从ChatGPT谈AIGC在保险智能客服中的应用
点击“中国保险学会”可以订阅！
本文字数：7035字
阅读时间：14分钟
作者简介：何舒晨，泰康在线财产保险股份有限公司直营事业部产品市场负责人。
文章来源：《保险理论与实践》2023年第6辑
一、引言
数字经济时代到来，深度学习技术推动人工智能进入大规模应用的阶段。人工智能是未来科技创新的主航道，也是催生世界级企业的沃土。2022年11月30日ChatGPT上线，不到一周日活用户破百万，2个月日活用户破亿，一时间成为现象级消费类AI应用。ChatGPT引发的内容生成变革，对天然处理数据与信息的金融业带来很大影响。保险业作为金融业的一个分支，更聚焦风险管理与风险分摊，大数法则是其数据理论基础。因此，保险公司是信息密集型企业。目前，保险行业处于转型的关键时刻，保险公司积极应用ChatGPT技术，将有利于加速行业的数字化，协助其实现组织架构、业务模式、内部流程的升级改造，以提升服务质量与效率，是保险行业转型的重要路径之一。目前，保险行业专家们达成的共识是ChatGPT技术可在智能客服、智能顾问两个领域率先获得应用。为此，本文探讨ChatGPT技术在保险智能客服上的应用。
二、保险行业的信息化与知识管理历程
（一）保险行业的信息化之路
保险行业的信息化之路，按时间轴可划分为以下四个阶段：2000年以前是第一阶段，以电子化建设为主；2001年至2010年是第二阶段，以数据集中建设为主；2011年至2022年是第三阶段，以数据共享建设为主；2023年以后是第四阶段，以人工智能建设为主。
从行业来看，保险行业信息化之路的第一阶段是由政府及监管等行政部门倡导、逐步规范行业内的客户信息、业务信息、财务信息等的数据电子化，从手工作业转为数据信息，确保数据真实性、有效归档与可回溯。第二阶段是以政府及监管部门主导、逐步构建信息化的行业配套监管体系，如2001年2月成立中国保险行业协会，2003年中国保险监督管理委员会统计信息部筹备成立，2004年10月启用中国保险统计信息系统，2007年7月统计信息部建立的保险中介监管信息系统开始启用，2010年成立行业车险信息集中平台。第三阶段是行业监管体系牵头推动并参与、逐步实现行业内与跨行业的数据共享，包括：投保（投保频次、拒保、累计风险保额）、理赔（车险、人身险）等行业内的数据共享，医保（大病、惠民保）、医药及医疗机构（创新支付、带病体保险）等其他行业对保险行业的数据共享。2016年6月全国第一个国家级、创新型保险要素市场——上海保险交易所股份有限公司在上海浦东陆家嘴揭牌成立、开业运营。2022年保险行业启动了商业保险药品及器械目录的研究工作。第四阶段因涉及人工智能的广泛应用，无论是技术的境外引入与数据出海、国家安全与数据安全、涉密信息管理，还是信息与大数据的伦理问题等方面，都亟需行业监管体系给予政策指引。
从市场主体来看，保险行业信息化之路的第一阶段体现在持牌机构（保险公司或保险中介公司）逐步普及办公邮件、门户网站、纸质档案电子化、业务线上化、财务线上化等，陆续实现保险总公司、分公司、子公司及各部门的协同办公。第二阶段体现在持牌机构陆续实现数据在总部的物理集中，总部可及时全面把握总公司、分公司、子公司及各部门的整体经营状况并进行科学决策，将数据信息转为数据资产；提升风险管理水平和业务运营效率，降低企业成本和风险，提高盈利水平，开始谋求“以客户为中心”的新方向。第三阶段体现在因互联网时代的到来、业务的移动化场景化等，持牌机构纷纷注意从顶层开始重塑IT系统架构，从“被动建设”到“科技引领”，以快速响应市场需求；集团型公司也实现集团内的客户信息共享，如统一用户ID，统一门户（官网、App及小程序等），业务与财务的数据共享及深度融合；同时，市场主体增加了非持牌机构（主要是科技公司）。