Pathwork 使用精确向量搜索优化人寿保险核保
Daniel Azoulai
·April 22, 2025
Pathwork 使用精确向量搜索优化人寿保险核保
关于 Pathwork
Pathwork 正在为 AI 时代重新设计寿险和健康险工作流程。经纪公司和保险公司利用 Pathwork 的高级代理系统来实现承保流程自动化，并加强后台销售运营。Pathwork 的解决方案显著减少错误，将任务完成速度提高达 70 倍，并大幅节省人力资本。
挑战：准确性至上
寿险核保对准确性要求极高。传统上，核保涉及大量手动输入、主观判断和频繁错误。这些错误，例如基于不完整或误解的健康数据而错误分类风险，常常导致销售损失，并因保费突然变动而引起客户不满。
Pathwork 联合创始人 Blake Butterworth 解释说：“准确性至关重要——每个错误都可能意味着客户每月多花数百美元，或者需要多等待数月才能获得承保。”
Pathwork 的创新解决方案
Pathwork 通过 AI 驱动的核保工具解决了这些问题。该平台使用向量搜索和检索增强生成（RAG）技术，使经纪人能够根据在报价过程中通过对话或文档上传收集到的实时输入，快速将客户与精确的风险类别和保险产品匹配起来。
最初，Pathwork 探索了各种解决方案，包括 Amazon S3、OpenSearch 和其他向量数据库。然而，没有一个能够提供所需的性能、易用性和可靠性的结合。最终，Pathwork 因 Qdrant Cloud 完善的文档和开发者友好的环境而选择了它。
Pathwork 为何选择 Qdrant
Blake 分享道：“经过大量的试验和摸索，我们最终确定选择 Qdrant。” “我们的工程师发现 Qdrant 的文档和支持比其他解决方案好得多。在关键时刻，Qdrant 的支持感觉就像我们团队多了一位首席工程师。他们通过帮助台提供的出色服务是一次非凡的体验。”
影响：提高准确性和用户采用率
在部署 Qdrant 后，Pathwork 迅速看到了显著改进
- 准确性提升： 仅在二月份，Pathwork 就实现了显著的精度提升，将均方误差 (MSE) 从 3.5 几乎减半至 1.8。这些改进得益于标量量化、混合搜索和高级过滤器利用等增强功能。准确性衡量的是预测与持证核保人最终分配的风险类别有多接近。
- 性能增强： 每次查询的延迟从 9 秒大幅降低至仅 2 秒，这得益于将向量存储在 RAM 而非磁盘中以及改进的扩展方法（副本、分片、节点）等优化。
- 快速增长： 使用量逐月增长 50%，仅上个月就处理了数千份保险案例。为了在大规模下保持低延迟检索，Pathwork 扩展了其 Qdrant 部署，增加了节点，实现了分片以分散负载，并引入了副本以支持高并发读取操作。这些扩展更改确保了随着使用量的激增而保持一致的性能。
- 用户满意度： 准确、一致的核保结果显著提高了用户采用率。随着准确性超过关键阈值，口碑推荐推动了用户增长。
Blake 评论说：“当经纪人开始自信地在演示期间实时测试边缘案例，并立即采纳时，我们就知道我们取得了重大成就。”
展望未来
Pathwork 的目标是成为寿险核保的中心枢纽。未来的计划包括与保险公司进行更深入的集成，进一步提高核保的准确性、可扩展性和效率。Pathwork 对精度的承诺，在 Qdrant 可靠的向量搜索能力的支持下，正在为寿险核保的准确性和效率树立新的行业标准。
Blake Butterworth 说：“我们系统的各个方面都依赖于精度，Qdrant 在实现我们的目标方面发挥了关键作用。”
