界面新闻记者 | 苗艺伟

在保险行业，AIGC不再是“空中楼阁”，而是触手可及，并且正在加速商业化落地。

7月7日，在2023世界人工智能大会(WAIC）“数字基建新进阶，保险生态新价值”主题分论坛中，中国首家互联网保险公司众安保险在论坛上发布了搭建基于AIGC的业务中台“灵犀”，并展示了已有的多个保险垂直场景的AIGC应用工具。

金融是AIGC应用的天然土壤

在论坛上，众安保险CEO姜兴表示，2022年底，以ChatGPT为代表的AI大模型技术席卷全球，再一次把人工智能的技术创新推向一个新拐点，在金融保险的垂直领域，因行业所特有的高价值、高可得性和高丰富度的数据沉淀，成为AIGC应用发展的天然土壤。

姜兴表示，总体来说，众安在AIGC技术探索应用可以分为三个层面。

在综合运营层面，通过AI大模型和AIGC技术赋能，可以在保险产品、营销、运营、客服，以及日常办公和研发提效等多个维度提供赋能。

在客户服务层面，通过AIGC应用深入，可以提高普惠金融服务的广度与深度，为更多用户带来更智能、更便捷、更有温度的产品与服务；

此外，AIGC新技术的发展应用都没有改变金融本质，更要正视并积极应对新技术深度化应用中存在的挑战，现在AIGC技术在某些层面还不够成熟，应进行科学严谨的试点实验，进行开放协同的跨界合作。

已在实践中融入AIGC技术

在当天的论坛上，众安保险CTO蒋纪匀也分享了在保险垂直领域的应用的探索历程。

蒋纪匀表示，众安综合考虑了数据、算力、算法、成本、安全合规等多个维度，逐步形成了适配保险行业的众安AIGC应用的三层架构。

他表示，最底层是“封装MaaS层”（模型即服务），可以把通用大模型如ChatGPT、文心、通义、盘古、MOSS公有的MaaS做封装，部署开源的大模型或企业私有大模型。

中间层是大模型的“应用框架层”，在该层中，提供安全、脱敏、审计、计量、计费、模型适配、API健全、插件的框架等，为公司提供一整套标准，从而控制安全合规等风险。

最上层是大模型的“应用场景层”，不同的应用场景可以通过调用下层平台层做应用场景的应用，包括智能产研、智能运营等，可以提供智能核保、理赔、舆情分析，智能客服、智能化质检等。

蒋纪匀表示，目前，灵犀中台可以允许机构用户，在大模型内嵌入行业专业领域知识库，实现AIGC在保险垂直领域的应用快速适配，此外，灵犀也支持把企业内部应用工具包装成大模型插件，让大模型更加贴近业务应用场景。灵犀已在包括产品定制化、定价动态化、销售场景化、理赔自动化、客服人性化等场景进行深度实践。

此外，基于上述的业务中台，众安保险已在实践中融入AIGC技术，推出了首批包括“易创内容运营平台”、“集智经营分析平台坐席助手”、“合规助手”、“智能运维助手”等多项实用工具。

界面新闻记者了解到，在众安的“易创内容运营平台”上，可以通过“关键词-提纲-相关文章-生成-风格改写”的链路，可以向运营人员提供快速、稳定、可靠的内容生成辅助能力。

此外，在众安的“集智经营分析平台坐席助手”上，众安尝试让大模型和BI（Business Intelligence，即商业智能）能力进行结合，通过多场景、多数据源的灵活联合分析，通过AIGC寻找驱动业务发展的关键数据，为公司管理和业务增长提供数据依据和决策支持。

AIGC实际应用需扬长避短

在当天的论坛上，众安保险数据科学应用中心负责人施兴天表示，对于AIGC在保险业务场景下的具体应用，众安对自身提出了三个关键问题：AIGC能否带来业务增量价值，风险是否可控以及与现有业务流程如何结合。

对于业务增量来说，施兴天表示，AIGC带来的业务增长价值答案是必然的。

他表示，以前，配置客服机器人需要做大量的人工配置，如果使用了AIGC，原本按周的工作进度现在可以按天按小时进行，而且它的回复更人性化、拟人化，甚至可以赋予一些风格，让用户体验更好，这是AIGC技术的重要优势，因此，AIGC可以在工作效率领域带来显著的应用价值。

但是，让AIGC的风险可控却并非易事情。

施兴天表示，众安在内测使用不同版本大模型后发现，即使加了非常多的限制和质检规则，还是会出现一些不当言论。例如，大模型会对于众安保险的产品理解过于通用化，也可能回答了一些非保险领域，或者并不想让它回答的话题。因此，我们认为，AIGC并不能让回答变得更加精确。

此外，在用户体验方面，相比于以前大数据客服机器人的毫秒级别的回复，如今在AIGC下，如果要调用ChatGPT的服务，加上质检、识别、审查等流程，响应时间显著变慢成了秒级别，这也重要的不足和风险点。

他表示，AIGC的这种特性也直接导致了第三个问题——解决现有业务流程与AIGC结合的人机协同问题。例如，保险客服人员使用Copilot（人机协同）的时候，可能需要5秒时间得到AIGC的回答，之后还需要修改内容再发给客户，可能导致用户体验不佳，因此，原来的作业程序也需要大幅调整。

“我们需要在应用场景要了解AIGC擅长什么，不擅长什么。更重要的是，不能仅从理论角度想事情，要从实际应用的角度看问题。”施兴天表示。

他表示，在实践后我们发现AIGC擅长两方面：一是理解能力，它的友好的自然语言交互，可以连接丝滑，提供了更简单、更人性化的交互体验改变；二是表达能力，其基于大模型的海量参数，它能够快速生成一些符合要求的新内容，可以尽情发挥AI的想象力和创造力。

但它不擅长的领域也非常明显，第一，以现有的AIGC看到的模型能力而言，逻辑推理能力比较欠缺，对于一些行业应用或者对于推理准确性要求非常高的场景，应该明确规避，而不是让AIGC直接参与到非常精确、要求非常高的决策中；第二，精确可控程度不够，目前行业标杆模型在精确遵循指令方面，普遍不足，可能也会跑偏，因此，在现有的条件下，AIGC并不适合扮演决策性的终结者，Copilot（人机协同）的方式则更加安全。