场景加持AI更可怕！这家险企一出手就刷新世界纪录

admin · 发表于 2019-11-26 15:47

EDA365欢迎您！

您需要登录才可以下载或查看，没有帐号？注册

x

场景加持AI更可怕！这家险企一出手就刷新世界纪录

量子位的朋友们 2019-11-26 15:08:24 来源：量子位

允中发自凹非寺
量子位编辑 | 公众号 QbitAI

或许在你意料之外。
近日，在第八届对话系统技术挑战赛（DSTC8）中，“端到端的问答预测任务”、 “基于Schema的对话状态追踪”以及“面向多领域端到端对话系统”等三项赛事的第一桂冠，均被同一家公司夺走。
但不是BAT，也不是哪家AI独角兽……
而是品牌响亮但不常与“科技”、“AI”直接相关联的平安人寿——中国平安旗下，核心业务是人身险业务。
其人工智能研发团队在斩获三项赛事第一桂冠同时，甚至还在“端到端的问答预测任务”赛事中，大幅度刷新了之前由阿里巴巴达摩院创造的历史最佳纪录。
所以究竟是怎样的业务场景？又包含了平安人寿怎样的人工智能研发能力？
3项赛事第一

第一项，“端到端的问答预测任务”赛事，(NOESIS II: Predicting Responses)。

该赛事要求解决不同领域对答预测问题，除了要精准理解问题、准确抽取问题槽位与识别长难句的多个不同意图外，还要在缺乏领域知识的前提下，从十分庞大的候选集里精准预测唯一答案。
平安人寿利用BERT预训练技术，研发了基于知识图谱的语义匹配和对话回应选择模型，总分达0.7914。
该成绩较2018年第一名阿里巴巴达摩院创造的世界纪录，大幅提升13%。
第二项，“基于Schema的对话状态追踪”赛事，（Schema-Guided State Tracking）。

该赛事要求解决对话系统的状态追踪问题，难点在于zero-shot learning，缺乏训练语料，是业界公认的难题。
平安人寿人工智能研发团队提出了基于机器阅读理解技术的状态追踪算法框架paDST（Dialogue State Tracking as Machine Reading Comprehension)。
结合大规模语料预训练的XLNet模型和roBERTa模型来实现对话状态追踪，最终实现准确率达到86.53%。
第三项，“面向多领域端到端对话系统”赛事,（End-to-End Multi-Domain Dialog Challenge）。

该赛事要求优化端到端的对话系统，难点在于系统需要支持多领域多轮对话，大大提高了优化的难度和系统的复杂性。
平安人寿人工智能研发团队研发了基于BERT的NLU模型和多意图自然语言生成算法相结合的端到端对话生成技术（End-to-End Dialogue Generation based on BERT-NLU combine with Mutil-Intent-NLG），最终实现任务的完成率达到88.80%，远超系统baseline 66.40%，在评估指标F1上超过第二名6个百分点。
对话系统技术挑战赛（DSTC）是由微软研究院和卡内基梅隆大学的科学家于2013年发起的一项国际顶尖人工智能竞赛，旨在带动学术与工业界在对话技术上的提升，在对话领域具有极高的权威性和知名度，迄今已举办八届。
比赛结合时下最前沿、最具挑战性的对话系统技术问题设置比赛任务，鼓励学术和工业界的研究人员探索和开发解决方案。
本届DSTC8由微软、Google、IBM研究院、Adobe研究院、CMU、清华大学等联合举办，吸引了全球超百支来自知名企业、顶尖大学及研究机构的代表队伍参赛。
传统寿险公司AI蝶变

实际上，历届DSTC中获得赛事冠军的中国企业，不乏阿里、腾讯这样的IT巨头。
而平安人寿今年脱颖而出，并不在通常印象之内。
但如果对平安人寿拥抱新技术、拥抱AI变革的行动有所关注，或许一切都在情理之中。
特别在人机交互技术、对话技术领域，平安人寿目前甚至达到了业内领先水平。
作为传统寿险公司，平安人寿的科技赋能何以弯道超车？
业内人士表示，传统金融企业的科技转型，主要是在两方面下功夫。一是在“前端应用”方面，聚焦于业务的线上化和移动化处理；二是在“后台支持”方面，提升核心系统的承载能力。较早探索科技转型的平安人寿，已积累一定经验与优势。
领先的前端应用和后台支持，只是管中窥豹所见的一斑。全豹所在，是平安人寿在整体布局和转型决心之下的苦功。
近年来，中国平安不断深化“金融+科技”，探索“金融+生态”，致力于成为国际领先的科技型个人金融生活服务集团。秉承集团战略规划，平安人寿积极推进“科技+”、“产品+”，为实现价值经营提供强大动能。
据平安人寿内部人士分析，在科技转型方面，平安人寿历经1.0传统科技阶段、2.0科技互联网阶段，目前正迈进3.0人工智能阶段。在这几个阶段，公司逐步转型升级，提升了线上化、自动化、智能化的经营能力。
1.0传统科技阶段，代理人队伍管理是PC端在线管理，主要进行招募、培训、业绩管理等，代理人通过MIT线上展业，客户通过PC端获得在线服务；
2.0移动互联阶段，在线管理功能愈加精细化，升级增加移动端，覆盖全流程的在线增员、线上远程培训、全流程在线活动记录、MIT移动展业及金管家APP移动端服务等；
迈向3.0人工智能阶段，平安人寿以人工智能和大数据为核心，关注发展人工智能应用，着力提升工作效率、优化用户体验、辅助决策，推动智能化转型升级。同时，平安人寿依托海量数据及先进算法，构建画像和预测模型，全力支持数据化经营。
平安人寿人工智能团队负责人介绍道，在瞄准的人工智能领域，平安人寿专注攻克深度学习、自然语言处理、知识图谱、智能推荐、计算机视觉五大核心技术，聚焦招聘、培训、销售、服务、风控五大应用场景，自主研发多项业界领先AI应用，全面赋能百万级代理人、服务亿级寿险用户，并搭建了完善的AI平台体系，加快沉淀技术能力，构造出寿险AI生态圈。
AI落地、场景天然

