每一次技術(shù)浪潮的興起，或多或少都會(huì)對(duì)各行各業(yè)產(chǎn)生深遠(yuǎn)的影響，并帶來(lái)突破和進(jìn)步的機(jī)會(huì)。此時(shí)行業(yè)中總有一些敏銳的從業(yè)者會(huì)及時(shí)抓住機(jī)遇，積極采用新技術(shù)，優(yōu)化業(yè)務(wù)流程，改進(jìn)產(chǎn)品和服務(wù)，從而獲得更大的競(jìng)爭(zhēng)優(yōu)勢(shì)。

眾安保險(xiǎn)，是當(dāng)下 AIGC （ AI-generated Content，人工智能生成內(nèi)容）浪潮里其中一個(gè)敏銳的先行者，它自 2022 年開(kāi)始調(diào)研 ChatGPT 并探索 AIGC 在自身業(yè)務(wù)的落地應(yīng)用。

“隨著 AIGC 浪潮的興起，我們認(rèn)為，協(xié)作智能將成為數(shù)字化向智能化轉(zhuǎn)型的科學(xué)前沿。而在這個(gè)趨勢(shì)下，特別是金融保險(xiǎn)這類數(shù)據(jù)密集、并且直接服務(wù)于人的行業(yè)，將迎來(lái)快速突破和進(jìn)展。”眾安保險(xiǎn) CTO 蔣紀(jì)勻近日接受 InfoQ 采訪時(shí)如是說(shuō)。

探索 AIGC 在保險(xiǎn)業(yè)務(wù)的應(yīng)用， 技術(shù)與業(yè)務(wù)雙向奔赴

作為互聯(lián)網(wǎng)保險(xiǎn)公司，眾安保險(xiǎn)一直都側(cè)重于通過(guò)科技手段打破傳統(tǒng)保險(xiǎn)業(yè)的行業(yè)壁壘。據(jù)了解，目前眾安保險(xiǎn)已將 AIGC 技術(shù)應(yīng)用到內(nèi)部多個(gè)流程環(huán)節(jié)中，尤其在營(yíng)銷服務(wù)場(chǎng)景， AIGC 已經(jīng)做到能夠輔助眾安保險(xiǎn)的員工快速生成各類營(yíng)銷素材、加速產(chǎn)品上線，比如制作文案內(nèi)容、視覺(jué)設(shè)計(jì)、優(yōu)化推文效果等等。

其中，在制作文案內(nèi)容方面，員工可以利用 AIGC 工具生成符合品牌形象和市場(chǎng)趨勢(shì)的文案、標(biāo)題、描述、標(biāo)語(yǔ)等內(nèi)容，提高廣告文案的工作效率，并快速批量生成科普類文章。

視覺(jué)設(shè)計(jì)方面，通過(guò) AIGC 相關(guān)的工具和平臺(tái)，能夠快速生成符合品牌形象和市場(chǎng)趨勢(shì)的視覺(jué)設(shè)計(jì)元素，大幅提升了營(yíng)銷素材的設(shè)計(jì)效率。比如，以前需要三天才能完成的產(chǎn)品海報(bào)圖，現(xiàn)在只需兩三個(gè)小時(shí)就能生成多套不同風(fēng)格的圖片。此外，在直播背景墻、活動(dòng)營(yíng)銷圖片、圖標(biāo)、動(dòng)畫等多個(gè)場(chǎng)景中，員工都可以迅速應(yīng)用 AIGC 工具為營(yíng)銷的各個(gè)環(huán)節(jié)賦能，加快產(chǎn)品和活動(dòng)的上線速度。

與此同時(shí)，眾安保險(xiǎn)還可以利用 AIGC 的文本數(shù)據(jù)分析能力優(yōu)化營(yíng)銷內(nèi)容，根據(jù)社交媒體平臺(tái)的數(shù)據(jù)分析，優(yōu)化現(xiàn)有的營(yíng)銷內(nèi)容，生成更具吸引力的推文標(biāo)題、內(nèi)容和標(biāo)簽，以提高推文的點(diǎn)擊率和曝光率。

此外，除了內(nèi)容生成相關(guān)的能力，AIGC 還被應(yīng)用在智能客服領(lǐng)域，充當(dāng)輔助助手的角色。當(dāng)坐席與用戶溝通的時(shí)候，它可以幫助坐席自動(dòng)生成回答，并在通話結(jié)束后自動(dòng)生成會(huì)話總結(jié)，根據(jù)場(chǎng)景和語(yǔ)義提取新線索。

據(jù)了解，眾安保險(xiǎn)一直都有配智能客服服務(wù)，但傳統(tǒng)智能客服是基于自然語(yǔ)言處理（NLP）技術(shù)，如今團(tuán)隊(duì)則基于 LLM 開(kāi)發(fā)了新的智能客服，并通過(guò) AB 測(cè)試發(fā)現(xiàn)新的智能客服在準(zhǔn)確率方面提高了 25%，實(shí)現(xiàn)了更高級(jí)別的智能化。

