每一次技術(shù)浪潮的興起，或多或少都會對各行各業(yè)產(chǎn)生深遠的影響，并帶來突破和進步的機會。此時行業(yè)中總有一些敏銳的從業(yè)者會及時抓住機遇，積極采用新技術(shù)，優(yōu)化業(yè)務流程，改進產(chǎn)品和服務，從而獲得更大的競爭優(yōu)勢。

眾安保險，是當下 AIGC （ AI-generated Content，人工智能生成內(nèi)容）浪潮里其中一個敏銳的先行者，它自 2022 年開始調(diào)研 ChatGPT 并探索 AIGC 在自身業(yè)務的落地應用。

“隨著 AIGC 浪潮的興起，我們認為，協(xié)作智能將成為數(shù)字化向智能化轉(zhuǎn)型的科學前沿。而在這個趨勢下，特別是金融保險這類數(shù)據(jù)密集、并且直接服務于人的行業(yè)，將迎來快速突破和進展。”眾安保險 CTO 蔣紀勻近日接受 InfoQ 采訪時如是說。

探索 AIGC 在保險業(yè)務的應用， 技術(shù)與業(yè)務雙向奔赴

作為互聯(lián)網(wǎng)保險公司，眾安保險一直都側(cè)重于通過科技手段打破傳統(tǒng)保險業(yè)的行業(yè)壁壘。據(jù)了解，目前眾安保險已將 AIGC 技術(shù)應用到內(nèi)部多個流程環(huán)節(jié)中，尤其在營銷服務場景， AIGC 已經(jīng)做到能夠輔助眾安保險的員工快速生成各類營銷素材、加速產(chǎn)品上線，比如制作文案內(nèi)容、視覺設計、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趨勢的文案、標題、描述、標語等內(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。

視覺設計方面，通過 AIGC 相關的工具和平臺，能夠快速生成符合品牌形象和市場趨勢的視覺設計元素，大幅提升了營銷素材的設計效率。比如，以前需要三天才能完成的產(chǎn)品海報圖，現(xiàn)在只需兩三個小時就能生成多套不同風格的圖片。此外，在直播背景墻、活動營銷圖片、圖標、動畫等多個場景中，員工都可以迅速應用 AIGC 工具為營銷的各個環(huán)節(jié)賦能，加快產(chǎn)品和活動的上線速度。

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

此外，除了內(nèi)容生成相關的能力，AIGC 還被應用在智能客服領域，充當輔助助手的角色。當坐席與用戶溝通的時候，它可以幫助坐席自動生成回答，并在通話結(jié)束后自動生成會話總結(jié)，根據(jù)場景和語義提取新線索。

據(jù)了解，眾安保險一直都有配智能客服服務，但傳統(tǒng)智能客服是基于自然語言處理（NLP）技術(shù)，如今團隊則基于 LLM 開發(fā)了新的智能客服，并通過 AB 測試發(fā)現(xiàn)新的智能客服在準確率方面提高了 25%，實現(xiàn)了更高級別的智能化。

“這些應用都取得了積極的效果，并得到各業(yè)務部門的肯定和積極反饋。”蔣紀勻表示，目前眾安保險內(nèi)部的業(yè)務人員對數(shù)據(jù) AI 模型的認知不斷提升，許多人都積極學習 AI 技術(shù)，包括 AIGC 的使用，“技術(shù)和業(yè)務團隊之間開始展現(xiàn)雙向奔赴的趨勢”。

有針對性地應用 AIGC

當我們使用像 ChatGPT 或 Midjourney 這類 AIGC 應用時，可能會覺得這很簡單，就像雇了一個數(shù)字員工。然而，在垂直行業(yè)里的實際應用情況并沒有宣傳片中看起來那么簡單。

面對 AIGC 的應用，不同公司會采取不同策略，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。眾安保險認為，中小型保險公司采用 embedding 是較為合適的路徑，因為自建大模型需要大量的數(shù)據(jù)、資源和人力來標注，這對普通公司來說是難以承載的。此外，數(shù)據(jù)的合法性和合規(guī)性也是一個核心問題，尤其對于像保險公司這樣的金融機構(gòu)來說，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)來訓練。

此外，由于 ChatGPT 3.5 已經(jīng)無法很好地支持 fine-tuning，所以眾安保險最終選擇基于 embedding 的思路打造了自己的 AIGC 中臺——靈犀，為企業(yè)提供了一套 AIGC 應用場景研發(fā)落地的標準范式，其 embedding 能力主要基于一站式文本嵌入、知識庫切片的復雜性屏蔽，以及知識庫向量化復雜度的屏蔽等。

蔣紀勻指出，將 AIGC 應用于保險業(yè)務場景的過程中還面臨著一些比較大的挑戰(zhàn)。

尋找價值點，“對話”不是唯一形式

首先，眾安保險團隊需要根據(jù) AIGC 場景下的最佳實踐進行產(chǎn)品化，并進行內(nèi)部調(diào)優(yōu)和提升。

對此，蔣紀勻進一步解釋稱，雖然 AIGC 在處理自然語言和邏輯推理方面非常強大，但若面對一些感性或過于復雜難以理解的問題，它可能無法給出準確的答案。這也是通用人工智能的一個比較顯著的問題。

因此，團隊首先需要對復雜問題進行理解和抽象，將其簡化為大模型可以解決的問題。在這個過程中，眾安保險團隊進行了很多適應不同場景的提示工程和知識庫的開發(fā)。這些提示工程和知識庫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解決問題。

