摘要：剛剛提到的主要是我們的機器人，而智能運營這塊我們做的重點工作是利用AI技術去支持日常運營過程中的一些需求，包括爲客戶、爲用戶推薦平安金管家APP以及在APP上更快速地推薦他所需要的內容，比如說服務需求、保障需求、產品需求。傳統的自然語言相關技術中，但凡我們需要將自然語言處理、文本處理應用在我們的實際業務領域，無論是保險、銀行、投資還是互聯網，都需要進行一系列結合場景的研發工作，讓機器理解一段文本是什麼意思、要它做什麼、回應什麼、執行什麼。

主要結合平安人壽在壽險場景下的人工智能應用實踐跟大家進行一些分享。我的分享有三個方面：第一，平安人壽在人工智能應用方面的佈局；第二，實際壽險場景下的應用落地；第三，應用落地背後的人工智能技術研發。壽險領域和互聯網有比較大的差異，因此我們在AI技術方面也進行了很多的創新探索。

//未來已來：科技驅動保險創新//

隨着科技的不斷發展，保險領域的科技應用也越來越廣泛。而人工智能技術更是由於在2016年之後的出色表現，受到業界的極大關注。深度學習、大數據以及雲計算的發展使得複雜的人工智能算法可以結合產業進行更加深入和大規模的實際落地應用，由此帶來了新一輪的產業創新。

結合保險業的商業模式以及經營方式，科技應用主要有優化產品設計、創新銷售模式、滿足個性化服務需求、智能輔助決策和替代重複性工作等幾個方面。其中一些是聚焦在人工智能領域，比如說保險產品設計，包括產品設計流程和定價；服務模式創新，包括輔助投保理賠相關的提升效率、用戶體驗等；另外在日常管理中，人工智能有一個比較大的作用是替代一些重複性勞動。

中國平安致力於成爲國際領先的科技型個人金融生活服務集團，重點發展人工智能、雲計算、區塊鏈和智能認知等核心技術。基於集團戰略和壽險業務發展需要，我們以“業務智能+”爲建設核心，持續梳理和豐富應用場景，加強核心AI技術自主研發力度，助力平安人壽向科技型保險公司轉型。

平安人壽人工智能應用佈局主要是三個方面。一是服務升級，即提升服務滿意度，爲壽險客戶提供用戶體驗更好的服務；另外一塊是銷售支持升級，主要是支持業務員展業，讓他們更好地爲客戶提供服務，解決客戶的保險需求；此外還有管理方面，包括風險的控制、管理上的升級。

//業務智能化：實際多場景應用//

具體的應用，主要聚焦在這幾塊：服務、銷售、招聘、培訓。

一、AI面試機器人。AI面試機器人是我們去年重點打造的產品之一。我們面試量比較大，候選人來面試會花比較多的時間。AI面試機器人實現了7×24小時隨時隨地的面試支持，有網絡就可以打開並進行面試。利用AI面試機器人進行增員，極大地節約了公司內外勤的招聘人力投入。另一方面，機器人通過專家知識輸入和AI技術進行自學習，從而可以進行專業水準的面試，充分提升了面試效果。

該產品是業界首個大規模落地的智能面試機器人，應用量在整個AI業界也是比較領先的。特別是基於壽險的具體應用場景，我們在人工智能技術方面也進行了很多創新，結合專家經驗實現了一些核心功能。比如說，實現與候選人的全方位、深入交流，去了解候選人並考察他是否符合我們的需求。另外，面試者對我們公司、對於所從事的崗位肯定有很多疑問。針對這一塊，爲了使人工智能能夠更像真人地與候選人進行交流互動，我們也做了大量的研發工作。

這個產品從去年開始已經在我們所有的壽險機構全面推廣，得到了非常多的好評。其背後的核心技術主要有兩個，一是智能問答，另外一個是多輪對話。我們採用了十分創新的融合知識的注意力模型，並結合面試場景下的人機對話自主研發了智能短回應的技術，這在整個AI業界來說也是非常前沿的。