第四阶段体现在部分持牌机构因具备科学技术的先发优势而率先落地人工智能项目，逐步走出差异化的发展路线，实现“弯道超车”。如2023年2月两家保险公司（泰康保险集团、北京人寿）宣布接入百度“文心一言”，并将后者应用于智能客服、智能培训等领域。泰康保险集团还宣布将联合百度技术团队把生成式大模型技术应用于老人情感化陪聊、代理人销售辅助、代理人智能培训等，落地于公司核心业务场景，为客户和销售队伍提供更有温度、更规范化、更智能化的服务。
（二）保险行业的知识管理之路
知识管理（Knowledge Management，KM）的概念，首次在1986年联合国国际劳工大会上由卡尔·维格（Wiig）提出，迄今为止已接近40年。1996年，经济合作与发展组织（OECD）的《以知识为基础的经济》指出知识管理的指标体系，并将人类创造的所有知识分为四类：第一类是关于事实的知识（what），属于叙述事实方面的知识；第二类是关于原理的知识（why），属于自然原理和规律方面的知识；第三类是关于如何做的知识（how），属于某些事物的技能和能力；第四类是关于信息、知识来源的知识（who），属于涉及谁知道和谁知道如何做某些事情的知识。其中，前两类是显性知识（explicit knowledge），后两类是隐性知识（tacit knowledge）。OECD是最早在国际组织文件中正式使用“知识经济”概念的官方组织。1999年美国有80%的企业已经或正在实施知识管理计划。2001年世界银行在《中国与知识经济：把握21世纪》报告中指出“所有的经济都是以知识为基础的”。
相对于国际市场，中国保险业起步较晚。1979年经国务院批准，中国人民保险公司从1980年开始逐步恢复停办了二十年的国内保险业务，中断了二十多年的金融名词“保险”回归到中国百姓的日常生活中。1992年美国友邦保险公司落户上海，带来了寿险营销个人代理制。其他保险公司也竞相效仿，引入个人代理制。即21世纪90年代初期，知识管理才开始了在中国保险行业的应用之路。
知识管理是保险公司日常经营中很重要的一个方面，而知识库系统是保险公司知识管理体系的一个重要环节。保险行业因专业性强、准确性要求高、需要知识推理、业务复杂且知识涉及面广、数据不规范和结构化程度低等特征，与普通消费者之间的问答系统显得尤为重要，而知识库系统作为问答系统的底层支撑，是保险市场主体的核心竞争力之一。
近年来，各头部保险公司在智能客服上均有持续的资金投入与战略升级。2019年平安人寿金管家AskBob小桂圆上线知识图谱问答系统，充分利用知识图谱的上下位关系、实体的并列相似性和图结构的推理等特性进行更好的召回和更精准的排序。2021年工银安盛寿险公司提出知识管理战略，出资构建包括业务知识地图、知识搜索、知识内容管理、发布审核管理、知识安全和权限管理、知识资产和使用统计管理等功能的知识库管理系统。2022年中国人寿依托95519高频业务场景及海量客户联络数据，建设智能对话分析平台，构建语义分析能力，搭建事前有提醒、事中有帮手、事后有抓手，面向客户、坐席及管理人员的客户联络服务智能化生态。2022年友邦人寿官网支持消费者通过百度音箱打开友邦保险知识库，查询保险知识。2022年众安保险自主研发“人机融合”“全周期闭环”的创新型、全栈数字化客服解决方案，实现四大场景功能：第一，人机结合应对复杂、高并发的服务场景；第二，差异化与标准化服务结合，对客群分层；第三，沉淀标准化客服（SOP），支持知识库的实时维护更新；第四，实现服务历史可回溯、服务质量可追踪，点对点质检、端到端投诉流程跟进。