“這些應(yīng)用都取得了積極的效果，并得到各業(yè)務(wù)部門的肯定和積極反饋。”蔣紀(jì)勻表示，目前眾安保險(xiǎn)內(nèi)部的業(yè)務(wù)人員對(duì)數(shù)據(jù) AI 模型的認(rèn)知不斷提升，許多人都積極學(xué)習(xí) AI 技術(shù)，包括 AIGC 的使用，“技術(shù)和業(yè)務(wù)團(tuán)隊(duì)之間開(kāi)始展現(xiàn)雙向奔赴的趨勢(shì)”。

有針對(duì)性地應(yīng)用 AIGC

當(dāng)我們使用像 ChatGPT 或 Midjourney 這類 AIGC 應(yīng)用時(shí)，可能會(huì)覺(jué)得這很簡(jiǎn)單，就像雇了一個(gè)數(shù)字員工。然而，在垂直行業(yè)里的實(shí)際應(yīng)用情況并沒(méi)有宣傳片中看起來(lái)那么簡(jiǎn)單。

面對(duì) AIGC 的應(yīng)用，不同公司會(huì)采取不同策略，比如自建大模型、fine-tuning（微調(diào)）和 embedding（嵌入）等，每種方式都有其優(yōu)缺點(diǎn)。眾安保險(xiǎn)認(rèn)為，中小型保險(xiǎn)公司采用 embedding 是較為合適的路徑，因?yàn)樽越ù竽Ｐ托枰罅康臄?shù)據(jù)、資源和人力來(lái)標(biāo)注，這對(duì)普通公司來(lái)說(shuō)是難以承載的。此外，數(shù)據(jù)的合法性和合規(guī)性也是一個(gè)核心問(wèn)題，尤其對(duì)于像保險(xiǎn)公司這樣的金融機(jī)構(gòu)來(lái)說(shuō)，客戶數(shù)據(jù)的安全和隱私不可忽視，因此不可以拿客戶數(shù)據(jù)來(lái)訓(xùn)練。

此外，由于 ChatGPT 3.5 已經(jīng)無(wú)法很好地支持 fine-tuning，所以眾安保險(xiǎn)最終選擇基于 embedding 的思路打造了自己的 AIGC 中臺(tái)——靈犀，為企業(yè)提供了一套 AIGC 應(yīng)用場(chǎng)景研發(fā)落地的標(biāo)準(zhǔn)范式，其 embedding 能力主要基于一站式文本嵌入、知識(shí)庫(kù)切片的復(fù)雜性屏蔽，以及知識(shí)庫(kù)向量化復(fù)雜度的屏蔽等。

蔣紀(jì)勻指出，將 AIGC 應(yīng)用于保險(xiǎn)業(yè)務(wù)場(chǎng)景的過(guò)程中還面臨著一些比較大的挑戰(zhàn)。

尋找價(jià)值點(diǎn)，“對(duì)話”不是唯一形式

首先，眾安保險(xiǎn)團(tuán)隊(duì)需要根據(jù) AIGC 場(chǎng)景下的最佳實(shí)踐進(jìn)行產(chǎn)品化，并進(jìn)行內(nèi)部調(diào)優(yōu)和提升。

對(duì)此，蔣紀(jì)勻進(jìn)一步解釋稱，雖然 AIGC 在處理自然語(yǔ)言和邏輯推理方面非常強(qiáng)大，但若面對(duì)一些感性或過(guò)于復(fù)雜難以理解的問(wèn)題，它可能無(wú)法給出準(zhǔn)確的答案。這也是通用人工智能的一個(gè)比較顯著的問(wèn)題。

因此，團(tuán)隊(duì)首先需要對(duì)復(fù)雜問(wèn)題進(jìn)行理解和抽象，將其簡(jiǎn)化為大模型可以解決的問(wèn)題。在這個(gè)過(guò)程中，眾安保險(xiǎn)團(tuán)隊(duì)進(jìn)行了很多適應(yīng)不同場(chǎng)景的提示工程和知識(shí)庫(kù)的開(kāi)發(fā)。這些提示工程和知識(shí)庫(kù)的目的是幫助用戶更好地使用 AIGC ，而不是僅依賴通用化的人工智能來(lái)解決問(wèn)題。

對(duì)于上述挑戰(zhàn)，蔣紀(jì)勻分享了一些實(shí)踐經(jīng)驗(yàn)。一方面，始終堅(jiān)持以價(jià)值為導(dǎo)向，尋找 AIGC 在落地應(yīng)用中的價(jià)值點(diǎn)。

