风风险、机器学习与绿色光伏风险量化等精算前沿方向，AI 也成为备受关注的重要议题。律商联讯风险信息（以下简称“律商风险”）中国区数据科学总监单翔、高级数据科学家邱子真受邀在 AI 专题环节带来主题分享“精算工作流新范式：AI Agent 驱动的建模自动化与动态决策模拟”，与多家头部财险机构专家同台，共议 AI 在精算工作中的应用与边界。律商风险作为主讲嘉宾登上 CAS 这一行业权威平台，既是业界对团队专业能力的认可，也印证了律商风险在精算科技与数据智能领域长期深耕的行业影响力。

聚焦 AI 专题，律商风险围绕 AI Agent 驱动建模自动化与动态决策这一主题，对外披露 Klein-Auto-Research 自动化研究框架与 Agentic BI 治理型智能问数，从数据科学延伸至保险精算领域，辨析智能体技术的价值与边界，为复杂新型风险建模与智能分析实践提供全新思路。

图为律商风险中国数据科学总监 单翔

01、人工智能用于数据科学

放眼大语言模型领域，AI Agent 大幅降低迭代实验门槛，可通宵批量运行实验，但 “跑出结果” 不等于可信结论。律商风险团队以经典鸢尾花数据集（iris）为例指出，即便是广为流传的公开数据集，不同版本之间也存在记录偏差。真正的科研难点，在于实现结果可复现、过程可审计，迭代寻优，结论可靠。

而律商风险团队基于精算思维重构的Klein-Auto-Research 自动化研究框架在通用 Auto Research 基础上增设数据校验门禁、全链路账本机制，实验无论成功失败均完整留痕，并系统总结研究发现，生成研究报告与下一步研究建议。该框架把 AI 黑盒式输出改造为可复核的科研工具。这套可复现方法论适配各类新型风险和业务的建模分析，适配任何主流智能体模型，通过系统化的实验账本与可复现流程，完成从特征探索、模型选择到假设检验的严谨建模闭环，为定价与核保决策提供有据可查的量化依据。

02、人工智能用于精算分析

落到保险精算实操场景，传统工作流中，精算人员大量精力消耗在数据搬运、报表整理，深度研判占比不足两成。Agentic BI 完成从传统被动 BI、AI+BI 到自主智能分析的跨越，实现从“人找数据”向“数据找人”转变，灵玑・智略正是该理念的落地产品，可适配财产险多业务场景的分析需求。

03、精算师把控方向，AI提效率，治理保底线

自动实验工具可加速模型迭代，智能问数可解放核心生产力，但裸用大模型普遍存在口径漂移、输出不稳定等风险。律商风险提出，智能工具必须配套完整治理护栏：统一指标语义、受控工具调用、确定性计算、证据留痕归档。实测验证，叠加治理框架后，本地中小模型输出质量可优于无管控的旗舰大模型。

图为律商风险中国高级数据科学家 邱子真

律商风险特别强调，AI 是能力放大器，绝非决策替代者。在当前保险行业风险格局快速演变、新型风险层出不穷的背景下，精算人员的领域积累、业务逻辑判断、合规签字责任无可替代。AI 承担海量数据处理、实验遍历、异常探查；精算师把控业务假设、校验逻辑，守住问责底线。

这种“人主导、AI赋能、全流程可审计”的精算研究决策新范式，将为保险业务的精细化定价与风险管理，构筑技术与专业并重的双重底座。