AI必將重塑保險價值鏈

鄢晶 眾安保險架構資深專家

AIGC可為保險行業提供深度技術賦能，險企也積極將AIGC利用在產品、營銷、理賠、客服等領域，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、風控等海量數據在通用大模型上得到有效使用，行業還有較長的路要走。

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

當下的通用大模型在特定垂類領域上存在專業性欠佳的問題。金融行業作為數據密集型行業，沉淀了交易、客戶、市場、風控等的海量數據，這些數據與數據應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多模態原創內容生成、長距離理解上下文語義等優勢，無疑有助于保險機構在產品、營銷、運營和客服等多個領域提供深度技術賦能，在研發提效等方面也大有可為。

AI重塑業務邏輯

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網和移動互聯網上構建新的服務模式，也使得保險服務變得更加普惠。

與此同時，海量線上交易數據的積累開始讓數據真正能夠發揮價值，使得險企可以通過數據驅動精準營銷，以提高效率、降低成本及改善用戶體驗。

科學技術高速迭代，AIGC、大模型的應用沖擊著各個行業的創新邏輯，深度挖掘數據價值，這其中也包括沉淀大量數據的保險業。保險科技助推行業從數字化應用，更多的偏向基于數字價值的全鏈路智能化重塑，形成真正意義“數智化”。

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、客服領域開始不斷出現智能化場景解決方案。

如“智能語音+語義”在客服、銷售環節的廣泛應用；運用大數據及AI技術構建精準的用戶畫像；健康險公司將AI技術與健康管理結合，對用戶的健康數據進行分析、評估、檢測和預警等。

AIGC多場景發力

技術的落地應用，是實現真正數智化轉型的切口。隨著人工智能和自然語言處理技術的不斷發展，作為行業技術熱點的AIGC已成為保險行業中備受矚目的技術之一。

基于AIGC具備高度的自然語言識別和寫作能力，能夠根據特定的對話指令快速生成多種類型和風格的內容，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容。

AIGC的特征，如多模態原創內容生成、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，可以為保險行業客戶在保險產品、營銷、運營和客服等多個領域提供深度技術賦能，同時還可以應用于日常辦公、研發提效等多個方面。

目前眾安利用AIGC在客服、營銷、中后臺運營、法律合規、研發運維、辦公協同場景進行發力。

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，獲取用戶意圖與業務辦理所需的必要信息；生成專業客服話術；會話后輔助生成客服小結并打標。

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。

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

此前，有如Github Copilot、Bito等非常優秀的代碼助手產品，但存在IDE（開發環境）支持、企業內代碼理解、代碼出境等的問題。為了解決這些問題，讓AI賦能公司內每一位開發者的立場，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。在實際應用中實現了20%的開發提效。

金融垂類大模型剛起步

擁有海量沉淀數據價值待挖掘的金融行業大模型才剛起步。保險行業也越來越意識到，必須從通用大模型向專業垂類大模型過渡，提升大模型的質效。

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

就當下而言，GPT、Llama等基礎大模型更多用于解決通用性問題，在特定垂類領域上會存在專業性欠佳的問題。金融行業作為數據密集型行業，沉淀了交易、客戶、市場、風控等海量數據，這些數據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推出大語言模型BloombergGPT，推動行業引發關于金融垂類大模型的廣泛討論；在國內，華為云盤古大模型定位為向各行業賦能，分為三個層級，L0為基礎通用大模型，L1是基礎模型與行業數據結合進行混合訓練后的行業大模型，其中即包括金融行業。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據、理賠數據、市場數據以及合規性數據的保險行業，對大模型在應對諸多挑戰中，有更深的期待。

首先在客戶服務和營銷方面，大模型可以通過分析大規模的客戶數據，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、精準的客戶服務和產品推薦。

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量。

圍繞風險管理，大模型可以通過分析大量的市場數據和風險數據，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、產品設計、資產配置等方面。

合規性管理方面，保險行業需要嚴格遵守法規和監管要求，大語言模型可以幫助保險公司自動化合規性管理流程，提高合規性的監控和執行效率。

最后，值得一提的是，科技之輪快速驅動，但行業的前行者也必須時刻反思。雖然保險科技發展迅猛，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保險數字化轉型緩慢，技術落地困難；監管和合規方面，技術創新很有可能會超出傳統監管框架的范疇；技術人才方面，兼具專業保險知識與尖端科技的人才供應不足等。