語音播放文章內(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)實際上是智能化的客戶運營工具?！?在眾安保險數(shù)據(jù)智能中心負責人孫谷飛看來，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力所在。
在他看來，客戶運營是一個高度依賴創(chuàng)意和個性化的工作，因此，一款好的客戶運營產(chǎn)品需要滿足以下兩個基本條件：首先，要能充分支持運營人員的創(chuàng)意表現(xiàn)，能夠快速地實現(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，為客戶帶來價值。
與客戶進行一問一答的擬人化互動聊天中，運營工具不僅要扮演“有問必答”和“你說的它都懂”的知心朋友，還要承擔“保險經(jīng)紀人”和“風險管理專家”的角色。
而在智能科技時代背景下，這些需求的實現(xiàn)都離不開產(chǎn)品工具背后的機器人平臺的支持，以及對科技賦能保險業(yè)務邏輯的深度思考。
做好智能對話，必備兩大核心引擎
“目前市面上智能保顧產(chǎn)品相關(guān)的機器人平臺主要聚焦在對話式服務定制功能，背后又可以分為自然語言理解引擎和流程引擎兩大核心部分?！睂O谷飛表示。
在自然語言理解引擎方面，需要基于在線客服歷史記錄語料定制訓練的語義理解、實體提取模型可以精準識別保險和健康場景下的客戶意圖，提取出客戶對話中提到的年齡、地點、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，機器人平臺的流程引擎需要充分保障客戶運營人員能夠發(fā)揮他們的創(chuàng)意。”在孫谷飛看來，在這樣的流程引擎下，運營人員可以將自己的客戶引導思路與自然語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，能夠輕松實現(xiàn)個性化的客戶服務，配置要簡單到業(yè)務人員能夠直接參與。而全流程埋點的數(shù)據(jù)回流之后能夠有效地輔助客戶運營人員改善流程的設(shè)計。
除此之外，流程引擎還可以連接公司內(nèi)部的各類服務API，將保險流程中的服務通過會話式交互提供給客戶。
“以上兩方面是一個不斷積累的過程。一方面要不斷實現(xiàn)行業(yè)領(lǐng)先的自然語言理解水平，同時也要基于當前的技術(shù)水平更好的為客戶進行服務?！?/p>
孫谷飛以眾安精靈為例解釋道，在自然語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場景語料數(shù)據(jù)，實現(xiàn)了驗證集上94%的意圖理解準確率，92%的語義相似度模型準確率?？梢哉f在語義理解能力方面眾安在保險行業(yè)是有自身的獨特優(yōu)勢的。
而如何更好地為客戶服務這點，他認為：“最重要的是對于會話式交互這種需求的理解和梳理。我們將精靈和用戶的對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，因此我們將自然語言理解模型與流程引擎結(jié)合起來?！?/p>
流程引擎簡化了整個應用對于算法模型精準度的要求，它良好的連接能力使得圖形交互、外部服務能夠參與到交互過程中來和自然語言交互形成補充。同時大流程節(jié)點的跳轉(zhuǎn)是由人工設(shè)計的，確保了用戶體驗能夠在一個相對穩(wěn)定的水平。
“可以說眾安機器人平臺就是眾安對會話式交互的理解的實踐?！睋?jù)孫谷飛介紹，自2018年5月發(fā)布以來，眾安精靈已積累了超過4萬個保險基礎(chǔ)問答條目、7大類19個意圖的保險知識圖譜，保險相關(guān)普通話語境中語義識別率達93%以上。
科技賦能保險為何仍處起步階段
事實上，不論是對話式講解服務、對話式導購服務，還是智能核保核賠等場景服務，都離不開大數(shù)據(jù)、機器學習、圖像識別等技術(shù)的不斷積累，使人工智能不斷去學習和提高，通過反復的驗證，從而滿足實際保險服務環(huán)節(jié)中的客戶體驗需求。
在孫谷飛看來，在科技賦能保險上，大數(shù)據(jù)和AI是兩個經(jīng)常出現(xiàn)的技術(shù)名詞，聯(lián)系也很緊密，比如AI的發(fā)展離不開數(shù)據(jù)的積累和大數(shù)據(jù)技術(shù)的發(fā)展，但是兩個技術(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，所以在不同的應用場景下，表現(xiàn)也是不相同的，不能簡單的放到一起講。單從技術(shù)的應用程度來說，在很多領(lǐng)域，大數(shù)據(jù)相對AI來說較為深入一點。
