BOB半岛身处转型深水区，保险机构正在科技领域积极探路，近十年间，从信息化到从数字化，保险科技快速发展，在降本增效、服务优化方面书写成绩。当前，AIGC（AI Generated Content，生成式人工智能技术）、大模型的技术热潮正在涌来，这给保险业带来关于从数字化向真正智能化转型的想象空间。当下，比起“赋能”，保险业更偏好以“重塑”形容科技的价值：重塑商业与服务模式，重塑业务发展的底层逻辑，重塑保险业态。

　　近日，众安保险架构资深专家鄢晶在接受蓝鲸财经记者专访时提出，AIGC多模态原创内容生成、长距离理解上下文语义等优势，有助于保险机构在产品、营销、运营和客服等多个领域提供深度技术赋能，在研发提效等方面也大有可为。

　　针对当下大模型的发展背景，鄢晶也指出，目前的通用大模型在特定垂类领域上会存在专业性欠佳的问题。金融行业作为数据密集型行业，沉淀了交易、客户、市场、风控等的海量数据，这些数据与数据应用距离在通用大模型上得到有效使用还存在一定差距。

　　2013年，被行业认为是保险科技元年，从信息化（工具化）到线上化，再到数字化，历经十年发展，科技在保险业“步步为营”，持续赋能，以提高效率、降低成本、改善服务质量，从而更好地适应市场竞争和满足客户需求。

　　“随着移动互联网渗透率逐步提高，保险科技迎来了广阔的市场机遇”，鄢晶向蓝鲸财经具体分析道，“以代理人为主要销售渠道的保险行业在互联网模式下看到了新的可能，在移动互联网上构建的保险服务变得更加普惠。”

　　其背后，“海量线上交易数据的积累开始让数据真正能够发挥价值，通过数据驱动精准营销，精细运营以提高效率、降低成本以及改善用户体验。”数字的意义不言而喻，数字化转型也已是行业共识。

　　而近年来，科学技术高速迭代， AIGC、大模型的应用冲击着各个行业的创新逻辑，深度挖掘数据价值，这其中也包括沉淀大量数据的保险业。这也助推行业从数字化应用，更多的偏向基于数字价值的全链路智能化重塑，形成真正意义“数智化”。

　　“在智能化方面，不少保司也开始通过AI重塑保险价值链，在营销、理赔、客服领域开始不断出现智能化场景解决方案。”鄢晶从行业观察角度提出。

　　如“智能语音+语义”在客服、销售环节的广泛应用；运用大数据及AI技术构建精准的用户画像；健康险公司将AI技术与健康管理结合，对用户的健康数据进行分析、评估、检测和预警等等。

　　“当前保险业的数字化转型已经成为一个不可回避的势头”，原中国保险监督管理委员会副主席周延礼在近日的演讲中提出，随着数字技术的快速发展，特别是人工智能、大数据、云计算等前沿技术的融合，保险公司有了前所未有的机会来改革其业务模式。“这种转型不仅是一个技术升级的过程，而且是一种商业模式的变革。”

　　技术的落地应用，是实现真正数智化转型的切口。随着人工智能和自然语言处理技术的不断发展，AIGC已成为保险行业中备受瞩目的技术之一。

　　作为行业技术热点，鄢晶首先强调了AIGC在保险各个环节的想象空间。“基于AIGC的技术应用，具备高度的自然语言识别和写作能力，能够根据特定的对话指令快速生成多种类型和风格的内容，包括纯文本、图文、精美的图片、动画、短视频等。此外，它们还能够支持多轮对话，并随着对话的深入更好地理解意图，从而生成更加精准的内容。”

　　AIGC的特征，如多模态原创内容生成、长距离理解上下文语义、零样本、少样本学习、开放域推理能力等，在鄢晶看来，可以为保险行业客户在保险产品、营销、运营和客服等多个领域提供深度技术赋能，同时还可以应用于日常办公BOB半岛、研发提效等多个方面。

