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(yuǎn)的影響，并帶來突破和進(jìn)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(wù)流程，改進(jìn)產(chǎn)品和服務(wù)，從而獲得更大的競爭優(yōu)勢。

眾安保險，是當(dāng)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(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。而在這個趨勢下，特別是金融保險這類數(shù)據(jù)密集、并且直接服務(wù)于人的行業(yè)，將迎來快速突破和進(jìn)展。”眾安保險 CTO 蔣紀(jì)勻近日接受 InfoQ 采訪時如是說。

探索 AIGC 在保險業(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(yīng)用到內(nèi)部多個流程環(huán)節(jié)中，尤其在營銷服務(wù)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(shè)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(biāo)題、描述、標(biāo)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(shè)計方面，通過 AIGC 相關(guān)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(shè)計元素，大幅提升了營銷素材的設(shè)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(fēng)格的圖片。此外，在直播背景墻、活動營銷圖片、圖標(biāo)、動畫等多個場景中，員工都可以迅速應(yīng)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(biāo)題、內(nèi)容和標(biāo)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(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(wù)，但傳統(tǒng)智能客服是基于自然語言處理（NLP）技術(shù)，如今團(tuán)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(zhǔn)確率方面提高了 25%，實現(xiàn)了更高級別的智能化。

“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，目前眾安保險內(nèi)部的業(yè)務(wù)人員對數(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)隊之間開始展現(xiàn)雙向奔赴的趨勢”。

有針對性地應(yīng)用 AIGC

當(dāng)我們使用像 ChatGPT 或 Midjourney 這類 AIGC 應(yīng)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(yīng)用情況并沒有宣傳片中看起來那么簡單。

面對 AIGC 的應(yīng)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(rèn)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(biāo)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(xùn)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(yīng)用場景研發(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、知識庫切片的復(fù)雜性屏蔽，以及知識庫向量化復(fù)雜度的屏蔽等。

蔣紀(jì)勻指出，將 AIGC 應(yīng)用于保險業(yè)務(wù)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(tuán)隊需要根據(jù) AIGC 場景下的最佳實踐進(jìn)行產(chǎn)品化，并進(jìn)行內(nèi)部調(diào)優(yōu)和提升。

對此，蔣紀(jì)勻進(jìn)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(fù)雜難以理解的問題，它可能無法給出準(zhǔn)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(tuán)隊首先需要對復(fù)雜問題進(jìn)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(tuán)隊進(jìn)行了很多適應(yīng)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(jì)勻分享了一些實踐經(jīng)驗。一方面，始終堅持以價值為導(dǎo)向，尋找 AIGC 在落地應(yīng)用中的價值點。

“將 AIGC 應(yīng)用到實際業(yè)務(wù)中是為了增加業(yè)務(wù)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(rèn)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(jìn)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(wù)價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(rèn)的交互方式是對話，許多人認(rèn)為只要不斷與之對話并細(xì)化需求，最終問題就能得到解決。然而，在實際應(yīng)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(tuán)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(fù)輸入；同時，設(shè)計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的領(lǐng)域，而不必關(guān)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(yīng)用，AIGC 的另一大落地難點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。

為了解決這個問題，眾安保險需要建立相應(yīng)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(wù)層（MaaS 層）、大模型應(yīng)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(chǔ)的模型服務(wù)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(jì)勻首先介紹了審計能力，對于大模型服務(wù)的使用，他們需要審計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，當(dāng)發(fā)生風(fēng)險事件時，可以根據(jù)審計日志進(jìn)行追溯，這也有助于規(guī)范用戶對 AIGC 相關(guān)應(yīng)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(yīng)對敏感信息泄露的挑戰(zhàn)，眾安保險采用了正則表達(dá)式和敏感詞知識庫兩種方式進(jìn)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(wù) API 都必須進(jìn)行身份驗證和健全，無論是用戶調(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。

保險行業(yè)如何應(yīng)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(guān)注，蔣紀(jì)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(xué)習(xí)范式，整體模型是分散的，并且需要從零開始構(gòu)建，導(dǎo)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(xué)習(xí)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(fēng)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(dá)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(yīng)對技術(shù)發(fā)展速度變化、并在嘗試過程中取得的進(jìn)步。”蔣紀(jì)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(rèn)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(yīng)用和服務(wù)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(yīng)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(wù)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(yīng)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。