語(yǔ)音播放文章內(nèi)容
由深聲科技提供技術(shù)支持
“智能保顧產(chǎn)品的本質(zhì)實(shí)際上是智能化的客戶運(yùn)營(yíng)工具?！?在眾安保險(xiǎn)數(shù)據(jù)智能中心負(fù)責(zé)人孫谷飛看來(lái)，這也是眾安的明星產(chǎn)品——眾安精靈不斷豐富與用戶的交互形式的動(dòng)力所在。
在他看來(lái)，客戶運(yùn)營(yíng)是一個(gè)高度依賴創(chuàng)意和個(gè)性化的工作，因此，一款好的客戶運(yùn)營(yíng)產(chǎn)品需要滿足以下兩個(gè)基本條件：首先，要能充分支持運(yùn)營(yíng)人員的創(chuàng)意表現(xiàn)，能夠快速地實(shí)現(xiàn)他們的想法；其次，要能夠連接用戶與企業(yè)能夠提供的服務(wù)，為客戶帶來(lái)價(jià)值。
與客戶進(jìn)行一問(wèn)一答的擬人化互動(dòng)聊天中，運(yùn)營(yíng)工具不僅要扮演“有問(wèn)必答”和“你說(shuō)的它都懂”的知心朋友，還要承擔(dān)“保險(xiǎn)經(jīng)紀(jì)人”和“風(fēng)險(xiǎn)管理專家”的角色。
而在智能科技時(shí)代背景下，這些需求的實(shí)現(xiàn)都離不開(kāi)產(chǎn)品工具背后的機(jī)器人平臺(tái)的支持，以及對(duì)科技賦能保險(xiǎn)業(yè)務(wù)邏輯的深度思考。
做好智能對(duì)話，必備兩大核心引擎
“目前市面上智能保顧產(chǎn)品相關(guān)的機(jī)器人平臺(tái)主要聚焦在對(duì)話式服務(wù)定制功能，背后又可以分為自然語(yǔ)言理解引擎和流程引擎兩大核心部分。”孫谷飛表示。
在自然語(yǔ)言理解引擎方面，需要基于在線客服歷史記錄語(yǔ)料定制訓(xùn)練的語(yǔ)義理解、實(shí)體提取模型可以精準(zhǔn)識(shí)別保險(xiǎn)和健康場(chǎng)景下的客戶意圖，提取出客戶對(duì)話中提到的年齡、地點(diǎn)、產(chǎn)品、疾病等關(guān)鍵信息，確保了用戶需求的理解。
“而在流程引擎層面，機(jī)器人平臺(tái)的流程引擎需要充分保障客戶運(yùn)營(yíng)人員能夠發(fā)揮他們的創(chuàng)意?！痹趯O谷飛看來(lái)，在這樣的流程引擎下，運(yùn)營(yíng)人員可以將自己的客戶引導(dǎo)思路與自然語(yǔ)言理解引擎提取到的信息相結(jié)合，配合不同的條件跳轉(zhuǎn)設(shè)置，能夠輕松實(shí)現(xiàn)個(gè)性化的客戶服務(wù)，配置要簡(jiǎn)單到業(yè)務(wù)人員能夠直接參與。而全流程埋點(diǎn)的數(shù)據(jù)回流之后能夠有效地輔助客戶運(yùn)營(yíng)人員改善流程的設(shè)計(jì)。
除此之外，流程引擎還可以連接公司內(nèi)部的各類服務(wù)API，將保險(xiǎn)流程中的服務(wù)通過(guò)會(huì)話式交互提供給客戶。
“以上兩方面是一個(gè)不斷積累的過(guò)程。一方面要不斷實(shí)現(xiàn)行業(yè)領(lǐng)先的自然語(yǔ)言理解水平，同時(shí)也要基于當(dāng)前的技術(shù)水平更好的為客戶進(jìn)行服務(wù)?！?/p>
孫谷飛以眾安精靈為例解釋道，在自然語(yǔ)言理解算法模型層面，眾安一直緊跟行業(yè)發(fā)展，利用了Bert這類最新的模型結(jié)合眾安自身積累的保險(xiǎn)場(chǎng)景語(yǔ)料數(shù)據(jù)，實(shí)現(xiàn)了驗(yàn)證集上94%的意圖理解準(zhǔn)確率，92%的語(yǔ)義相似度模型準(zhǔn)確率?？梢哉f(shuō)在語(yǔ)義理解能力方面眾安在保險(xiǎn)行業(yè)是有自身的獨(dú)特優(yōu)勢(shì)的。
而如何更好地為客戶服務(wù)這點(diǎn)，他認(rèn)為：“最重要的是對(duì)于會(huì)話式交互這種需求的理解和梳理。我們將精靈和用戶的對(duì)話理解為和圖形界面交互相似的一種交互方式。那么從用戶體驗(yàn)的角度講，我們希望降低用戶操作的不確定性，因此我們將自然語(yǔ)言理解模型與流程引擎結(jié)合起來(lái)。”
