新技术发展如火如荼的当下，一场以生成式人工智能（以下简称“AIGC”）为驱动的浪潮正向全行业席卷而来。
(资料图片仅供参考)
日前，国家网信办联合国家发展改革委、教育部等部门公布《生成式人工智能服务管理暂行办法》指出，鼓励生成式人工智能技术在各行业、各领域的创新应用。支持行业组织、企业、教育和科研机构等在生成式人工智能技术创新、数据资源建设、风险防范等方面开展协作。
普华永道中国金融业管理咨询服务合伙人、数字化产品创设咨询服务合伙人张为峰告诉《中国经营报》记者，“保险企业在数字化、智能化方面的建设一直处于金融行业前列，以数据模型为代表的传统AI应用较为成熟，如智慧增员、智慧投保、智慧理赔、智慧风控、智慧客服等场景，头部公司甚至覆盖到保险作业链的各个环节。AIGC的核心在于自然语言识别、知识理解与内容写作，较保险行业各类传统AI模型有着明显的提升空间。目前，头部保险企业已经成立大模型团队，启动部署保险行业大模型以及各职能条线的场景应用探索，预计下半年将会有不少行业的AIGC场景投入使用。”
保险业或成最佳细分应用领域
AIGC指一种可以学习复杂数据结构和规律，并用这些规律来生成新数据或解决问题的算法。
较之传统技术，AIGC在诸多方面有所突破。《AIGC/ChatGPT保险行业应用白皮书》指出，传统技术是基于规则、模板或统计方法的系统，一般只能用来解决一类问题，超出问题定义范围外的适应性通常有限。相比之下，AIGC基于海量无监督数据进行训练，由于模型强大的表达能力，大模型能够学习到数据之间的语义关系和逻辑关系，拥有对各种问题的理解能力。
“一般认为，所有知识存在于大模型内部，用户需要做的就是以一种合适的用户输入激活模型对当前话题的相关记忆，并通过生成过程来解决当前问题。而合适的用户输入一般是少样本提示词，甚至是零样本的提示词，仅靠问题即可激活模型的记忆。这种零样本、少样本学习的能力使得AIGC能够随时适应特定的环境或领域，更加熟练地理解和响应行业特定的术语、用户偏好和语言风格，从而更好地理解和响应行业特定的术语、行业知识或用户偏好。这种自适应学习的能力在商业场景中具有独特的优势。这种能力可以识别大量信息之间的关联与联系，建立起庞大的知识网络，为未来企业级的知识库和决策支持系统的搭建奠定了基础。”上述白皮书显示。
张为峰认为，目前AIGC已具备商业化应用的基础，数据规模、数据质量保障是大模型应用的关键，而保险行业作为数据密集型行业，具备先天数据优势，加之政策支持、业务需求与财务支持，保险业将成为AI大模型的最佳细分应用领域之一。[page]
针对现阶段的应用现状，众安保险中台首席架构师鄢晶向《中国经营报》记者表示，“当前，保险行业对于AIGC的应用更多处于观望状态。首先，监管方面相关的政策不是很透明；其次，AIGC能够实际产生怎样的效益，也存在诸多的不确定性，走得比较靠前的一些企业更多是在进行小规模的投入探索。一些头部的保司目前正在发力建设行业大模型。”
助力保险营销内容生成和供应
据鄢晶介绍，具体来看，保险公司现阶段在以下方面开展了探索，比如营销文案、促销文案、视觉设计素材的生成；AIGC对于外部PR推文可以进行调优，或者以文生文，以图生图；作为强监管，保险业对合规性的要求较高，在合规检测方面其也有相应的应用；在落地性上，或者是有明确效益的方面，如在办公方面，AIGC作为办公助手的表现非常优秀，比如辅助生成PPT框架；在保险业务层面，比如营销以及客服方面场景，AIGC可以识别用户的语义和意图，进而辅助生成客服的话术。AIGC在赋能营销上有比较大的想象空间，客服方面比较容易落地。但AIGC真正跟业务产生有机的化学反应方面还在摸索阶段。
对于AIGC如何运用于保险营销，张为峰进一步指出，首先，AIGC可有效助力保险销售内容的生成和供应。在保险销售领域，有大量的内容支持需求，包括保险产品知识和保险销售知识。传统模式下，保险公司一般设有专门的内容部门或者采购渠道，负责这类内容的生产和分发，保险人自身也需要花费大量的时间来学习和创作这类内容，比如话术、案例、视频等。AIGC更高效的知识理解和内容创作能力，可以在销售场景快速生成符合销售场景需求的内容，甚至直接提供多模块的内容输出，极大提升销售场景内容供应效率。