中国经济已步入“服务经济”时代，保持与用户顺畅沟通的能力是企业在市场竞争中胜出的法宝，保险智能客服已逐步成为保险市场主体的核心竞争力之一。
（三）保险行业的AIGC应用历程
提及保险智能客服，就不得不提最近比较火热的技术及ChatGPT了。人工智能生产内容（Artificial Intelligence Generated Content，AIGC）指利用人工智能技术自动生成内容的一种新型技术，包括生成文字、图片、音频、视频、代码等。在AIGC技术应用的模态中，有一种模态是文本生成，而ChatGPT就是文本生成的代表产品之一。
ChatGPT（Chat Generative Pre-trained Transformer）是美国人工智能研究公司OpenAI研发的人工智能技术驱动的自然语言处理工具，于2022年11月30日发布，在全球引起轰动。ChatGPT也被称为人工智能聊天机器人程序，能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码和论文等任务。
在2023年瑞士达沃斯举行的世界经济论坛上，微软首席执行官萨蒂亚·纳德拉（Satya Nadella）与《华尔街日报》主编马特·默里（Matt Murray）进行了一场对话，萨蒂亚·纳德拉认为ChatGPT技术影响堪比工业革命，人工智能领域的发展在目前这个阶段已经可以用“指数级”来形容。
2023年百度创始人、董事长兼首席执行官李彦宏在内部信表示：“生成式AI和大模型的智能涌现，是全新的计算范式带来的新机会。这意味着，AI技术已经发展到一个临界点，各行各业都不可避免地被改变。中国AI市场即将迎来爆发性的需求增长，其商业价值的释放将是前所未有的、指数级的……人类进入人工智能时代，IT技术的技术栈发生了根本性的变化。过去基本分为三层：芯片层、操作系统层和应用层。现在可以分为四层：芯片层、框架层、模型层和应用层。
2023年甲子光年智库也预测：当下的技术全栈仍然不能满足ChatGPT推动下的新一代人工智能浪潮，未来的AI技术全栈将呈现新的技术架构体系。未来在基础模型和具体AI应用研发之间会形成中间层，向下对接大模型能力，向上提供个性化服务。
保险行业的市场主体有持牌和非持牌两类，其中持牌机构包括保险公司和保险中介，非持牌机构主要为保险科技公司。其中保险公司又分为传统保险公司和专业互联网保险公司。AIGC技术将影响到保险行业生态内的各类市场主体，尤其对互联网保险领域的影响将更为深刻。
互联网技术对保险行业的作用按时间轴可分为三个阶段。2018年以前，各保险公司通过互联网技术赋能保险产品及服务：设计场景化、碎片化、高频化的保险产品，如电商的退运险、航班延误险等；优化服务体验，如极速理赔、智能问答、智能保顾等。2018年至2022年，各保险公司通过互联网大数据技术赋能保险渠道及客户：协助渠道精准触达特定客群，提升获客能力，降低获客成本，如场景埋点、用户画像、精准营销等；赋能客户提升消费兴趣，如退保挽留、加购、复购等用户运营。2023年以后，各保险公司通过互联网技术赋能数字内容创作。随着AIGC在文本、音频、视频、图像等内容生成上的发展，世界将逐步内容化，而互联网保险的内容化也将加速进程，且已经历了三个阶段，分别是专业生产（PGC）与职业生产（OGC）、用户生产（UGC）、AI生产（AIGC）。它们在由原创程度、内容质量、更新频率三个要素构成的不可能三角形中，各有特征。
