保险业“黑灯工厂”样本:120个机器人彰显AI赋能魔力

这篇具有很好参考价值的文章主要介绍了保险业“黑灯工厂”样本:120个机器人彰显AI赋能魔力。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

人工智能(AI)对各行各业带来影响,金融行业也不例外。AI大模型风靡全球的背后,是新一轮智能化浪潮汹涌而来。

从智能语音导航到AI客服大规模普及,再到AI保险理赔机器人一年365天全年无休……AI在金融行业的应用逐步深入。金融行业正走在应用新技术的前沿,那么,AI是如何改变金融业的?AI能否替代人?证券时报记者以保险行业为切入点展开了调查。

在采访中,多位保险公司相关负责人表示,随着AI技术逐步走向成熟,AI已成为保险行业最有效的科技赋能工具之一。但在处理一些涉及创造力、沟通协商等方面的高级复杂情境时,人的角色仍无可替代。至少目前而言,AI不可能真正替代人类工作。未来,两者将会更加紧密地合作。

01
黑灯工厂的120个机器人
位于上海桂林路929号的一栋办公楼二楼,一间办公间里摆放了100多个工位,其间空无一人,只有一台台电脑在工位上发出嗡嗡的声音。这里是太保产险“RPA(机器人流程自动化)黑灯工厂”所在地。

RPA的核心在于机器人模仿人类作业行为,通过计算机程序执行重复的基于规则的任务。“黑灯工厂”即流程自动化集约运营平台,顾名思义关灯后也可持续运行,自动作业且24小时无休。

6月份的一天上午,证券时报记者走进这间工厂时,“车险车间”的一台电脑正在自动进行车险案件的零配件录入,这是定损单自动预录“机器人”在工作。几分钟前,定损单自动预录“机器人”接收到来自一线理赔员的录入任务。只见电脑自动开启“人手”模式——自动查询、手动输入零配件编码信息,毫秒间,一张涵盖10多个配件名称和价格的定损单就生成了。

车辆定损单预录“机器人”是太保产险“RPA黑灯工厂”活跃着的120个机器人之一。与传统认知中的会走路、说话的机器人不同,深入到保险运营流程中的机器人是由RPA智能软件和一串串代码构成。

太保产险首席信息官王磊告诉记者,随着AI技术逐步走向成熟,AI已成为保险行业最有效的科技赋能工具之一。在太保产险这样的头部产险机构,AI应用已经从点状创新向体系化的深度应用延伸。

据了解,2020年太保产险正式布局RPA大规模应用。2021年4月20日,太保产险“RPA黑灯工厂”上海总厂正式运行,随后分别建立了华南、成都、山东等三个分厂。从此起步,太保产险的AI应用从各条线零星作战进入系统化、规模化阶段。

在日渐成熟的AI技术加持下,应用效果堪称惊人。例如,营运作业中,通过OCR(文字识别技术)、自动化流程机器人的引入,提升录入效率,确保整体作业质量;客户服务环节,通过在线客服机器人的投放使用,大大提升了人工服务的容积率,也提升了服务资源投放的精准性和有效性。

截至目前,太保产险“RPA黑灯工厂”上海总厂的120个机器人可同时运营440多个RPA产品,其中活跃产品230个,几乎覆盖产险所有业务条线。

02
批量化作业的魔力
在注重技术创新的中小型保险公司中,AI应用也已深入到运营流程的多个环节。一个典型案例是国泰产险,作为蚂蚁集团旗下产险公司,国泰产险天然具有链接前沿科技的基因。

蔡莉敏是国泰产险理赔部门负责人,拥有超30年理赔工作经验,在多家大型财险公司从事过相关工作。在她看来,AI的批量化作业能力已经成为理赔最大的赋能支撑之一。

蔡莉敏告诉证券时报记者,多年前,保险业务量有限,理赔工作都是手工完成,时间要求也不高。随着行业快速发展,市场对于服务时效的需求明显增加,理赔人员逐步需要24小时不关机、随时待命。现在,随着线上投保的普及以及海外业务的拓展,即便理赔人员不眠不休地工作,也跟不上快速增长的业务需求。“现在只要接到需求,第一反应就是能否通过智能系统来实现。”她说。

以理赔审核为例,常规情况下,每天每人一般可以完成200~250件案件的审核,每件平均耗时2~3分钟。然而,目前该公司理赔部门每个月的审核量突破了7万件,单纯人工处理已无法满足需求。在此情况下,该公司通过图像比对技术和智能风控规则的嵌入,改变了传统审核的作业模式,具备同时处理成百上千笔赔案的能力,且最快秒级结案,并在多个业务场景里成功应用。

