您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
金融科技 正文
发私信给周蕾
发送

1

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

本文作者:周蕾 2019-07-23 15:23 专题:CCF-GAIR 2019
导语:紧密贴合业务的AI才是好AI。

雷锋网按:7月12日-7月14日,2019第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

AI在保险行业会如何落地?平安寿险总部人工智能研发团队总经理沈剑平在「AI金融专场」上表示,目前AI和寿险业务结合,已经在代理人面试、培训、销售支持、客户服务、保险顾问、营销等环节落地应用,囊括深度学习、自然语言处理、知识图谱、计算机视觉等多项技术。

会上,沈剑平以“AI技术在保险领域的应用实践”为题带来演讲分享。以下为主题演讲内容全文,雷锋网做了不改变原意的编辑与整理。

AI技术在保险领域的应用实践

随着大数据、云计算、人工智能高速发展,科技在保险行业的应用越来越广泛,寿险行业如何充分运用人工智能等前沿技术,以寻求高质量的发展模式显得非常关键。

为实现“科技赋能保险”,平安寿险在人工智能领域,重点布局深度学习、自然语言处理、知识图谱、智能推荐、计算机视觉等前沿技术,全面赋能销售、服务、管理三大领域。下面我将结合寿险业务场景,从应用层面以及应用背后的技术,特别是这些技术有哪些特点,给大家做分享。

一、从招聘到销售,AI赋能保险代理人

1.智能招聘

平安寿险拥有140多万代理人,针对招聘环节会出现面试量大、人力投入多、筛选困难等等痛点,我们自主研发了业界首个大规模应用的面试机器人「AI面试官」,实现了面试过程标准、专业及可控。我们希望达到的目标是,面试机器人可以给到用户拟人化、情感化的面试体验,就像真人面试官一样。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

面试开始前,通过人脸识别、语音识别对用户进行身份验证;通过识别后,用户就可以进入系统开始面试了。面试过程中,用户与AI面试官全流程语音交互,就像真人面试一样进行对答。

为了让AI面试官可以围绕候选人回答进行回应和提问,我们打造了一个面向面试场景的特殊对话系统,重点运用FAQ问答、多轮对话、智能提问等技术,还结合拟人化面试交互需求,创新性的研发了智能短回应技术。这些工作带来的效果是:比如AI面试官问候选人“你怎么过来的?”,他回答说“跑过来的”。那AI面试官可能会回应“那过来路上挺累的”,过渡一下才进入下一个问题,这样的交谈对话就比较自然。

除了拟人化的交互过程,AI面试官最终会根据候选人的面试表现,生成智能化结果评价,从不同维度评价候选人的业务能力,检验是否符合招聘需求。

2.智能培训

代理人经过招聘进入公司后,就需要通过个性化、全方位、多维度的培训提高专业服务技能,平安寿险打造了“远程培训+线上学习”的培训机制。

以远程培训场景为例,通常是培训老师在这间教室做演讲,但培训学员在另一间教室。我们运用N:N人脸识别、微表情识别等图像技术,让老师实时了解课堂情况,从而优化课程互动与监督、提升培训效果。另外,课件质量也非常关键,我们也在通过AI视频合成技术把课件做得更丰富、更具互动性。

在线上学习方面,我们运用智能推荐技术,结合代理人能力长短板,实现了千人千面配课,让代理人可以进行个性化学习,提高效率。

除了线下、线上的学习,还需要考试评价环节来判断学员对知识的掌握程度。传统做法是老师与学员一对一训练,但这样人力成本很高。因此,我们研发了「AI陪练机器人」,不仅可以给代理人做智能考试及评分,还可以模拟实际业务场景扮演客户角色与代理人进行语音演练。

3.个人销售助理

销售支持方面,我们上线了“代理人AskBob”,是代理人的个人销售助理机器人,可以协助代理人给客户提供更专业的服务。

代理人ASKBOB的一个重要功能是知识助理,当代理人需要了解保险知识、保险产品信息时,通过智能问答、知识聚合等技术,知识助理可以高效、便捷地解决代理人疑问。此外,“代理人AskBob”还可以结合不同的客户情况,给代理人提供针对性的专业保险销售方案建议,帮助代理人为客户提供最优保险方案。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

4.技术难点:低资源攻关

前面提到保险行业的招聘、培训和销售环节,都有个很重要的特点:场景偏线下,数据有限。刚才杨强教授也提到,金融行业很重要的特点之一是有些场景下样本比较少。针对这一特点,我们也进行了很多探索。

  • 少量样本下的文本去噪

在语音交互场景下,用户的语音输入可能比较随意、口语化,比如一句话里面包括多个意图,也可能是表达很长一段话,有用信息只有一小段。

以任务型机器人为例,任务型机器人既可以办理业务,也可以回复问题咨询。问题咨询虽然有标准库,但标准库难以海量扩展。而且实际情况很可能是,用户输入大段对话,在提炼之后只是一个小问题点。另外,寒暄其实也是难点之一,如果要解决长文本生成长文本的对话,进行数据标注的工作量非常大。通过对话生成模型处理这么长的文本,生成另外一个回复或者短回复,可行性比较低。

所以文本去噪,就很有意义,其中比较有效的,是我们通过强化学习来做这个事情。如这个简化的网络图,总结来说,即先对长文本进行text representation,然后通过策略网络来判断,用户输入大段文本里面,哪一句话应该保留,把不应该保留的删除,剩下的就是应该保留的。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

我们还做了辅助判断网络用来判断保留下来的文本是否是好的。辅助判断网络可结合不同的任务有不同的定义,在该例子中,辅助判断网络是用来做文本分类,用于保全业务:加保、退保分类等等。该分类器的训练数据比较容易找且任务简单,可以快速得到分类器。策略网络根据分类结果反馈,就可以进一步更新模型,从而在少量的样本下实现去噪问题。