在PGC与OGC阶段，互联网保险由具有一定知识和专业背景的行业人士所生产的内容作为主导力量，普通消费者（互联网用户）则以聆听、观看为主。在UGC阶段，一方面互联网用户为互联网保险运营出谋划策，注入新鲜血液与活力，另一方面互联网用户也对保险机构进行监督，倡导保险行业的民主治理。在AIGC阶段，由于内容工具的急速平民化，互联网保险的竞争将演变为内容之争，即AIGC的技术竞争，善于应用AIGC技术的互联网用户将主导话语权，反之，则会被削弱话语权。
由于AIGC技术变革了数字内容生成的方式及效率，“想象力变现”正成为一门新生意。AIGC技术可应用于保险业的以下场景：
（1）虚拟AI主播：突破主播培养瓶颈，降低互联网保险的营销成本；
（2）虚拟AI客服：提升知识发布与知识沉淀的效率，降低互联网保险的服务成本；
（3）AI智能保顾：挖掘消费者保险需求，提升用户经营效率；
（4）数字人陪伴：降低特定客群的心理疾病发生率，如青春期少年、妊娠期产妇、独居老人等；
（5）AI问诊、AI用药咨询及用药提醒：降低保险公司增值服务成本，提升用户服务体验；
（6）健康与医疗的AI知识科普：提升科普专业度，丰富代理人朋友圈素材，减少客诉，提升客户满意度；
（7）AI智能营销：在销售流程上的线索发现、客户触达、客户转化等环节，提升效率与效果，定制客户解决方案，提高转化率与销售额。
ChatGPT解锁了图像识别能力，使AI可解读自然语言和视觉信息，AI更像一个具备“眼睛”和“ 语言”能力的人，拓宽了保险智能客服与用户聊天的能力边界，产生更多机会。中国经济已步入“服务经济”时代，保持与用户顺畅沟通的能力是企业在市场竞争中胜出的法宝。保险智能客服作为连接保险公司与用户的一道桥梁，其重要性是不言而喻的。
三、AIGC在保险行业智能客服中的应用
保险行业的信息化能提升整个保险业的管理效率，让行业内的信息交互更规范、更透明且可追溯。但保险行业的信息化也存在数据质量差、信息失真严重、信息孤岛等多个痛点。数据质量差是由于人工差错或业务刷单等，系统被输入大量垃圾数据，基础数据的真实性、完整性、全面性和可用性低。信息失真严重是由于人员理解或对系统的不适应等，信息被割裂、被筛选、被想象或被改造，导致传递的信息偏离真实情况或衡量标准。信息孤岛多是因为信息化建设规划性不强，业务、产品、财务等系统各自独立、相互不对接，降低了数据处理的效率和数据资产的质量。
保险公司的知识库是保险行业信息化与知识管理的重要载体，它在建设过程中存在专业性强、准确性要求高、需要知识推理三个痛点。专业性强表现在保险知识和专业术语众多，有些词的字面或语义匹配程度很高，在保险行业却表示不同的含义，因此基于字面匹配和语义匹配等的文本匹配方法很难满足需求。准确性要求高表现在保险公司有严格的投保、核保、保全和理赔规则，如果回复不精准，将会给用户带来巨大经济损失并产生大量客户投诉。需要知识推理则是由于保险行业的用户提问经常涉及医学或工业等其他行业领域的术语，单纯依靠保险知识无法对用户问题进行解答，需要借助大量的医学和工业知识来进行问题推理和答案选取。
保险公司的知识库是保险智能客服的核心，它的痛点导致保险智能客服存在沟通不易、服务不专、底层技术不成熟、成本偏高四个痛点。沟通不易表现在智能客服能轻松应对重复度较高的结构性问题。但用户提问方式、句子组织与结构各异，智能客服往往无法精准理解问题的真正含义，影响用户体验。服务不专表现在保险用户期望获得更具有针对性、更具人文关怀的客户服务，但智能客服的服务流程与话术存在标准化特征，无法灵敏捕捉用户情感变化，用户与企业情感连接存在缺口。底层技术不成熟表现在，虽然国家与市场都积极推动人工智能技术的研发，但受制于较长的技术研发周期、技术研发与转化之间的非同步性，人工智能底层技术仍存在较大的完善与突破空间。成本偏高表现在智能客服服务方案具有定制化特征，由企业发展现状及所在行业业务逻辑及核心痛点决定。这也意味着技术在不同企业、不同行业之间的可复用性较差；技术迁移壁垒导致供应商整体成本偏高。