“其次，AIGC可有效进行保险策略和保险产品组合的生成。保险产品的销售具有个性化和组合化，不同客户不同阶段进行保险推广时转化概率不同，在实际销售场景中，对用户信息或需求的获取多数以交谈方式获得，非常具有场景化和个性化，保险公司或者代理人在接收和理解上，需要进行各环节或阶段的转化。AIGC的内容处理模式完全能基于人类语言交互，在销售场景可快速协助保险代理人识别和理解客户需求，并输出符合其需求的产品策略或组合，大幅缩短方案生成效率，有效缩短决策旅程，进而提升转化率。”张为峰表示。
中韩人寿首席战略官刘大勇向本报记者表示，“目前很多公司运用AIGC是基于市场上的海量信息做迭代，如果能进行内外部联动，使其能学习公司内网的知识，进行内部部署，会给公司提供更多的便利。但现在这部分做得还不够。”
对此，鄢晶指出，对于保司而言，如果希望将通用大模型与企业已有的数据产生有机结合，有以下几种方式。第一种方式，是采用头部保司现有的做法。一些头部保司正在训练自己的行业大模型，相当于基于已有数据，再加上一些预训练的大模型进行微调，以此产生行业大模型。“这种方式的落地效果好，但由于对数据的质量以及成本有非常高的要求，需要有非常多的人才储备和技术的支持，包括算力的要求，所以只有一些头部保司才‘玩得起’。”鄢晶表示。[page]
“另外一种比较好的实践就是‘提示词工程’，其成本相对比较低，对算力的要求不是很高，仅依托通用大模型的能力来集成企业已有的数据与知识。换言之，是将企业的知识嵌入到大模型，而不影响模型本身，这一方式正处于探索阶段。众安保险就是基于这一策略，将企业的知识一键嵌入到平台当中来做相应的对话问答。”鄢晶说道。
数据安全、合规问题显现
未来，AIGC在保险全流程场景上具有更大的想象空间。
张为峰认为，AIGC不仅仅是一组生成对话、文章、图片的工具，而是可以与桌面计算、移动计算相提并论甚至更具颠覆性的信息变革。首先，保险从业人员的能力结构将发生改变，将大幅减少前线投保、核保、理赔等场景中低价值作业人力，人均作业效率将大幅提升，保险人力向“懂AI、用AI、管AI”方向发展。其次，行业中的保险监管单位、保险企业对保险从业人员的内容式管理和支持，将逐渐转变为保险认知大脑的支持，即从提供内容变为提供方案，服务效率和服务即时性将大幅提升。此外，AIGC在个性化产品设计与定价、潜在风险预警与管理、代理人销售辅助、个性化营销材料设计、保险产品推荐与客服咨询、与核保理赔均存在广泛的想象空间。
对于未来险企的探索路径，鄢晶不建议险企投入建自己的大模型。“未来一定会有一两个大模型，它会具备通用的以及行业的能力。未来大模型的策略，更多的可能是会通过建立生态的方式，去融入更多行业的知识。另外，很多保司会与一些互联网厂商合作，这其实更多是去降低人才上的要求，能够缩短路径，让保司以更低的对人才上的投入来实现它的目标，但它对数据复杂度、算力、财力投入的要求基本上是无法降低的。”
AIGC为险企赋能的同时也面临很多潜在挑战。鄢晶认为：“在使用层面，保险是一个强监管的行业，数据的合规性、安全性上都会面临问题；在效果层面，如何确保生成的内容不会误导客户，甚至不会产生一些负面影响，这也是在使用过程中会面临的挑战。所以，AIGC如果直接面向C端用户，或者直接应用于业务场景当中，当前还不够成熟。”
张为峰指出，AI大模型的数据安全与隐私保护、偏见歧视、生成物准确性与可解释性，以及生成物权责归属问题、大模型训练与数据处理的收益成本平衡仍是行业需要亟待解决的问题。这些问题如果不进行有效治理，企业未来将面临监管处罚、收入损失、声誉下降等诸多风险。学界与行业目前已经达成了一套基础的可信AI原则体系，而先进国家正在落实法律法规要求，我国也于近日出台了全球首部生成式AI行政立法《生成式人工智能服务管理暂行办法》；因此在法律与行业可信AI最佳实践框架下，如何工程化落地可信AI治理原则成为AI治理工作的关键基石。[page]