蔡莉敏表示,到2023年底,预计该公司的“跨境无忧退”自动智能化审核率可以达到70%以上,为客户带来了更快速的时效和体验,解决了传统理赔流程长、时效慢等痛点。

保险行业可以运用AI技术的流程节点很多,包括自动定价、风控嵌入、物流管理、仓库勘查、自动化智能审核、自动结案以及自动质检等多方面。

作为国内首家互联网保险公司的众安保险,也一直在人工智能方面有较大的投入,并在保险承保、理赔、客服等多个环节支持业务开展。

例如,众安保险目前全渠道接入智能客服,其中电话服务端智能语音机器人已覆盖超过300个业务场景,客户需求识别准确率达97%,电话自助占比超35%,人工转接率下降至10%,有效分担人工话务的咨询需求。同时,在线服务端,通过人机智能协同,该公司在线客服的人工智能使用率已超85%,客户问题解决率超90%。通过AI图像识别技术,该公司碎屏险智能赔案审核相比人工审核效率提升60倍。

众安在宠物险投保中也运用了AI技术,包括应用宠物脸部识别技术、宠物鼻纹智能识别技术等建立宠物数据库。

在众安保险数据科学应用中心负责人施兴天看来,金融行业天生是数据驱动的行业,所以AI技术一直扮演重要业务助推器的作用,不管是精细化营销做增量,还是精准风控做减损,或者是自动化营销提效能,都实实在在地带来了业务价值的提升。

03
应用场景突破空间
在施兴天看来,在没有大语言模型之前,金融机构已经在大量使用机器学习和AI算法,来改善整体的效能和用户体验。随着AIGC(生成式AI,意为人工智能生成内容)的兴起,AI对传统流程的影响更加明显。以智能客服场景来看,基于AIGC优化的智能客服有更好的问题理解能力,同时答案也更加拟人化。

“现在行业里面的业务人员对数据AI模型的意识都已经有了大幅提升,伴随着技术的进步,技术和应用已经是双向奔赴的趋势了。”施兴天说。

王磊表示,在保险行业中,基础AI能力的使用已经比较普及,在提高作业效率和作业质量方面,起到一定的作用,但主要还是使用一些通用化的能力,和场景化融入程度还有限,这依赖大量的基础数据准备、技术方法研究等的前期投入。

他认为,未来,随着各行各业智能化程度的深入,一定会出现很多种应用方式。例如,风险预测分析始终是保险行业中重点课题之一,理论上可以通过深度学习等技术,对客户提供的数据、保险产品及行业标准数据进行学习和模型训练,快速给出比较全面的风险评估,降低核保误差,提高核保效率。

王磊同时提醒,AI技术如同一把“双刃剑”,如果应用不当,就可能带来隐私和安全性等方面的风险。如何在应用中兼顾隐私保护,确保安全、可靠、可控是一项亟须关注的课题。未来在AI应用过程中需要更加关注和加强客户个人信息保护和数据防泄漏的工作。

04
AI无法真正代替人工
机器的大规模应用是否会替代人工?随着AI技术的发展,这个问题又被提了出来。

王磊认为,当前AI技术还处于发展阶段。AI具有处理大量数据、快速分析、检测欺诈等方面的优势,可以提高保险公司的效率和准确性。但是,在处理一些涉及创造力、人际关系、沟通协商等方面的高级复杂情境时,人的角色仍然无可替代。随着AI技术的发展和应用,未来也会出现新的岗位,对人工产生新的要求。

他表示,未来AI和人类将会更加紧密地合作。AI将扮演辅助人类工作的角色,帮助人类进行数据分析、风险评估等方面的工作,提供更快速更准确的决策支持。人类将负责重要的业务谈判、服务管理、客户洽谈等工作;同时,人类将考虑如何驾驭和应用人工智能,这些方面需要人的智慧、经验和细致的功夫。

蔡莉敏认为,根据该公司AI技术的进化,在低层级的理赔基础工作已逐步被智能工具替代。而涉及用户个性化的需求,为了在合理合法范围内保障用户保险消费权益,仍需人工进行选择性处理.在保证作业效率的同时最大化保障用户权益,这也符合“保险姓保”的基本前提。

施兴天表示,当只有人跟资源语言有交互界面的时候,可能才需要大语言模型。所以AIGC的出现,更多的是对重复性、低创意的工作进行提效,所以对于一部分人来说,替代者不会是AI本身,而是能够驾驭AI的人。

“所以开发者和使用者尽早去拥抱相应技巧和经验,结合AI技术和人类判断,实现最佳的协同效果,才是保持行业或者是自身不可替代性的关键。”施兴天说。

来源:证券时报文章来源地址https://www.toymoban.com/news/detail-526519.html

到了这里,关于保险业“黑灯工厂”样本:120个机器人彰显AI赋能魔力的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 机器学习:基于Python 机器学习进行医疗保险价格预测