“將 AIGC 應(yīng)用到實(shí)際業(yè)務(wù)中是為了增加業(yè)務(wù)價(jià)值，而不是為了驗(yàn)證技術(shù)的可行性。”其指出，很多時(shí)候，我們可能會(huì)陷入一種誤區(qū)，就是認(rèn)為任何問(wèn)題都可以通過(guò) AIGC 來(lái)解決。然而，最核心的問(wèn)題其實(shí)是要判斷某個(gè)問(wèn)題是否適合使用 AIGC 來(lái)解決。

而在此判斷過(guò)程中，需要進(jìn)行價(jià)值增量的分析和推演，判斷是否簡(jiǎn)化了原有流程、提升了用戶體驗(yàn)、增加了整體吞吐量，以及對(duì)業(yè)務(wù)價(jià)值和成本降低的貢獻(xiàn)。如果最終答案不能令人滿意，那就不應(yīng)該在這個(gè)點(diǎn)上投入資源。

其次，要意識(shí)到對(duì)話是一種選項(xiàng)，但不是唯一的選項(xiàng)。雖然在使用 AIGC 時(shí)，默認(rèn)的交互方式是對(duì)話，許多人認(rèn)為只要不斷與之對(duì)話并細(xì)化需求，最終問(wèn)題就能得到解決。然而，在實(shí)際應(yīng)用中，提示工程對(duì)微小變化非常敏感，而對(duì)大多數(shù)用戶來(lái)說(shuō)，掌握這些技巧并不容易。

因此，如果僅僅以對(duì)話的方式供用戶使用，效率并不高。因此，眾安保險(xiǎn)的工程團(tuán)隊(duì)需要不斷積累針對(duì)具體問(wèn)題的提示工程，讓終端用戶無(wú)需重復(fù)輸入；同時(shí)，設(shè)計(jì)一些圖形化的用戶界面，隱藏背后的復(fù)雜性，讓業(yè)務(wù)人員專注于他們擅長(zhǎng)的領(lǐng)域，而不必關(guān)注繁瑣的工程問(wèn)題。

簡(jiǎn)言之，眾安保險(xiǎn)主要通過(guò)封裝和提示工程來(lái)聚焦和優(yōu)化 AIGC 的回答，使其更加高效和專注于解決問(wèn)題，而不會(huì)“胡言亂語(yǔ)”。

如何確保可靠性和安全性

除了針對(duì)特定場(chǎng)景定制化應(yīng)用，AIGC 的另一大落地難點(diǎn)在于敏感信息的安全性。

蔣紀(jì)勻提到，應(yīng)用 AIGC 難免涉及到大量的數(shù)據(jù)和訓(xùn)練模型。由于在 ChatGPT 3.5 及以上版本中無(wú)法進(jìn)行調(diào)優(yōu)式訓(xùn)練，因此通常采用提示工程與 ChatGPT 進(jìn)行交互。在提示工程中，需要向 AIGC 的供應(yīng)商提供問(wèn)題和一些上下文信息。然而，這種情況存在數(shù)據(jù)隱私泄露的風(fēng)險(xiǎn)。

為了解決這個(gè)問(wèn)題，眾安保險(xiǎn)需要建立相應(yīng)的數(shù)據(jù)安全保障機(jī)制。首先，如果直接讓每個(gè)人直接調(diào)用 AIGC ，肯定會(huì)出現(xiàn)各種問(wèn)題，因此眾安保險(xiǎn)在平臺(tái)架構(gòu)層面采取了一些封裝措施，使其輸入和輸出更可控。

靈犀的產(chǎn)品架構(gòu)劃分為模型即服務(wù)層（MaaS 層）、大模型應(yīng)用框架層和平臺(tái)層，通過(guò)不同的分層能力為企業(yè)內(nèi)部提供基礎(chǔ)的模型服務(wù)和開(kāi)發(fā)能力。而通過(guò)這樣的封裝，他們?cè)谳斎牒洼敵龆吮銓?shí)現(xiàn)了安全可控的攔截機(jī)制。

平臺(tái)能力方面，蔣紀(jì)勻首先介紹了審計(jì)能力，對(duì)于大模型服務(wù)的使用，他們需要審計(jì)用戶輸入的合理性以及模型服務(wù)的輸出的合理性，這是在 AIGC 服務(wù)網(wǎng)關(guān)中必須具備的功能。如此一來(lái)，當(dāng)發(fā)生風(fēng)險(xiǎn)事件時(shí)，可以根據(jù)審計(jì)日志進(jìn)行追溯，這也有助于規(guī)范用戶對(duì) AIGC 相關(guān)應(yīng)用的使用。

