鄢晶 眾安保險架構(gòu)資深專家

AIGC可為保險行業(yè)提供深度技術(shù)賦能，險企也積極將AIGC利用在產(chǎn)品、營銷、理賠、客服等領(lǐng)域，并不斷推出智能化場景解決方案。不過，要將沉淀的交易、客戶、市場、風控等海量數(shù)據(jù)在通用大模型上得到有效使用，行業(yè)還有較長的路要走。

當前，AIGC（AI Generated Content，生成式人工智能技術(shù)）、大模型技術(shù)熱潮滾滾而來，剛剛走向數(shù)字化的保險業(yè)又面臨真正智能化轉(zhuǎn)型的新挑戰(zhàn)。

當下的通用大模型在特定垂類領(lǐng)域上存在專業(yè)性欠佳的問題。金融行業(yè)作為數(shù)據(jù)密集型行業(yè)，沉淀了交易、客戶、市場、風控等的海量數(shù)據(jù)，這些數(shù)據(jù)與數(shù)據(jù)應(yīng)用距離在通用大模型上得到有效使用還存在一定差距。

但AIGC多模態(tài)原創(chuàng)內(nèi)容生成、長距離理解上下文語義等優(yōu)勢，無疑有助于保險機構(gòu)在產(chǎn)品、營銷、運營和客服等多個領(lǐng)域提供深度技術(shù)賦能，在研發(fā)提效等方面也大有可為。

AI重塑業(yè)務(wù)邏輯

在保險科技的推動下，以代理人為主要銷售渠道的保險公司紛紛在互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)上構(gòu)建新的服務(wù)模式，也使得保險服務(wù)變得更加普惠。

與此同時，海量線上交易數(shù)據(jù)的積累開始讓數(shù)據(jù)真正能夠發(fā)揮價值，使得險企可以通過數(shù)據(jù)驅(qū)動精準營銷，以提高效率、降低成本及改善用戶體驗。

科學技術(shù)高速迭代，AIGC、大模型的應(yīng)用沖擊著各個行業(yè)的創(chuàng)新邏輯，深度挖掘數(shù)據(jù)價值，這其中也包括沉淀大量數(shù)據(jù)的保險業(yè)。保險科技助推行業(yè)從數(shù)字化應(yīng)用，更多的偏向基于數(shù)字價值的全鏈路智能化重塑，形成真正意義“數(shù)智化”。

在智能化方面，不少險企開始通過AI重塑保險價值鏈，在營銷、理賠、客服領(lǐng)域開始不斷出現(xiàn)智能化場景解決方案。

如“智能語音+語義”在客服、銷售環(huán)節(jié)的廣泛應(yīng)用；運用大數(shù)據(jù)及AI技術(shù)構(gòu)建精準的用戶畫像；健康險公司將AI技術(shù)與健康管理結(jié)合，對用戶的健康數(shù)據(jù)進行分析、評估、檢測和預警等。

AIGC多場景發(fā)力

技術(shù)的落地應(yīng)用，是實現(xiàn)真正數(shù)智化轉(zhuǎn)型的切口。隨著人工智能和自然語言處理技術(shù)的不斷發(fā)展，作為行業(yè)技術(shù)熱點的AIGC已成為保險行業(yè)中備受矚目的技術(shù)之一。

基于AIGC具備高度的自然語言識別和寫作能力，能夠根據(jù)特定的對話指令快速生成多種類型和風格的內(nèi)容，包括純文本、圖文、精美的圖片、動畫、短視頻等。此外，它們還能夠支持多輪對話，并隨著對話的深入更好地理解意圖，從而生成更加精準的內(nèi)容。

AIGC的特征，如多模態(tài)原創(chuàng)內(nèi)容生成、長距離理解上下文語義、零樣本、少樣本學習、開放域推理能力等，可以為保險行業(yè)客戶在保險產(chǎn)品、營銷、運營和客服等多個領(lǐng)域提供深度技術(shù)賦能，同時還可以應(yīng)用于日常辦公、研發(fā)提效等多個方面。

目前眾安利用AIGC在客服、營銷、中后臺運營、法律合規(guī)、研發(fā)運維、辦公協(xié)同場景進行發(fā)力。

在客服場景，借助AIGC的意圖理解、多輪會話、情緒識別等能力，建設(shè)客服智能體系，提升客服坐席效能。典型場景如進線前置AI托管，獲取用戶意圖與業(yè)務(wù)辦理所需的必要信息；生成專業(yè)客服話術(shù)；會話后輔助生成客服小結(jié)并打標。