    作者:i阿极 作者简介:数据分析领域优质创作者、多项比赛获奖者:博主个人首页 😊😊😊如果觉得文章不错或能帮助到你学习,可以点赞👍收藏📁评论📒+关注哦!👍👍👍 📜📜📜如果有小伙伴需要数据集和学习交流,文章下方有交流学习区!一起学习进步!💪 大家

    2024年02月11日
    浏览(33)
  • 机器学习之样本及统计量

    在数理统计中,称研究对象的全体为总体,组成总体的每个基本单元叫个体。从总体X中随机抽取一部分个体 X 1 , X 2 , . . . , X N X_1,X_2,...,X_N X 1 ​ , X 2 ​ , ... , X N ​ 称 X 1 , X 2 , . . . , X N X_1,X_2,...,X_N X 1 ​ , X 2 ​ , ... , X N ​ 为取自X的容量为 n的样本 。 实际上,数理统计学中

    2024年01月18日
    浏览(60)
  • 【机器学习】处理样本不平衡的问题

    机器学习中,样本不均衡问题经常遇到,比如在金融风险人员二分类问题中,绝大部分的样本均为正常人群,可用的风险样本较少。如果拿全量样本去训练一个严重高准确率的二分类模型,那结果毫无疑问会严重偏向于正常人群,从而导致模型的失效,所以说,训练样本比例

    2024年02月14日
    浏览(29)
  • 如何解决机器学习中样本不平衡问题

    样本不平衡问题在机器学习中是一个常见的挑战,下面是一些样本不平衡问题的例子: 欺诈检测:在银行或电商领域的欺诈检测中,正常交易的数量通常远远多于欺诈交易的数量。这导致了一个类别(欺诈交易)的样本数量较少,而另一个类别(正常交易)的样本数量较多。

    2024年02月13日
    浏览(39)
  • 机器学习样本数据划分的典型Python方法

    Date Author Version Note 2023.08.16 Dog Tao V1.0 完成文档撰写。 In machine learning and deep learning, the data used to develop a model can be divided into three distinct sets: training data, validation data, and test data. Understanding the differences among them and their distinct roles is crucial for effective model development and evaluation. Trai

    2024年02月12日
    浏览(33)
  • 【机器学习】样本、特征、标签:构建智能模型的三大基石

    🎈个人主页:豌豆射手^ 🎉欢迎 👍点赞✍评论⭐收藏 🤗收录专栏:机器学习 🤝希望本文对您有所裨益,如有不足之处,欢迎在评论区提出指正,让我们共同学习、交流进步! 引言: 在机器学习的世界里,数据是驱动模型训练和性能提升的核心要素。 而在这浩渺的数据海

    2024年04月16日
    浏览(28)
  • 机器学习_数据升维_多项式回归代码_保险案例数据说明_补充_均匀分布_标准正太分布---人工智能工作笔记0038

    然后我们再来看一下官网注意上面这个旧的,现在2023-05-26 17:26:31..我去看了新的官网, scikit-learn已经添加了很多新功能,     我们说polynomial多项式回归其实是对数据,进行 升维对吧,从更多角度去看待问题,这样 提高模型的准确度. 其实y=w0x0+w1x1.. 这里就是提高了这个x的个数对吧

    2024年02月06日
    浏览(36)
  • 机器学习中最基本的概念之一:数据集、样本、特征和标签

    数据集、样本、特征和标签是机器学习中的重要概念,这些概念在机器学习算法的设计和实现过程中起着至关重要的作用。在本文中,我们将对这些概念进行详细的讲解,以便更好地理解机器学习算法的基本原理和应用。 数据集是机器学习中最基本的概念之一,它是指一组相

    2024年02月09日
    浏览(27)
  • 【机器学习】样本不均衡(class-imbalance)——解决方案与问题思考

    机器学习的老师在一次作业中给出了这几个思考的问题,本文从前两个问题着手,若有不全或者意思错误的地方请向我指出(谢谢!) 这个问题也可以拓展为:哪种分类器比较不会受到样本不均衡的影响,或者说得不均衡到哪种程度,会对分类器的影响。 这个问题也就可以

    2023年04月08日
    浏览(31)
  • [网络安全提高篇] 一二二.恶意样本分类之基于API序列和机器学习的恶意家族分类详解

    终于忙完初稿,开心地写一篇博客。 “网络安全提高班”新的100篇文章即将开启,包括Web渗透、内网渗透、靶场搭建、CVE复现、攻击溯源、实战及CTF总结,它将更加聚焦,更加深入,也是作者的慢慢成长史。换专业确实挺难的,Web渗透也是块硬骨头,但我也试试,看看自己未

    2024年02月12日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包