二、智能培訓。平安非常重視人員的培訓，提高業務員技能一定要進行培訓，而且我們人員也比較多。在培訓方面，機器人能夠起到什麼作用或者AI發揮什麼樣的作用，我們也在探索。我們從業務和技術兩個維度進行了深度的調研，並在這個基礎上落地了智能培訓機器人。這個產品目前已經在壽險全面應用，從實際效果來看反饋很好，場景培訓真實程度已經接近於真人的70%。大家知道，人工智能雖然發展了六十來年，但是畢竟是模擬人。而人類發展到現在已經是百萬年來計算了，想要讓機器人更接近人有非常大的挑戰。

三、代理人ASKBOB。怎麼樣賦能業務員，從而幫助他們更好地展業，使得他們能更好地解答用戶的問題以及爲用戶量身訂做產品和服務方案、爲用戶提供符合需求的保障，我們在其中也做了很多的研發工作，包括搭建了助理機器人ASKBOB。這是專門爲業務人員量身打造的智能機器人，實現了智能任務配置和在線銷售協助，構建了任務管理、智能陪練和智慧問答等三大能力。機器人可以爲業務員提供7×24小時在線的專業專屬助理服務，解答他本身的問題，以及服務客戶過程中客戶提出的需求，幫助代理人提高銷售轉化和管理效率。這個產品已經在壽險全面推廣，線上解答率超過85%。

四、智能客服。智能客服是業界非常常見的產品，各個領域都有，我們也結合壽險業務的實際情況進行了智能客服的研發。而我們的特點是將業務辦理、諮詢、信息查詢等一起有機融合起來，甚至包括爲客戶推薦所需要的產品和所需要搜索瞭解的信息。我們的智能客服已經不僅僅是諮詢型、回答問題的客服，而是全方位的客服。

舉一個例子來更好地理解智能客服和目前市面上看到的客服區別。比如說流程相對複雜的保單貸款業務，有不少客戶對這個業務不太瞭解，需要去到櫃面請教櫃員來進行辦理。而現在只需要打開APP，詢問機器人怎樣保單貸款，就可以通過機器人的交互引導，非常順利地把保單貸款辦理下來。這其中採用的是將意圖理解、任務型機器人跟智能問答、多輪對話相結合的技術。我們的任務型機器人目前能夠處理超過一百多種組合的複雜場景，這在業界是屬於領先的。

五、智能保顧。我們也提供面向客戶的保險顧問服務，即智能保顧。通過AI技術，我們的產品可以爲所有客戶提供7×24小時的不間斷服務，解答用戶所關心的保險知識、保險問題以及進行個人保障測評分析、產品諮詢和導購等。保險業的同行們也都知道，現在市場上已經有不少類似產品，而我們的顧問也有很多自己特點，其中最爲突出的是我們的保顧機器人是業界首個基於保障彙總模型的機器人。

六、智能運營。剛剛提到的主要是我們的機器人，而智能運營這塊我們做的重點工作是利用AI技術去支持日常運營過程中的一些需求，包括爲客戶、爲用戶推薦平安金管家APP以及在APP上更快速地推薦他所需要的內容，比如說服務需求、保障需求、產品需求。目前，我們已經基於推薦技術、對話系統、文本分類、文本挖掘、用戶畫像等技術實現了運營需求的系統化支持，平均每日爲金管家用戶提供超過兩億次的個性化服務。

除此之外，我們也在遠程培訓、職場管理、SAT(社交輔助營銷)銷售等多個場景進行了很多的AI技術應用。

//AI驅動：壽險領域AI技術研發//

平安人壽非常注重技術研發，下面我給大家介紹平安人壽在AI技術研發上特有的東西。人工智能這一學科已經發展了60多年，其中涉及到很多領域，在各個領域下的不同場景中所使用的技術也有很大的差異。這裏的PPT是密密麻麻的，我主要爲大家介紹一些乾貨，即在保險實際場景下，我們有哪些創新的、領先的AI技術。我們的AI技術研發與應用主要集聚在三個方向。