流程引擎簡(jiǎn)化了整個(gè)應(yīng)用對(duì)于算法模型精準(zhǔn)度的要求，它良好的連接能力使得圖形交互、外部服務(wù)能夠參與到交互過(guò)程中來(lái)和自然語(yǔ)言交互形成補(bǔ)充。同時(shí)大流程節(jié)點(diǎn)的跳轉(zhuǎn)是由人工設(shè)計(jì)的，確保了用戶體驗(yàn)?zāi)軌蛟谝粋€(gè)相對(duì)穩(wěn)定的水平。
“可以說(shuō)眾安機(jī)器人平臺(tái)就是眾安對(duì)會(huì)話式交互的理解的實(shí)踐?！睋?jù)孫谷飛介紹，自2018年5月發(fā)布以來(lái)，眾安精靈已積累了超過(guò)4萬(wàn)個(gè)保險(xiǎn)基礎(chǔ)問(wèn)答條目、7大類19個(gè)意圖的保險(xiǎn)知識(shí)圖譜，保險(xiǎn)相關(guān)普通話語(yǔ)境中語(yǔ)義識(shí)別率達(dá)93%以上。
科技賦能保險(xiǎn)為何仍處起步階段
事實(shí)上，不論是對(duì)話式講解服務(wù)、對(duì)話式導(dǎo)購(gòu)服務(wù)，還是智能核保核賠等場(chǎng)景服務(wù)，都離不開(kāi)大數(shù)據(jù)、機(jī)器學(xué)習(xí)、圖像識(shí)別等技術(shù)的不斷積累，使人工智能不斷去學(xué)習(xí)和提高，通過(guò)反復(fù)的驗(yàn)證，從而滿足實(shí)際保險(xiǎn)服務(wù)環(huán)節(jié)中的客戶體驗(yàn)需求。
在孫谷飛看來(lái)，在科技賦能保險(xiǎn)上，大數(shù)據(jù)和AI是兩個(gè)經(jīng)常出現(xiàn)的技術(shù)名詞，聯(lián)系也很緊密，比如AI的發(fā)展離不開(kāi)數(shù)據(jù)的積累和大數(shù)據(jù)技術(shù)的發(fā)展，但是兩個(gè)技術(shù)屬于不同的技術(shù)領(lǐng)域，各自發(fā)展的成熟度也不一樣，所以在不同的應(yīng)用場(chǎng)景下，表現(xiàn)也是不相同的，不能簡(jiǎn)單的放到一起講。單從技術(shù)的應(yīng)用程度來(lái)說(shuō)，在很多領(lǐng)域，大數(shù)據(jù)相對(duì)AI來(lái)說(shuō)較為深入一點(diǎn)。
而在保險(xiǎn)領(lǐng)域，無(wú)論是大數(shù)據(jù)技術(shù)還是AI技術(shù)都有著很好的應(yīng)用前景。
首先，從保險(xiǎn)行業(yè)本身的特性來(lái)看，保險(xiǎn)行業(yè)是當(dāng)前最有潛力通過(guò)數(shù)據(jù)驅(qū)動(dòng)變革的，這個(gè)行業(yè)以大數(shù)據(jù)原理為驅(qū)動(dòng)，利用精算來(lái)控制風(fēng)險(xiǎn)，既是數(shù)據(jù)的收集者也是數(shù)據(jù)的使用者。
隨著移動(dòng)物聯(lián)網(wǎng)、5G、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，保險(xiǎn)行業(yè)所要處理的數(shù)據(jù)無(wú)論從量級(jí)、復(fù)雜度還是處理速度，都對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用了提出了很高的要求。
其次，保險(xiǎn)行業(yè)的完整業(yè)務(wù)鏈路，包括獲客、營(yíng)銷、核保、理賠等，整個(gè)服務(wù)鏈路長(zhǎng)、人力投入大，AI技術(shù)的發(fā)展在這其中的各個(gè)業(yè)務(wù)環(huán)節(jié)都會(huì)有很好的降本增效的應(yīng)用點(diǎn)。
“但從行業(yè)整體層面看，大數(shù)據(jù)和AI在保險(xiǎn)業(yè)的賦能，目前還是處于起步階段。” 孫谷飛總結(jié)道。在他看來(lái)，造成這種現(xiàn)狀主要有以下原因：
在大數(shù)據(jù)層面，當(dāng)前保險(xiǎn)業(yè)的數(shù)據(jù)處理能力相對(duì)較弱。業(yè)界一般從數(shù)據(jù)處理的volume（數(shù)據(jù)量）、velocity（處理速度）、variety（多樣性）、value（價(jià)值）來(lái)判斷企業(yè)大數(shù)據(jù)的發(fā)展程度。目前保險(xiǎn)行業(yè)所擁有的數(shù)據(jù)和處理能力，相對(duì)于典型互聯(lián)網(wǎng)公司來(lái)說(shuō)，在前三個(gè)v方面差距還很大。
