旅行者保險的人工智慧應用——兩個用例

旅行者保險公司（Travelers Companies, Inc.）是美國最大的財產與意外險（P&C）公司之一，為北美、英國和愛爾蘭的個人、企業和專業保險客戶提供服務。2023年，該公司總營收為413.64億美元，淨利潤為29.91億美元。旅行者在承保決策質量、運營效率以及客戶和代理人體驗方面廣泛部署人工智慧。

該公司運用先進的分析能力支援風險選擇和定價，同時在理賠自動化、直通處理和分析方面的投資正在改善客戶 outcomes 並節省成本。旅行者還持續投資於先進的巨災管理工具和洞察，以支援其承保人員並保持巨災風險的綜合檢視。

旅行者最近與Anthropic的合作進一步體現了其對AI驅動轉型的承諾。2026年1月，旅行者宣佈擴大AI工程和分析能力，為近1萬名員工提供個性化Claude AI助手，同時超過3萬名員工可透過其內部TravAI平臺訪問前沿模型。儘管旅行者未披露具體的AI投資總額，但其申報檔案和簡報始終提及分析能力和模型驅動決策支援的擴充套件。

本文重點分析兩個直接支援旅行者運營和戰略目標的內部AI用例：

AI驅動的理賠分類：應用機器學習對理賠嚴重程度進行分類，並將案件路由到適當的處理層級，減少週期時間並改進理賠員分配。

AI增強的風險建模與巨災分析：利用地理空間、氣象和歷史損失資料改進承保準確性和投資組合級風險評估。

我們首先考察旅行者如何應用機器學習加速理賠分類並提高運營效率。

AI驅動的理賠分類

旅行者將理賠定位為核心價值和紀律性運營能力，擁有業內最大的完全自聘內部理賠組織之一。與嚴重依賴第三方公估人的保險公司不同，旅行者絕大多數理賠由其自有員工處理——這一結構性選擇有助於規模化地實現一致性、速度和質量控制。

2024年，該公司在90天內解決了90%的巨災相關財產理賠，同時應對了74次巨災事件和超過13.7萬份巨災損失通知。2025年，旅行者處理了150萬件理賠（約每20秒一件），支付了超過230億美元的賠款。這一規模凸顯了高效分類、路由和自動化對旅行者運營模式的核心地位。

旅行者的首席技術和運營官Mojgan Lefebvre在CXOTalk上討論了公司如何使用AI模型對數千個 incoming 提交進行分類，並將週期時間從幾天縮短到幾小時。旅行者的分類和受理現代化建立在內部人員配置、數字化檢查和自動化的組合之上。該公司報告稱，超過一半的理賠現在符合直通處理條件，客戶約三分之二的時間會選擇該選項。另有15%的理賠使用先進的數字工具處理。這些自動化層減少了人工接觸點，加速了早期決策，使理賠員能夠專注於需要專業知識的案件。旅行者還指出，理賠效率的提升直接透過損失調整費用改善損失率。

數字受理也在擴充套件。旅行者最近推出了一款自然語言生成式AI語音代理，用於透過電話進行首次損失通知，早期採用“超出預期”。結合虛擬檢查能力（包括透過智慧手機照片進行AI輔助3D建模），這些工具減少了對現場勘查的需求，縮短了從首次損失通知到初步評估之間的時間。在運營層面，這些投資使旅行者將理賠呼叫中心人員減少三分之一，並將四個呼叫中心合併為兩個。這反映了理賠生命週期中向自動化和直通處理的更廣泛轉變。

財務邏輯清晰可見。自2016年以來，旅行者在技術上投資了130億美元，同時將費用率削減了300個基點——CEO Alan Schnitzer將此描述為效率和創新可以同步推進的證據。理賠自動化是該等式的關鍵驅動因素：透過將受理和路由轉移給AI，旅行者釋放了理賠員處理複雜、高嚴重度案件的能力，這些案件需要人類判斷直接影響損失結果。對於一家每20秒處理一件理賠的公司來說，受理層的效率提升在全年業務量中會產生實質性複合效應。

旅行者未釋出分類特定的週期時間指標或AI驅動的嚴重度評分細節。但其披露的自動化百分比、呼叫中心減少和巨災應對錶現表明，理賠環境中的早期路由、數字受理和自動化處理正在顯著減少人工分類，並使理賠員能夠專注於更高價值的決策。因此，任何具體的週期時間改進應視為推斷而非報告事實。

AI增強的風險建模與巨災分析

旅行者運營的地區面臨颶風、野火、洪水和強對流風暴的重大風險，這一趨勢體現在公開報告中：由於大面積風雹事件，2023年第二季度巨災損失翻倍至14.8億美元。巨災損失是財產和意外險公司波動性的主要來源，旅行者的財務披露和公開評論強調了改進承保表現和定價準確性的重要性——這一重點在2026年第一季度強勁的承保收益中得到強化，部分得益於巨災損失低於上年同期。承保團隊需要準確、精細的財產級風險評估以避免逆選擇和維持投資組合平衡。

旅行者的公開材料強調需要先進的分析來提高承保精確度和資本配置。該公司表示其“持續投資於資料、分析、技術和運營”，並將資料和分析視為“變革性的戰略資產”，能夠提高生產率和效率。旅行者將多種資料來源整合到其巨災相關分析和規劃能力中，包括地理空間資訊、歷史損失經驗、氣象輸入、財產級屬性以及特定災害建模——該方法與其企業級巨災規劃和響應基礎設施（包括國家巨災中心）保持一致。預測建模和地理空間分析用於評估財產風險，並透過風險評分、損失估算和情景分析支援承保決策。

這些能力以多種方式改變承保工作流：財產級風險評分可為承保決策提供資訊；巨災暴露地圖幫助承保人員視覺化區域風險集中度；情景模擬允許團隊測試颶風、野火或洪水對投資組合的影響；投資組合經理隨後可使用聚合風險指標調整地理或業務線敞口，從而提高承保團隊之間的決策速度和一致性。旅行者將其分析和創新能力描述為長期、企業級的投資。其技術和創新材料強調先進分析、AI工具和現代化資料基礎設施是承保和運營的核心差異化優勢。

儘管旅行者未披露與巨災分析相關的具體損失避免指標，但其反覆提及地理空間分析、預測建模和特定風險情景模擬表明這些能力已達到較高成熟度並跨業務單元整合。

將AI嵌入核心工作流——旅行者表明，當模型和分析直接整合到理賠員和承保人員系統而非作為獨立工具部署時，AI採用會加速。

平衡自動化與人工監督——兩個用例均展示了AI如何加速決策制定，同時在關鍵節點保留人類判斷。

投資高價值、高成熟度應用——旅行者專注於支援主要成本中心（理賠和承保）的分析和AI系統，確保與財務表現保持一致。