對于上述挑戰(zhàn)，蔣紀勻分享了一些實踐經(jīng)驗。一方面，始終堅持以價值為導向，尋找 AIGC 在落地應用中的價值點。

“將 AIGC 應用到實際業(yè)務中是為了增加業(yè)務價值，而不是為了驗證技術(shù)的可行性。”其指出，很多時候，我們可能會陷入一種誤區(qū)，就是認為任何問題都可以通過 AIGC 來解決。然而，最核心的問題其實是要判斷某個問題是否適合使用 AIGC 來解決。

而在此判斷過程中，需要進行價值增量的分析和推演，判斷是否簡化了原有流程、提升了用戶體驗、增加了整體吞吐量，以及對業(yè)務價值和成本降低的貢獻。如果最終答案不能令人滿意，那就不應該在這個點上投入資源。

其次，要意識到對話是一種選項，但不是唯一的選項。雖然在使用 AIGC 時，默認的交互方式是對話，許多人認為只要不斷與之對話并細化需求，最終問題就能得到解決。然而，在實際應用中，提示工程對微小變化非常敏感，而對大多數(shù)用戶來說，掌握這些技巧并不容易。

因此，如果僅僅以對話的方式供用戶使用，效率并不高。因此，眾安保險的工程團隊需要不斷積累針對具體問題的提示工程，讓終端用戶無需重復輸入；同時，設計一些圖形化的用戶界面，隱藏背后的復雜性，讓業(yè)務人員專注于他們擅長的領域，而不必關注繁瑣的工程問題。

簡言之，眾安保險主要通過封裝和提示工程來聚焦和優(yōu)化 AIGC 的回答，使其更加高效和專注于解決問題，而不會“胡言亂語”。

如何確保可靠性和安全性

除了針對特定場景定制化應用，AIGC 的另一大落地難點在于敏感信息的安全性。

蔣紀勻提到，應用 AIGC 難免涉及到大量的數(shù)據(jù)和訓練模型。由于在 ChatGPT 3.5 及以上版本中無法進行調(diào)優(yōu)式訓練，因此通常采用提示工程與 ChatGPT 進行交互。在提示工程中，需要向 AIGC 的供應商提供問題和一些上下文信息。然而，這種情況存在數(shù)據(jù)隱私泄露的風險。

為了解決這個問題，眾安保險需要建立相應的數(shù)據(jù)安全保障機制。首先，如果直接讓每個人直接調(diào)用 AIGC ，肯定會出現(xiàn)各種問題，因此眾安保險在平臺架構(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)劃分為模型即服務層（MaaS 層）、大模型應用框架層和平臺層，通過不同的分層能力為企業(yè)內(nèi)部提供基礎的模型服務和開發(fā)能力。而通過這樣的封裝，他們在輸入和輸出端便實現(xiàn)了安全可控的攔截機制。

平臺能力方面，蔣紀勻首先介紹了審計能力，對于大模型服務的使用，他們需要審計用戶輸入的合理性以及模型服務的輸出的合理性，這是在 AIGC 服務網(wǎng)關中必須具備的功能。如此一來，當發(fā)生風險事件時，可以根據(jù)審計日志進行追溯，這也有助于規(guī)范用戶對 AIGC 相關應用的使用。

其次，敏感信息的檢測和脫敏也是核心舉措之一。為了應對敏感信息泄露的挑戰(zhàn)，眾安保險采用了正則表達式和敏感詞知識庫兩種方式進行敏感詞檢測，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。眾安保險要求所有的大模型服務 API 都必須進行身份驗證和健全，無論是用戶調(diào)用還是應用程序調(diào)用，以確保用戶使用的合法性和可追溯性。

保險行業(yè)如何應對技術(shù)發(fā)展

談及眾安保險如何保持對技術(shù)的敏銳度和關注，蔣紀勻指出，保險行業(yè)一直注重數(shù)據(jù)分析和運用，但該行業(yè)過去主要使用老舊的機器學習范式，整體模型是分散的，并且需要從零開始構(gòu)建，導致效率相對較低。

盡管一些頭部的保險公司逐步采用機器學習平臺和特征工程化平臺等方法來降低模型研發(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>

于眾安保險而言，從 2010 年開始，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，顯著提高了健康險理賠風控模型的性能。從 2022 年開始，眾安保險還基于 Transformer 結(jié)構(gòu)的用戶行為序列模型，在頭部互聯(lián)網(wǎng)媒體的實時廣告投放篩選模型中取得了傳統(tǒng)模型無法達到的水平，并簡化了在海量稀疏特征場景下的特征工程開發(fā)。

“這些都是采用新的模型策略來應對技術(shù)發(fā)展速度變化、并在嘗試過程中取得的進步。”蔣紀勻感慨道。

他亦再次強調(diào)場景驅(qū)動的重要性，“不能因為現(xiàn)在有了 AIGC 就認為所有場景都可以用 AIGC 解決，需要判斷它是否適合。”

不同的模型在不同場景有各自的優(yōu)勢，企業(yè)可以通過對大模型的調(diào)優(yōu)，或者提示工程來滿足定制化需求。而一旦找到合適的場景，如何實施則因企業(yè)而異，這也是企業(yè)未來最重要的核心競爭力。

對于眾安保險而言，目前他們在 AIGC 方面的應用和服務還沒有對外銷售或提供，仍處于自我探索階段，需要持續(xù)研究如何更好地應用 AIGC 技術(shù)。

短期內(nèi)，眾安保險計劃在智能營銷、保險核心業(yè)務系統(tǒng)、研發(fā)運維一體化平臺和數(shù)據(jù)產(chǎn)品等方面應用 AIGC。從中長期來看，眾安保險將繼續(xù)基于 AI 和 AIGC 構(gòu)建具有差異化的核心競爭力。“只有具備差異化的核心競爭力，公司才能在國內(nèi)競爭激烈的保險行業(yè)中脫穎而出。”

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