“很多保險(xiǎn)公司在這20年來(lái)積累了很多數(shù)據(jù)，但還集中在保單維度相關(guān)的數(shù)據(jù)，不管是數(shù)據(jù)量級(jí)，還是數(shù)據(jù)緯度的豐富性，還是處理速度的要求都相對(duì)較弱?！痹谒磥?lái)，單獨(dú)看數(shù)據(jù)量級(jí)，當(dāng)一家公司的場(chǎng)景數(shù)據(jù)足夠多，用戶數(shù)量足夠大，若具備合理的大數(shù)據(jù)架構(gòu)，大數(shù)據(jù)處理和運(yùn)用能力也會(huì)隨之提升。
在人工智能層面，孫谷飛指出，雖然人工智能在不斷優(yōu)化保險(xiǎn)業(yè)務(wù)全鏈路，但它仍然有一些局限性。
首先，它存在技術(shù)邊界，沒(méi)有100%準(zhǔn)確率的模型，“即使你有再多的數(shù)據(jù)，再?gòu)?qiáng)的算力，你的模型也很難做到極致，更不會(huì)達(dá)到百分之百的準(zhǔn)確?！?/p>
其次，不同任務(wù)的模型不能自動(dòng)遷移：AlphaGo沒(méi)辦法直接拿來(lái)做人臉識(shí)別和OCR，需要進(jìn)行重新訓(xùn)練，同樣任務(wù)的模型可能因?yàn)闃颖绢愋筒灰粯?，也需要重新?xùn)練，比如說(shuō)身份證OCR模型轉(zhuǎn)做發(fā)票O(jiān)CR的話也需要重新定義問(wèn)題和訓(xùn)練。
五點(diǎn)實(shí)戰(zhàn)建議
面對(duì)上述種種挑戰(zhàn)，保險(xiǎn)公司該如何實(shí)現(xiàn)AI、大數(shù)據(jù)等科技賦能業(yè)務(wù)的真正落地？孫谷飛給出了五點(diǎn)實(shí)戰(zhàn)經(jīng)驗(yàn)建議。
首先就是數(shù)據(jù)，要盡可能的收集可以反映用戶行為的動(dòng)態(tài)數(shù)據(jù)。數(shù)據(jù)的量級(jí)和豐富程度，是AI模型能落地的關(guān)鍵要素。數(shù)據(jù)的量級(jí)和豐富程度達(dá)到了，自然而然大數(shù)據(jù)技術(shù)的應(yīng)用也變成了基本要求。
其次是需要建立數(shù)字化的業(yè)務(wù)反饋閉環(huán)，AI模型想要不斷升級(jí)，需要在業(yè)務(wù)閉環(huán)里進(jìn)行不斷的數(shù)據(jù)反饋才可以迭代提升。
第三個(gè)要有工業(yè)化計(jì)算的平臺(tái)，算法是從實(shí)驗(yàn)室走向工業(yè)化應(yīng)用，需要從開(kāi)發(fā)測(cè)試到發(fā)布和更新迭代，有一整套完整的生產(chǎn)平臺(tái)，幫助去持續(xù)的追蹤模型的進(jìn)展。另外，也需要有一套大數(shù)據(jù)離線和實(shí)時(shí)計(jì)算平臺(tái)，幫助面對(duì)日益增長(zhǎng)的業(yè)務(wù)流量。
第四是人才儲(chǔ)備：需要復(fù)合型的人才儲(chǔ)備，需要打造懂業(yè)務(wù)懂技術(shù)的復(fù)合型人才團(tuán)隊(duì)，實(shí)現(xiàn)從商業(yè)業(yè)務(wù)目標(biāo)到算法模型目標(biāo)的轉(zhuǎn)換。同時(shí)也需要掌握處理海量數(shù)據(jù)技能的大數(shù)據(jù)平臺(tái)工程師和數(shù)據(jù)挖掘工程師，最終把算法模型在實(shí)際場(chǎng)景下落地。
最后，邊界清晰的問(wèn)題定義，目前機(jī)器還不具備主動(dòng)、自發(fā)定義任務(wù)的能力，清晰、明確的任務(wù)目標(biāo)就是人工智能得以有效應(yīng)用最為關(guān)鍵的先決條件。需要將物理世界的業(yè)務(wù)問(wèn)題轉(zhuǎn)換為算法問(wèn)題，將業(yè)務(wù)指標(biāo)對(duì)應(yīng)到模型性能指標(biāo)。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))
