随着大模型时代的到来,各行各业都面临全新的发展空间。保险领域作为科技创新的沃土,如何拓展商业机会和创新业务模式?如何把握住发展机遇,充分释放大模型技术的潜能?
近日,由阳光保险集团联合清华大学五道口金融学院、中国保险学会、北京百度网讯科技有限公司、中国科学院计算技术研究所智能信息处理重点实验室共同研究编写的《大模型技术深度赋能保险行业白皮书》(以下简称《白皮书》)正式发布,《白皮书》系统阐释了大模型技术与保险在底层逻辑上存在的天然契合性。一方面,大模型技术充分利用互联网上的一切数据,从而具备更高的准确性、更强的泛化能力、更低的应用门槛,实现了在传统深度学习基础上的性能飞跃,满足了各行各业在多元场景中的应用需求;另一方面,保险天然与数据紧密相连,丰富的应用场景使得保险成为大模型技术的绝佳应用领域。这种天然的契合性,将使大模型和保险的结合从“能力涌现”逐步走向“价值涌现”,价值创造也将从量变到质变、从改变到变革、从变革到颠覆逐步演进。
大模型的深度认知能力将改变保险行业对风险的认知与管理能力,推动行业精算模式从“粗放预测”向“精准预知”升级,推动风险管理从相对被动的“等量管理”向相对主动的“减量管理”转变。这一转变将重塑保险行业的商业模式,引领一场颠覆性的变革,开启保险业新的发展篇章。
所谓大模型,包括广义的人工智能预训练大模型及狭义的大型语言模型,是一种具有庞大参数规模和高度复杂性的机器学习模型。通过在海量数据中进行大规模的预训练,深入挖掘并掌握众多微妙的模式、规律和知识。
在人工智能的发展历程中,大模型技术的崛起无疑标志着一次历史性的突破。随着参数规模和数据规模的显著增长,大模型在各类任务中展现出更高的准确性、更出色的泛化能力以及更低的应用门槛,从而满足了各行各业日益多元化的需求。同时,大模型生态的发展日益完善,从底层基础设施到大模型研发平台、大模型能力扩充、大模型服务平台、基于大模型的AI Agent(人工智能代理)等不同层次,各项技术及平台均在不断进步和创新。
保险行业作为数据密集型行业,具备数据优势,且应用场景丰富,是大模型的最佳应用领域之一。大模型与保险的底层逻辑不谋而合,它们共同依赖于数据和模型这一基石。大模型的底层架构以数据和模型为核心,而保险业则秉承大数法则,同样以数据和模型为基础。正因如此,保险与大模型之间存在着天然的契合点,使得大模型在保险行业的应用前景愈发广阔。
在政策层面,国家和行业陆续出台相关支持政策及监管政策,助力大模型技术及产业的快速、规范发展。今年2月,中共中央、国务院印发了《数字中国建设整体布局规划》,其中明确提出“推动数字技术和实体经济深度融合,在农业、工业、金融、教育、医疗、交通、能源等重点领域,加快数字技术创新应用”“发挥国家产融合作平台等作用,引导金融资源支持数字化发展”。在AIGC(人工智能生成内容)大发展的背景下,保险行业大模型场景化应用正享有良好的政策环境。
业内专家认为,大模型可以应用到保险领域的全业务流程,帮助保险企业更好地分析市场趋势、理解客户需求、精准化产品定价、提升营销效率、提高风险管理能力、提升理赔便捷性、改善服务质量,从而降低运营成本、提升营销和服务效能、提升客户体验。
比如,阳光保险集团于2023年初启动了“阳光正言GPT大模型战略工程”。一方面,与多家外部大模型技术进行链接;另一方面,在开源大模型私有化部署的基础上进行二次开发,注入阳光的知识和数据,构建GPT(生成式预训练Transformer模型)技术底座,建立保险专业垂直领域能力,实现集团、产、寿各条线的全应用覆盖,引领公司智能化升级。
据记者了解,通过阳光正言大模型开放平台,阳光保险实现了阳光GPT技术关键能力输出,为其智能化升级提供了强大的支持。目前,阳光保险利用大模型技术重构了信息抽取、意图识别模块及部分改造智能问答的召回阶段,整理出400多条常见问题、17个槽位及26个业务意图,共计标注2万余条数据。相较于传统方式,信息抽取任务准确率提升了15%,意图识别任务准确率提升了5%,基于信息抽取与意图识别方面的改进,智能问答任务解答率提升了8.7%。
不久前,中国人保与认知智能国家重点实验室、科大讯飞合作研发了人保首个专属问答大模型。在通用问答能力的基础上,提升了多轮口语化复杂意图理解能力、情感理解与共情能力,新增了敏感问答拒识能力,并针对保险具体应用场景,实现了条款咨询问答能力、业务逻辑推理能力和多文档多知识点融合能力的全面突破。目前,人保专属问答大模型已通过“人保智友”产品在代理人赋能、智能客服等场景试点应用,借助大模型的语义理解、搜索增强等功能,提升了知识获取效率,降低了企业运营成本。