这一年来，AI落地中“价值红利”流向的问题也被广泛讨论。
一方面，有技术的技术公司寻找场景落地，但另一方面，有场景的公司更是直接利用AI升级业务，并迅速实现了降本增效。
比如在此次平安人寿夺取3项赛事第一后，更多AI技术落地、发挥效能的案例也受到关注。
从销售、服务到整个平台，AI都已经在发挥重要作用。
“销售赋能”方面，AI技术已成熟运用在代理人的招聘、培训和销售支持场景。
平安人寿通过自主研发开创性地搭建了一整套代理人智能赋能方案，上线AI面试官、代理人AskBob、远程培训等功能，实现代理人全流程智能化管理，同时创下业内多个“第一”。
作为保险行业首个大规模应用的智能面试机器人，AI面试官具备人脸识别核身、多媒体展示、全流程语音交互、拟人化互动、专家经验赋能和面试智能评价等核心功能，平均每月完成30多万次面谈，每月面谈时长约5万小时。
作为保险行业首个业务员助理机器人，代理人AskBob为代理人提供多种销售赋能工具，高效便捷解决代理人疑问、提供销售指引，帮助代理人提高销售转化，自上线至今年9月末，累计服务2.7亿人次，9月当月日均访问量达150万人次，是代理人最贴心、及时、全面的专属智能助理。
“远程培训+线上学习”机制，依托图像识别技术实现无感考勤、情绪识别等功能，运用智能推荐技术，结合代理人能力长短板，实现千人千面配课方案。结合用于一对一训练和考评的AI陪练机器人，不仅能够智能考试及评分，还能扮演客户模拟实际业务场景的交互。据统计，每月代理人线上学习超3千万次。
“服务赋能”方面，AI技术已成熟运用在客户服务、保险顾问、智能运营场景。依托拥有亿级用户的平安金管家APP，平安人寿推出客户金融生活服务助理——金管家AskBob机器人, 持续加强在线客户服务能力，致力于为客户送上“简单、便捷、友善、安心”的消费体验。金管家AskBob机器人是由知识驱动的多功能客服系统，融合在线办理复杂业务和服务咨询的客服功能，以及专家级智能保险顾问功能。
此外，平安人寿还推出了AI视频客服，通过计算机视觉、人机交互和深度学习等技术的应用，该视频机器人可实现逼真的语音播报、表情生成和拟人实施对话，对客户带来拟真视频形象交互、7*24小时在线互动、保单信息即时调阅的“真人服务”临场感。
“平台赋能”方面，为了更高效高质的支持业务需求，平安人寿打造了一系列结合寿险业务特点的技术平台，包括人机交互平台、智能知识中心、图像分析平台、智能营销平台、深度学习平台等。
新旧动能转换，AI等新科技推动险企高质量增长

所以平安人寿的应用也带来新启示。
当我们关注AI带来的赋能和降本增效时，不能完全再以科技公司为核心了。
拥有多元广泛业务场景的“传统”企业，AI可能正带来显著的变革。
就平安人寿所在的人身险领域而言，当前保险行业已迈入高质量增长阶段，在粗放型规模增长转向质量型增长过程中，科技发挥了不可替代的作用。
根据最新披露的2019年前三季度业绩，平安人寿稳中有升，增幅放缓，但业务质量显著提升。
截至9月末，平安寿险及健康险业务的新业务价值588.05亿元，同比增长4.5%。平安寿险代理人数量124.5万人，前三季度代理人人均个险新保单件数为1.39件/月，同比增长9.4%。代理人队伍质量提升，显然离不开“AI+代理人”等新科技、新应用的赋能。
平安人寿总经理兼CEO余宏曾在年初的一次采访中表示，公司将借助“产品+”、“科技+”，从传统型寿险公司向科技型寿险公司转型，将科技赋能到所有主要的经营场景。
今年9月，平安人寿宣布开启全面数据化经营转型，构建五大智能中心和五大销售区域，以强化科技赋能和价值经营，确保公司战略稳步推进，实现有价值的业务增长和有质量的人力增长。
业内人士表示，保险业动能切换、增速换挡之际，人工智能、大数据等前沿科技或将在高质量增长转型过程中发挥更大作用。
— 完 —
版权所有，未经授权不得以任何形式转载及使用，违者必究。

『本文转载自网络,版权归原作者所有,如有侵权请联系删除』