在營銷方面，AIGC可輔助營銷素材、文案生成，以及千人千面的營銷策略，結(jié)合用戶的性格，習慣進行更精準、更擬人化的營銷觸達。

在研發(fā)運維提效方面，人工智能在軟件開發(fā)方面具有巨大的變革潛力，從自動化日常開發(fā)任務(wù)到提供富有洞察力的代碼建議，讓開發(fā)人員能夠更智能、更快速、更少錯誤地進行編碼。

此前，有如Github Copilot、Bito等非常優(yōu)秀的代碼助手產(chǎn)品，但存在IDE（開發(fā)環(huán)境）支持、企業(yè)內(nèi)代碼理解、代碼出境等的問題。為了解決這些問題，讓AI賦能公司內(nèi)每一位開發(fā)者的立場，眾安自研DevPilot代碼助手項目，其亮點包括開放模型接入和模型切換；工程級代碼理解；多交互模式：Jetbrain IntelliJ支持等。在實際應(yīng)用中實現(xiàn)了20%的開發(fā)提效。

金融垂類大模型剛起步

擁有海量沉淀數(shù)據(jù)價值待挖掘的金融行業(yè)大模型才剛起步。保險行業(yè)也越來越意識到，必須從通用大模型向?qū)I(yè)垂類大模型過渡，提升大模型的質(zhì)效。

但是，由于大模型本身的技術(shù)成熟度、金融數(shù)據(jù)安全、算料算力供給等方面的原因，目前金融大模型應(yīng)用處于初步探索階段，距離全面深度融入金融價值鏈產(chǎn)業(yè)鏈還有較長一段路要走。

就當下而言，GPT、Llama等基礎(chǔ)大模型更多用于解決通用性問題，在特定垂類領(lǐng)域上會存在專業(yè)性欠佳的問題。金融行業(yè)作為數(shù)據(jù)密集型行業(yè)，沉淀了交易、客戶、市場、風控等海量數(shù)據(jù)，這些數(shù)據(jù)能在通用大模型上得到有效使用還存在一定差距。因此金融大模型，或者說大模型在金融行業(yè)的場景落地存在非常大的空間，且有很長的路要走。

2023年3月，彭博首度針對金融業(yè)推出大語言模型BloombergGPT，推動行業(yè)引發(fā)關(guān)于金融垂類大模型的廣泛討論；在國內(nèi)，華為云盤古大模型定位為向各行業(yè)賦能，分為三個層級，L0為基礎(chǔ)通用大模型，L1是基礎(chǔ)模型與行業(yè)數(shù)據(jù)結(jié)合進行混合訓練后的行業(yè)大模型，其中即包括金融行業(yè)。隨后，螞蟻、度小滿等相繼推出金融大模型。

對于需要處理大量客戶數(shù)據(jù)、理賠數(shù)據(jù)、市場數(shù)據(jù)以及合規(guī)性數(shù)據(jù)的保險行業(yè)，對大模型在應(yīng)對諸多挑戰(zhàn)中，有更深的期待。

首先在客戶服務(wù)和營銷方面，大模型可以通過分析大規(guī)模的客戶數(shù)據(jù)，幫助保險公司更好地了解客戶需求和行為模式，從而提供更加個性化、精準的客戶服務(wù)和產(chǎn)品推薦。

理賠處理方面，可幫助保險公司加快理賠處理的速度，自動化理賠審核流程，并更準確地識別潛在欺詐行為，提高理賠處理的效率和質(zhì)量。

圍繞風險管理，大模型可以通過分析大量的市場數(shù)據(jù)和風險數(shù)據(jù)，幫助保險公司更準確地評估風險，提高風險管理水平，包括定價、產(chǎn)品設(shè)計、資產(chǎn)配置等方面。

合規(guī)性管理方面，保險行業(yè)需要嚴格遵守法規(guī)和監(jiān)管要求，大語言模型可以幫助保險公司自動化合規(guī)性管理流程，提高合規(guī)性的監(jiān)控和執(zhí)行效率。

最后，值得一提的是，科技之輪快速驅(qū)動，但行業(yè)的前行者也必須時刻反思。雖然保險科技發(fā)展迅猛，并取得了不錯的成績，但仍面臨許多需要攻克的難題，不可以忽視比如傳統(tǒng)保險數(shù)字化轉(zhuǎn)型緩慢，技術(shù)落地困難；監(jiān)管和合規(guī)方面，技術(shù)創(chuàng)新很有可能會超出傳統(tǒng)監(jiān)管框架的范疇；技術(shù)人才方面，兼具專業(yè)保險知識與尖端科技的人才供應(yīng)不足等。