  • 小样本下的意图识别

刚才提到AI面试机器人中不同问题有不同回答,不同回答要有不同反馈。当问题很多、反馈很多的时候,有成千上万的意图,且意图还会随着产品的迭代不断增加,不可能每个都做大量的标注数据,那么就需要做小样本的算法。我们开发了一个效果样本库,建立了一套标准化框架:“检索à排序à分类”的小样本意图分类算法框架。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

主要特点是将语义和文本的检索结合起来。然后在排序方面,我们结合了预训练匹配模型和bert-rank模型、并基于最大间隔的学习排序策略让相关和无关意图充分区隔开,最终得到的排序结果,再引入attention方法进行分类。这样只需要小部分样本也可以实现比较高的识别准确率。整套标准化框架将分类算法与排序算法相结合,实现在少量样本情况下的精准意图分类。

  • 文本和图像的数据扩展

数据扩展方面,我们也做了技术攻关。比如文本,使用大规模的中英翻译语料训练双向神经网络翻译模型,这种双向模型既可共享参数,也可以不共享参数,两种我们都尝试。在人工翻译里,对于同一个词不同的人有不同译法,我们很好的利用了这个特性。在应用中我们发现,经过该模型构造问答物料时,可以扩展很多相似问。

图像也是类似的,像刚才提到的培训场景,里面运用了N:N人脸识别考勤。但实际问题可能是,现场很多人是侧脸或趴着的,在这种情况下,系统怎么识别他本人?这时候最好有大量的非正脸训练样本,但人工标注成本高,我们采用正脸样本和标准模型相融合,通过生成非正脸样本的方式,可以比较好解决问题。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

二、深耕复杂客户服务场景

在客户服务上,我们主要做两部分:一是打造智能的客户服务产品,二是综合运用AI技术辅助在线客户经营。

1. 金管家AskBOB

有别于传统的智能客服,我们希望我们的“智能客服”可以全方位满足客户售前、售中、售后需求,除了基本服务咨询功能外,还可以提供复杂保险业务办理等功能,并作为客户专业的保险顾问、智能的生活助理。因此我们升级了我们的智能客服,打造了一个客户智能金融助理-金管家AskBOB,涵盖了专业的智能保险顾问,贴心智能客服,以及智能的生活助理。其中,在智能客服方面,我们把任务型、闲聊型、FAQ、知识图谱问答、信息查询等技术有效交叉融合实现复杂的客户保险业务服务需求,特别是目前可以通过人机交互直接办理复杂保险业务,支持超过120种组合状态的复杂交互。比如保单贷款,这种业务的复杂程度很高。现在智能客服可以做到什么程度呢?客户从不知道什么是保单贷款,到了解哪些保单可以做贷款,到最终完成贷款办理,全流程都可以根据智能客服指引完成。

智能客服上线后,通过人机交互在线办业务,办理时长从原来的3天到现在最快1分钟搞定。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

2.智能运营

在线上运营方面,大家如果打开平安金管家APP,会发现上面绝大部分模块已经实现千人千面。智能推荐系统相信很多人很熟悉,而我们的特点是:1、在信息比较稀疏的情况下,刻画客户兴趣图谱。2、面向不同推荐场景,背后打造了一个统一的推荐平台,做多场景互动的全局推荐技术。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

3.技术攻关:对话引导

服务场景下的对话也很特殊。比如寒喧,它不是没有意义的,机器人是要往保险服务方向引导。做对话引导的方式有很多。比如我们做的基于知识驱动的对话,通过知识图谱并结合前文,来预测下文需要什么知识和主题状态。然后将知识、主题状态和上文输入到end2end模型里面最终得到引导回复。

举个例子,客户提到“自驾游”,系统可以自动关联到“自驾游”相关的知识,并结合上下文知识,当前客户有保险需求的状态,因此我们会给他生成具有“百万任我行”保险产品的回复来满足他对出行的保险需求建议。但人与人的对话,通常是先回复过渡再提出新的话题中心,前面例子中直接推荐产品比较生硬,为了不影响客户体验,我们通过添加属性控制,捕捉属性特征,从而生成更顺畅的智能短回应文本作为回复过渡。所以机器人在回应客户时,可能会说“去旅游放松心情挺好的”然后再推荐保险产品,完成从“开放闲聊”到“产品推荐”的自然过渡。

平安寿险沈剑平:深耕应用场景,持续探索AI赋能保险 | CCF-GAIR 2019

三、平台建设及技术创新

要更高效高质的支持业务需求,我们通过深耕寿险业务智能应用,打造了一系列结合寿险业务特点的技术平台。比如,我们打造了高效、灵活的一站式寿险人机交互应用平台。

人机交互应用平台是由对话引擎驱动的,我们主要实现了整个流程的可配置化,并且每个功能点都可以做单独的机器人,同时实现了功能引擎化、服务独立化、引擎框架化。框架化的好处是可以让算法工程师快速结合业务需求进行迭代。其次是建立智能知识中心,尤其在小样本场景下,知识驱动AI是很重要的研究方向。

此外,我们还做了一系列平台支撑,主要包括智能营销平台、图像分析应用平台以及深度学习应用平台等。

刚才介绍了一系列寿险AI应用和技术创新,这些其实是有一支人工智能队伍在背后作为支撑。我们的团队主要专注人工智能技术的研究,以及结合寿险场景的应用落地。未来,期待和大家交流人工智能这个有意思的技术,探讨在复杂业务场景下的技术攻关,谢谢。

雷锋网雷锋网雷锋网

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

编辑

云计算、To B、金融科技。丨微信:LorraineSummer
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说