而在保險領(lǐng)域，無論是大數(shù)據(jù)技術(shù)還是AI技術(shù)都有著很好的應用前景。
首先，從保險行業(yè)本身的特性來看，保險行業(yè)是當前最有潛力通過數(shù)據(jù)驅(qū)動變革的，這個行業(yè)以大數(shù)據(jù)原理為驅(qū)動，利用精算來控制風險，既是數(shù)據(jù)的收集者也是數(shù)據(jù)的使用者。
隨著移動物聯(lián)網(wǎng)、5G、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，保險行業(yè)所要處理的數(shù)據(jù)無論從量級、復雜度還是處理速度，都對大數(shù)據(jù)技術(shù)的應用了提出了很高的要求。
其次，保險行業(yè)的完整業(yè)務鏈路，包括獲客、營銷、核保、理賠等，整個服務鏈路長、人力投入大，AI技術(shù)的發(fā)展在這其中的各個業(yè)務環(huán)節(jié)都會有很好的降本增效的應用點。
“但從行業(yè)整體層面看，大數(shù)據(jù)和AI在保險業(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，造成這種現(xiàn)狀主要有以下原因：
在大數(shù)據(jù)層面，當前保險業(yè)的數(shù)據(jù)處理能力相對較弱。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（價值）來判斷企業(yè)大數(shù)據(jù)的發(fā)展程度。目前保險行業(yè)所擁有的數(shù)據(jù)和處理能力，相對于典型互聯(lián)網(wǎng)公司來說，在前三個v方面差距還很大。
“很多保險公司在這20年來積累了很多數(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，還是數(shù)據(jù)緯度的豐富性，還是處理速度的要求都相對較弱?！痹谒磥恚瑔为毧磾?shù)據(jù)量級，當一家公司的場景數(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)處理和運用能力也會隨之提升。
在人工智能層面，孫谷飛指出，雖然人工智能在不斷優(yōu)化保險業(yè)務全鏈路，但它仍然有一些局限性。
首先，它存在技術(shù)邊界，沒有100%準確率的模型，“即使你有再多的數(shù)據(jù)，再強的算力，你的模型也很難做到極致，更不會達到百分之百的準確。”
其次，不同任務的模型不能自動遷移：AlphaGo沒辦法直接拿來做人臉識別和OCR，需要進行重新訓練，同樣任務的模型可能因為樣本類型不一樣，也需要重新訓練，比如說身份證OCR模型轉(zhuǎn)做發(fā)票O(jiān)CR的話也需要重新定義問題和訓練。
五點實戰(zhàn)建議
面對上述種種挑戰(zhàn)，保險公司該如何實現(xiàn)AI、大數(shù)據(jù)等科技賦能業(yè)務的真正落地？孫谷飛給出了五點實戰(zhàn)經(jīng)驗建議。
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態(tài)數(shù)據(jù)。數(shù)據(jù)的量級和豐富程度，是AI模型能落地的關(guān)鍵要素。數(shù)據(jù)的量級和豐富程度達到了，自然而然大數(shù)據(jù)技術(shù)的應用也變成了基本要求。
其次是需要建立數(shù)字化的業(yè)務反饋閉環(huán)，AI模型想要不斷升級，需要在業(yè)務閉環(huán)里進行不斷的數(shù)據(jù)反饋才可以迭代提升。
第三個要有工業(yè)化計算的平臺，算法是從實驗室走向工業(yè)化應用，需要從開發(fā)測試到發(fā)布和更新迭代，有一整套完整的生產(chǎn)平臺，幫助去持續(xù)的追蹤模型的進展。另外，也需要有一套大數(shù)據(jù)離線和實時計算平臺，幫助面對日益增長的業(yè)務流量。
第四是人才儲備：需要復合型的人才儲備，需要打造懂業(yè)務懂技術(shù)的復合型人才團隊，實現(xiàn)從商業(yè)業(yè)務目標到算法模型目標的轉(zhuǎn)換。同時也需要掌握處理海量數(shù)據(jù)技能的大數(shù)據(jù)平臺工程師和數(shù)據(jù)挖掘工程師，最終把算法模型在實際場景下落地。
最后，邊界清晰的問題定義，目前機器還不具備主動、自發(fā)定義任務的能力，清晰、明確的任務目標就是人工智能得以有效應用最為關(guān)鍵的先決條件。需要將物理世界的業(yè)務問題轉(zhuǎn)換為算法問題，將業(yè)務指標對應到模型性能指標。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))