　　鄢晶以众安为例介绍道，当前AIGC主要在客服、营销、中后台运营、法律合规、研发运维、办公协同场景进行发力。

　　“在客服场景，可借助AIGC的意图理解、多轮会话、情绪识别等的能力建设客服智能体系，提升客服坐席效能。典型场景如进线前置AI托管，获取用户意图与业务办理所需的必要信息；生成专业客服话术；会话后辅助生成客服小结并打标。”

　　“在营销方面，AIGC可辅助营销素材、文案生成，以及千人千面的营销策略，结合用户的性格，习惯进行更精准、更拟人化的营销触达。”

　　在研发运维提效方面，鄢晶重点强调了AIGC的价值。“我们相信人工智能在软件开发方面具有巨大的变革潜力，从自动化日常开发任务到提供富有洞察力的代码建议，让开发人员能够更智能、更快速、更少错误地进行编码。”

　　“此前，有如Github Copilot、Bito等非常优秀的代码助手产品，但存在IDE（开发环境）支持、企业内代码理解、代码出境等的问题。”鄢晶从应用角度指出，“基于解决这些问题，以及让AI赋能公司内每一位开发者的立场，我们自研DevPilot代码助手项目。从DevPilot的亮点来看，包括开放模型接入和模型切换；工程级代码理解；多交互模式：Jetbrain IntelliJ支持等等。实际应用中，实现了20%的开发提效。”

　　大模型训练和预测的能力，在很大程度上决定了AI系统的表现。在大模型席卷各个行业，寻求更有价值的落地与应用时，行业越来越意识到，必须从通用大模型向专业垂类大模型过渡，提升大模型的质效。

　　“但是，由于大模型本身的技术成熟度、金融数据安全、算料算力供给等方面的原因，目前大模型金融应用处于初步探索阶段，距离全面深度融入金融价值链产业链还有较长一段路要走”，中国互联网金融协会法规咨询部（研究部）主任肖翔日前在演讲中谈及到。

　　“就当下而言，GPT、Llama等基础大模型更多用于解决通用性问题，在特定垂类领域上会存在专业性欠佳的问题”，鄢晶同样持有这一观点：“金融行业作为数据密集型行业，沉淀了交易、客户、市场、风控等的海量数据，这些数据与数据应用距离在通用大模型上得到有效使用还存在一定差距。因此金融大模型，或者说大模型在金融行业的场景落地存在非常大的空间，且还有很长的路要走。”

　　2023年3月，彭博首度针对金融业推出大语言模型BloombergGPT，推动行业引发关于金融垂类大模型的广泛讨论；在国内，华为云盘古大模型定位为向各行业赋能，分为三个层级，L0为基础通用大模型，L1是基础模型与行业数据结合进行混合训练后的行业大模型，其中即包括金融行业。随后，蚂蚁、度小满等相继推出金融大模型。

　　对于需要处理大量客户数据、理赔数据、市场数据以及合规性数据的保险行业，对大模型在应对此诸多挑战中，有更深的期待。

　　“首先在客户服务和营销方面，大模型可以通过分析大规模的客户数据，帮助保险公司更好地了解客户需求和行为模式，从而提供更加个性化、精准的客户服务和产品推荐”，鄢晶分析道。

　　“理赔处理方面，可帮助保险公司加快理赔处理的速度，自动化理赔审核流程，并更准确地识别潜在的欺诈行为，提高理赔处理的效率和质量。”

　　“围绕风险管理，大模型可以通过分析大量的市场数据和风险数据，帮助保险公司更准确地评估风险，提高风险管理的水平，包括定价、产品设计、资产配置等方面。”

　　合规性管理方面，在鄢晶看来，保险行业需要严格遵守法规和监管要求，大语言模型可以帮助保险公司自动化合规性管理流程，提高合规性的监控和执行效率。

　　最后，值得一提的是，科技之轮快速驱动，但行业的前行者也必须时刻反思。“虽然保险科技发展迅猛，并取得了不错的成绩，但仍然面临许多需要攻克的难题”，鄢晶提醒道，不可以忽视比如传统保险数字化转型缓慢，技术落地困难；监管和合规方面，技术创新很有可能会超出传统监管框架的范畴；技术人才方面，兼具专业保险知识与尖端科技的人才供应不足等。