眾安在線近日發(fā)布了 2024 年全年業(yè)績報告。報告顯示，AI 賦能在各生態(tài)業(yè)務均有顯著體現。作為眾安戰(zhàn)略投資的科技輸出主體，眾安信科正加速推進智能化服務，通過 B 端實戰(zhàn)驗證 AI 價值，實現 AI 企業(yè)服務領域的突破性創(chuàng)新。
日前，眾安信科 CEO 郁鋒接受《中國銀行保險報》獨家專訪，系統(tǒng)闡釋了眾安 AI 方法論，并分享公司在 AI 企業(yè)服務方向的戰(zhàn)略布局。
深度剖析 AI 在金融保險行業(yè)的發(fā)展與應用
郁鋒將 AI 對金融行業(yè)的改變劃分為三個階段：最初是靠規(guī)則驅動的“自動化”階段，可實現部分業(yè)務環(huán)節(jié)的無人或少人參與；接著是依托非生成式 AI 的“數字化”階段，通過深度學習，AI 開始懂業(yè)務，能幫助解決投保過程中大部分溝通問答；如今已進入依靠大模型驅動的“智能化”階段，AI 具備自我學習和創(chuàng)造能力。他指出，金融領域的 AI 應用已從“錦上添花”轉變?yōu)椤安豢苫蛉薄保匦露x行業(yè)服務標準與體驗，且逐漸從“替代人力”轉向“創(chuàng)造新價值”。目前保險行業(yè) AI 應用雖整體偏淺，但隨著場景成熟，預計 1 到 2 年內就會涌現更多具備新價值創(chuàng)造力的 AI 應用。
在應用成果方面，眾安信科已沉淀保險行業(yè)各場景下的豐富智能體落地經驗。在場景實戰(zhàn)中，智能外呼語義識別準確率達 98%，100 通電話僅約 2 通需人工接手；合規(guī)檢查中，AI 半小時就能完成人工 3 天的工作。
探索 AI 落地難題的破解之道
在將這些 AI 應用成果賦能業(yè)務伙伴的過程中，眾安信科發(fā)現很多公司面臨業(yè)務需求多樣化的問題，難以針對性推動 AI 落地。對此，郁鋒提出了解決之道：第一是打好數據地基，沉淀盡可能多的優(yōu)質業(yè)務數據，比如對話語料、場景問答庫等；第二是修煉技術內功，訓練專屬模型；第三是用垂直領域的知識來確保輸出內容安全準確；第四是提示工程的精心打磨，引導模型在特定場景下給出更精準、更符合業(yè)務需求的回答。這套“組合拳”下來，AI 就能既懂業(yè)務又守規(guī)矩，可以很好地解決多樣性的問題。在幫助客戶進行 AI 轉型的過程中，眾安信科也會提供 "咨詢 + 實施" 的全套服務，從前期痛點診斷，到方案設計，再到落地實施和持續(xù)優(yōu)化，幫助企業(yè)從 0 到 1 完成 AI 升級。
郁鋒認為，DeepSeek 讓大模型訓練成本直線下降，使得更多企業(yè)都能參與模型訓練和優(yōu)化。可以觀察到，現在行業(yè)里常見的有兩種情況：要么用通用模型“削足適履”，結果水土不服；要么從頭自研，但成本高昂。郁鋒表示，眾安信科走的是第三條路 —— 專注解決 AI 落地“最后一公里”問題，基于業(yè)務實戰(zhàn)積累，將大模型“組裝”成業(yè)務所需形態(tài)，從而實現“大廠的成本，專家的精度”。眾安的核心壁壘就在于“中間層攻堅”—— 既懂技術極限，更懂業(yè)務剛需，郁鋒說，“這才是金融 AI 真正落地需要的關鍵鑰匙，也是我們顯著區(qū)別于其他廠商的差異化優(yōu)勢所在。”
談及 AI 幻覺風險，郁鋒表示絕不能因為擔心幻覺而放棄 AI 將會帶來的海量技術紅利。但是，為了盡可能減少大模型幻覺問題的出現，眾安也投入了大量精力去做蒸餾、做知識工程，將模型精調得更可靠，并設計人工兜底措施來避免在 AI 應用和業(yè)務流程中出現偏離。
以聯合創(chuàng)新為翼，引領行業(yè)價值賦能新征程
郁鋒提到，眾安信科和戰(zhàn)略級的合作伙伴成立了 AI 聯合實驗室，希望通過強強聯合，帶來 1+1>2 的效果，為行業(yè)賦能?！暗覀円膊粫褂谘芯?，我們會結合眾安在保險、銀行、小貸業(yè)務和 B 端客戶服務的實戰(zhàn)，去積累更多經驗，用經過實戰(zhàn)檢驗的數據來反哺技術。技術只是手段，我們的目標始終是用科技幫客戶解決實際問題?！庇翡h說。
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。