其次，敏感信息的檢測(cè)和脫敏也是核心舉措之一。為了應(yīng)對(duì)敏感信息泄露的挑戰(zhàn)，眾安保險(xiǎn)采用了正則表達(dá)式和敏感詞知識(shí)庫(kù)兩種方式進(jìn)行敏感詞檢測(cè)，以拒絕非法的輸入和輸出。這有效地規(guī)避了政治敏感、數(shù)據(jù)敏感和用戶敏感信息泄漏等事件的發(fā)生。

第三，API 的安全性。眾安保險(xiǎn)要求所有的大模型服務(wù) API 都必須進(jìn)行身份驗(yàn)證和健全，無(wú)論是用戶調(diào)用還是應(yīng)用程序調(diào)用，以確保用戶使用的合法性和可追溯性。

保險(xiǎn)行業(yè)如何應(yīng)對(duì)技術(shù)發(fā)展

談及眾安保險(xiǎn)如何保持對(duì)技術(shù)的敏銳度和關(guān)注，蔣紀(jì)勻指出，保險(xiǎn)行業(yè)一直注重?cái)?shù)據(jù)分析和運(yùn)用，但該行業(yè)過(guò)去主要使用老舊的機(jī)器學(xué)習(xí)范式，整體模型是分散的，并且需要從零開(kāi)始構(gòu)建，導(dǎo)致效率相對(duì)較低。

盡管一些頭部的保險(xiǎn)公司逐步采用機(jī)器學(xué)習(xí)平臺(tái)和特征工程化平臺(tái)等方法來(lái)降低模型研發(fā)成本，但基于這種范式的效率仍然偏低，限制了模型的發(fā)展?jié)摿Α?/p>

于眾安保險(xiǎn)而言，從 2010 年開(kāi)始，其采用了文本加結(jié)構(gòu)化數(shù)據(jù)的多模態(tài)模型的方式，顯著提高了健康險(xiǎn)理賠風(fēng)控模型的性能。從 2022 年開(kāi)始，眾安保險(xiǎn)還基于 Transformer 結(jié)構(gòu)的用戶行為序列模型，在頭部互聯(lián)網(wǎng)媒體的實(shí)時(shí)廣告投放篩選模型中取得了傳統(tǒng)模型無(wú)法達(dá)到的水平，并簡(jiǎn)化了在海量稀疏特征場(chǎng)景下的特征工程開(kāi)發(fā)。

“這些都是采用新的模型策略來(lái)應(yīng)對(duì)技術(shù)發(fā)展速度變化、并在嘗試過(guò)程中取得的進(jìn)步。”蔣紀(jì)勻感慨道。

他亦再次強(qiáng)調(diào)場(chǎng)景驅(qū)動(dòng)的重要性，“不能因?yàn)楝F(xiàn)在有了 AIGC 就認(rèn)為所有場(chǎng)景都可以用 AIGC 解決，需要判斷它是否適合。”

不同的模型在不同場(chǎng)景有各自的優(yōu)勢(shì)，企業(yè)可以通過(guò)對(duì)大模型的調(diào)優(yōu)，或者提示工程來(lái)滿足定制化需求。而一旦找到合適的場(chǎng)景，如何實(shí)施則因企業(yè)而異，這也是企業(yè)未來(lái)最重要的核心競(jìng)爭(zhēng)力。

對(duì)于眾安保險(xiǎn)而言，目前他們?cè)?AIGC 方面的應(yīng)用和服務(wù)還沒(méi)有對(duì)外銷售或提供，仍處于自我探索階段，需要持續(xù)研究如何更好地應(yīng)用 AIGC 技術(shù)。

短期內(nèi)，眾安保險(xiǎn)計(jì)劃在智能營(yíng)銷、保險(xiǎn)核心業(yè)務(wù)系統(tǒng)、研發(fā)運(yùn)維一體化平臺(tái)和數(shù)據(jù)產(chǎn)品等方面應(yīng)用 AIGC。從中長(zhǎng)期來(lái)看，眾安保險(xiǎn)將繼續(xù)基于 AI 和 AIGC 構(gòu)建具有差異化的核心競(jìng)爭(zhēng)力。“只有具備差異化的核心競(jìng)爭(zhēng)力，公司才能在國(guó)內(nèi)競(jìng)爭(zhēng)激烈的保險(xiǎn)行業(yè)中脫穎而出。”

據(jù)悉，未來(lái)，眾安保險(xiǎn)還可能會(huì)孵化一些產(chǎn)品，并將這些成果輸出到保險(xiǎn)行業(yè)中。在眾安保險(xiǎn)看來(lái)，AIGC 的普及將縮小中小型保險(xiǎn)公司與大型保險(xiǎn)公司在 AI 技術(shù)能力方面的差距，同時(shí)也為中小型保險(xiǎn)公司提供了“彎道超車”的機(jī)會(huì)。