2月24日,谱蓝CTO于鑫做客保观线上会客厅,与保观COO吕子睿、成都知识视觉科技有限公司CEO向飞共同探讨——从想象到现实:ChatGPT在保险行业落地有多难?
近期,ChatGPT凭借类人的语言理解和表达能力掀起新一轮AI应用热潮,各个行业都在不断地试验、探索应用场景和创新机会。谱蓝已持续多年投入AI驱动的保险业转型业务模式,结合可解释人工智能因果分析算法,打造To B深度运营领域的ChatGPT。
但放眼保险赛道,ChatGPT真有那么“神”吗?ChatGPT要如何落地营销场景,成为保险行业数字化转型的重要驱动力?
ChatGPT落地保险行业
四大难题亟待化解
ChatGPT是否被神话?于鑫给出肯定的答案。
ChatGPT在保险行业落地的局限性,他提出了以下四点。
合规问题
ChatGPT仍然是一个“黑盒”模型,缺乏可解释和溯源能力,无法支持复杂决策任务的可信计算。
数据安全问题
使用ChatGPT的过程中涉及大量数据的收集和处理,无法保障数据安全。
成本高昂
大模型的稳定训练并实现优异性能需要极高的计算成本和工程实现能力。
专业适用性
保险销售专业性强,有明确的业务目标和服务对象,复购转化过程尤为需要专业知识、业务逻辑和情商沟通技巧的支撑。ChatGPT缺少知识驱动,难以突破专业问题理解瓶颈。
综合以上,ChatGPT走向应用落地,道阻且长。
想在保险行业有效运用
ChatGPT要具备这一点
如何攻破ChatGPT落地难题,关键在于如何将大模型的通用能力和保险行业专业场景下垂直能力进行融合,形成规模适宜、性能优秀的AI产品,这对于任何一家企业而言都是一个巨大的挑战。
对此,于鑫分享了谱蓝团队的相关经验。
融合因果算法,辅助私域运营
他首先提出了使用ChatGPT的指导原则和方针,即在使用之前,需要对以下几个问题进行判断:
使用场景是否严肃?
工作对于输出结果的正确性是否敏感?
一旦结果出错,能否承担后续责任?
确认无误后,再来讨论ChatGPT的应用。
私域运营和保险转化是人工智能规模化落地的重要场景,此前谱蓝云已经拥有一个成熟的、可以直接对跨行业跨领域应用的因果AI引擎。它基于图灵奖获得者Judea Pearl所编写的因果图算法,谱蓝结合去年5年研发的因果NLU算法,首次在全世界范围内将因果算法应用在深度营销领域。
应对专业适用性难题,谱蓝将因果AI和因果NLU算法加入大语言模型之中,弥补ChatGPT在专业领域的缺陷。
客户提出问题后,先由因果NLU做初步分析,利用算法在构建因果图后,提取出客户当前的情感标签,比如信任度、急迫程度等等。
谱蓝因果实验室演示
通过评估客户的情绪,再将提问转至ChatGPT,让其能够结合上下文,理解到客户背后的真实意图,给予销售人员一定的提示。
谱蓝销售助手演示
谱蓝NLU算法的融入,提升了ChatGPT的情感感触,让它更好地理解用户问题,从而进一步拉升产品的用户体验,真正辅助整个保险销售链条。
分析客户画像
应用思路广泛,助力保险前后端运作
ChatGPT应用前景广阔,其强大的自然语言处理能力和灵活性可以在多个领域中发挥作用。在直播中,于鑫分享了ChatGPT在谱蓝业务中的其它应用空间:
1.编程机器人
ChatGPT具备与编程相关的基础知识,可以根据程序员的需求编程或debug,大幅提升编程效率,改善编程质量。
2.营销内容生成
私域运营的一大关键在于内容。ChatGPT拥有海量的语料和素材,可以帮助保险销售前端产出贴近用户兴趣且高质量的文本内容,如种草科普、转化增员等,极大提高文章的生成效率,快速打造内容素材库。
推广软文通过公众号、朋友圈、顾问1V1运营等多渠道触达用户,有助于打破行业信息壁垒,收获有效新客户,提升转化率。
3.售后客服
谱蓝将ChatGPT嵌入客服体系中,凭借其强大的的语言理解能力,可广泛应用于多种对话问答场景。根据客户问题的类型触发相应的服务系统,返回对应的数据。
4.保单管理
提取保单信息后,ChatGPT将信息归纳和提取成结构化的数据,准确率可达到87%。
于鑫认为,ChatGPT的发布是一个里程碑式的节点。它让AI不再是一个遥不可及的技术名词,而是可以触手可及、实实在在的智能应用工具,驱动行业数字化加速转型。
ChatGPT可应用于保险行业非销售、非核心的环节,但在核心的运营转化、销售环节,落地可行性仍需考量。目前人工智能在文出图、视频领域等已开始冲进大众视野,保险行业未来必然有更多探索空间。
AI+保险的探索仍有广阔空间,谱蓝团队持续发力,致力于将因果AI和大语言模型相结合,打造出相对成熟的人工智能产品。
谱蓝期待这场科技革命会为保险行业带来更加美好、高效的未来。
(扫码可观看直播回放)