更早之前,平安健康打造了专门为医生服务的“ChatGPT”—AskBob智能医生。基于4000万份医学文献、20万药品说明书、2万临床指南等中英文医疗知识图谱以及融合深度学习模型,为医生提供个体化精准诊疗推荐和辅助决策。截至2023年2月,AskBob智能医生服务了140多万名医生,覆盖全国范围4.6万家医疗机构,每天提供的诊疗辅助决策次数达27万次,尤其在医疗资源有限的地方,极大地提升了医疗服务质量。
中国太保积极推进基于大模型的数字员工建设,利用大模型的特点和优势,带来传统用工模式的变革。据悉,数字员工提供通用的自然语言交互入口,能根据用户指令,解析得到用户意图,自主进行任务规划,并完成任务执行,为用户提供多样化的服务。据中国太保相关负责人介绍,数字员工实现了对专业工种的建模,赋予了数字员工思维能力、行动能力以及职业能力,在做到与真实业务人员对齐,解决实际场景任务的同时,有效填补了人力空缺,提升了业务处理效率,优化了公司整体营运和决策效率,助力中国太保数字化转型。目前,太保数字员工已在集团审计中心进行能力试点,构建了审计检查、公文质检、咨询问答等多名审计数字员工。
泰康保险创新“支付+医养”服务商业模式,搭建了行业内首个支持核保理赔场景下全量数据采集的医疗影像解析平台。目前,该平台服务已覆盖泰康人寿全国36家分公司,赋能理赔、核保相关作业人员千余人。该平台的应用提升了理赔服务的时效性和便利性,优化了客户体验。同时,在智慧养康领域,泰康保险孵化了一系列业内独创的科技产品,可以为泰康之家养老社区的居民提供7×24小时安全照护以及主动干预式健康管理服务。
在金融保险这一垂直领域中,随着技术的持续进步与应用场景的广泛延伸,大模型落地应用的角色也逐步从“辅助”和“赋能”转变为更具主导性和引领性的角色。大模型的深度认知能力,将改变行业对风险认知与管理的能力,推动保险行业的精算模式从“粗放预测”向“精准预知”升级,同时推动风险管理从相对被动的“等量管理”向相对主动的“减量管理”转变。这一转变将重塑保险行业的商业模式,引领一场颠覆性的变革,开启新的发展篇章。在这个过程中,大模型应用将为企业带来更多的商业机会和价值,并对保险行业的未来发展产生深远的影响。
不过,以大模型为代表的生成式人工智能迎来爆发式发展的同时,其所衍生的隐私、安全问题以及被滥用、恶意使用的情况也逐步显露。
具体来看,大模型的训练和优化需要大量的数据支持,数据的质量、数量和多样性都会影响模型的效果和性能。这些数据的获取、处理、清洗和标注等需要大量的时间和人力资源,需要建立起完善的数据采集、处理、管理和安全等体系。大模型的训练和优化、部署和维护均需要先进的技术支持和专业的研发团队,如深度学习框架、分布式计算、参数高效微调、模型加速等,这些技术和知识的掌握与应用需要长期的积累和实践,需要对技术发展趋势和市场应用有深刻的了解。在应用大模型技术场景落地时,也需特别注重敏感数据和技术的合规性、合法性,确保在法律和政策监管范围内进行技术的研发。另外,还需要防止漏洞攻击和数据被窃取而造成的经济损失与合规成本,做到系统安全和隐私保护。
面对大模型带来的机遇和挑战,《白皮书》建议,险企可以从八方面着手,积极应对挑战,提升自身竞争力,推动保险行业高质量发展。
一是优化和调整业务策略。例如,险企可以基于大模型技术开发新的产品和服务,以满足用户的需求和期望。根据大模型的发展趋势和市场需求,调整和优化自身的业务策略,以便更好地适应新的市场环境。
二是积极进行数据积累。险企需要建立完善的数据采集、处理、管理和安全等体系,确保数据资源的充足和多样性。另外,还需要加强数据的处理和分析能力,对数据进行清洗、标注、预处理等操作,提高数据的质量和可用性。结合自身的业务场景和需求,险企对具体应用领域的数据进行大量的积累和分析,为大模型的训练和优化提供有力的支持。
三是跟踪技术演进,探索落地场景并按需进行技术选型。险企需要建立专业的技术团队,时刻关注最新的技术趋势和研究成果,也需结合自身的业务需求和场景,探索和尝试新的大模型应用,明确大模型应用的具体目标和指标,避免盲目跟风造成过度设计。
四是注意数据和技术的合规性。全球的数据、技术合规性和隐私保护面临严峻的挑战,近两年,我国在数据和生成式人工智能技术的合规性方面不断出台相关法律法规。险企应严格遵守和持续关注国家相关法律法规和监管政策,以确保企业在数据使用和技术研发方面的合规性和稳健性。
六是加强合作与交流。险企可以与其他企业、研究机构和高校等开展合作与交流,共享大模型技术的研发成果和应用经验,共同推动大模型技术的发展和应用。
八是注重客户体验和满意度。在利用大模型技术改进产品和服务的同时,险企应注重提高客户体验和满意度,以便更好地满足客户需求、提升客户获得感。(记者 王笑)
以上便是DNF工作室辅助相关内容,如果对你有所帮助,记得收藏本页方便下次阅读。
【推荐阅读:】DNF私服辅助及免费下载的优点介绍,dnf私免费辅助下载
【推荐阅读:】尘白禁区官网上线时间配置要求联机组队加速工具推荐