第一，自然語言處理，體現三個方面。

一是文本處理。傳統的自然語言相關技術中，但凡我們需要將自然語言處理、文本處理應用在我們的實際業務領域，無論是保險、銀行、投資還是互聯網，都需要進行一系列結合場景的研發工作，讓機器理解一段文本是什麼意思、要它做什麼、回應什麼、執行什麼。其中讓機器理解文本、分析文本的技術就是文本處理。文本處理也很寬泛，我們的研究是聚焦保險領域的，主要包括深度語義表示模型、指代消解、基於生成模型的通用糾錯預訓練模型與保險域糾錯模型等等。

二是智能對話。在人與人的對話時我們是可以很輕易地結合上下文來理解對話內容的，所以當我們在跟機器對話時，也常常習慣性地省略一些主語和內容。比如客戶說“我想買平安福”，那麼接下來可能會接着問“那它的保障週期是多久？”，再問“愛滿分呢？”。爲了讓機器人知道“它”指的是什麼、讓機器人知道關於愛滿分用戶想問什麼，需要把多輪上下文更好地融合起來，因此我們也做了很多工作。此外，在保險的業務場景下，人機對話不能是漫無目的的無聊、瞎聊，而是需要進行滿足客戶需求的寒暄。爲了達到這個目的，並使得人和機器能夠進行更加順暢、自然的交流，我們也做了長時間的探索，包括自主研發了業界領先的將知識、主題和文本生成模型結合起來的生成式寒暄對話。

三是問答技術。我們實現了基於知識庫的問答、基於知識圖譜的問答、基於注意力和語義矩陣的語義不對等問答技術多種智能問答技術，使得我們的機器人能夠更加精準的理解用戶的問題，並提供更加準確和全面的回答。

第二，推薦廣告。

大家用新聞APP時經常發現APP會給你推薦你感興趣的新聞信息，這背後都是有着推薦技術的支持。我們的客戶在使用金管家APP時也會期望APP能夠提供他所需要的資訊服務和產品，而我們只有瞭解客戶後才能更精準地推薦他所需要的東西。所以，我們從用戶理解、推薦算法等各方面做了許多創新的嘗試，並應用了業界前沿的強化學習、客戶興趣圖譜等技術。

第三，計算機視覺。

目前，計算機視覺尤其是人臉考勤或者人臉識別技術已經爲大家所熟悉，我相信大部分朋友都有使用過。結合壽險的具體場景，我們也對在服務、培訓方面，計算機視覺技術的應用進行了一系列探索。比如說圖像識別及搜索、視頻合成等技術，我們對這些技術應用的精度要求高，定製化需求大，並且應用規模比較廣，這就需要運用到一些非常複雜的算法。非常複雜的算法意味着需要大量的計算能力或者說算力，算力則需要硬件支持。我們做了很多的技術研究，使得在使用複雜模型的情況下，消耗更少的資源。

前面介紹了平安人壽AI的主要方向，即自然語言處理、計算機視覺和推薦，也介紹了主要應用的場景。我們的場景非常豐富，那麼怎麼樣能夠更快速地支持產品發佈，更好地支持我們的業務，就需要我們探索一套更好的業務應用與技術研發的模式。

一方面是數據標準化，人工智能提升能力的重要基礎是有優質的知識和優質的數據，優質的數據標準化才能更好地知識化。人工智能的智能實現是非常依賴於知識的。一個機器人或者一個AI能夠解決多少問題，除了本身技術上的突破之外，必須要有足夠的知識。這是我們在探索的事情，也進行了大量的研究工作；

另一方面是開展計算能力相關工作，這麼多產品、這麼複雜的模型要去運算，怎麼樣能夠支撐到？我們也在進行一些計算能力的模塊化，並搭建了面向深度學習的分佈式高性能計算平臺；

最後，對於如何將需求轉化爲產品、將需求轉化爲技術，將技術轉換成服務以滿足業務需求，我們也實施了包括技術調研、開發、實驗、測試、系統發佈等的一套AI研發流程。除此之外，爲了加速業務賦能過程，我們也研發落地了壽險人機交互應用平臺、機器學習平臺、智能營銷平臺等面向應用的技術平臺。