相对于传统保险业务，保险智能客服对互联网保险业更为重要。因为互联网保险公司的件均保费普遍较低，客户平均服务成本较高，运营环节降本增效很艰难，对客户体验的提升也形成制约；而且互联网保险在营销环节与客户直接交流较少，因此容易产生由于保险合同条款解释说明不足、客户形成理解偏差等问题，客诉率居高不下，影响业务续保及客户经营。高质量的智能客服能有效解决互联网保险行业上述的两个痛点，降低公司运营成本与客诉率，提升品牌形象与盈利能力。
AIGC在保险行业智能客服中的应用，除了升级IT技术（算法与算力），工作重点应落在“人工”上，即需要重点关注保险业务团队与IT科技团队的协作效率。
首先，组织架构及岗位职责需要明确且清晰。因为保险智能客服是代表保险公司面对海量用户，包括保险公司内部员工、管理层及外部消费者，需要为保险公司运营的方方面面信息提供准确、及时的信息。如果组织架构与岗位职责不清晰，通过事后打补丁或临时修正，不仅成本高，而且效率与效果都很差。
其次，日常信息更新或迭代需要成为制式化的工作。保险公司每天都会有海量的信息更新与迭代，需要及时删除冗余信息。例如对于行业层的通识，需要有专人负责输入保险业各种知识、概念、案例和关系等信息，确保其真实性、准确性、完整性、及时性；对于公司层的业务知识，需要有专人总结高频关键词、匹配关系等有助于信息结构化的要素，以实时更新新上市的产品或服务，新增的渠道或业务场景，海量用户的每日互动等。还需要专人负责将这些信息实时解构、迭代到客服系统内。只有解决上述问题之后，才能谈及IT技术层面的问题，例如，AIGC在智能检索、智能问答功能上的实现及算力问题。
再次，需要与IT工作人员密切沟通业务方的需求。例如，保险业务数据分析和挖掘的需求要详细且清晰，数据可视化和业务分析报告需要展示哪些字段，展示方式是什么等。此外，人工与AI工作衔接需求要详细且清晰，用户问题何时转人工？如何管理工单或热线流转流程及时效？如何保证知识的及时更新及准确性？
最后，AI还具备为用户提供恰当情绪价值的能力。因此保险公司工作人员要增加情绪化的人工训练，如根据用户提出的问题，AI能自动分析问题的意图并给出最佳答案，实现智能问答功能；AI能感知用户的情绪变化，给予恰当的情绪回应。
当然，AIGC技术在国内金融业的商用可能还存在一些不确定性，例如人工智能技术的境外引入及技术稳定性、国家安全与涉密信息管理、信息与大数据的伦理问题等，这些都有待监管部门给出明确的政策指引。
四、结论
2023年以后，保险行业的信息化开始以人工智能建设为主，互联网技术对保险行业的作用也转为赋能数字内容的创作，这些都亟需政府与监管部门给予政策指引，明确AIGC技术商业应用的法律及合规边界。同时，各保险公司应看到ChatGPT及AIGC技术对保险行业的信息化、数字化产生了积极的推动作用，谁能用好该技术，谁就可以主导内容的生成，并借助互联网平台获得更大的话语权，实现“弯道超车”。
中国经济已从“工业主导型”转向“服务主导型”，步入“服务经济”时代，保持与用户顺畅沟通的能力是企业在市场竞争中胜出的法宝，智能客服已逐步成为保险行业市场主体的核心竞争力之一。
编辑：于小涵
中国保险学会
构建保险大社区
微信：iicbxzx