但保司和保險中介機構漸漸發(fā)現,過(guò)去部署的機器質(zhì)檢系統效果無(wú)法令人滿(mǎn)意。其中關(guān)鍵原因有二:
第一,人與人溝通時(shí)講的話(huà)是高度個(gè)性化的、表達方式是復雜多樣,僅僅依靠“關(guān)鍵詞和正則”進(jìn)行窮舉的傳統機器質(zhì)檢方案,很難識別出真正的句子語(yǔ)義。例如,在質(zhì)檢項“夸大陳述”中,保司發(fā)現銷(xiāo)售員夸大重疾險保障范圍的方式是窮舉不完的;在質(zhì)檢項“不當對比”中,保司發(fā)現銷(xiāo)售員通過(guò)將保險與其他同業(yè)產(chǎn)品對比,以及與儲蓄、基金、股票等金融產(chǎn)品對比來(lái)強調產(chǎn)品優(yōu)勢情況也非常多,用規則窮舉的效果很差。
第二,保險銷(xiāo)售的業(yè)務(wù)流程、邏輯是復雜的,對銷(xiāo)售員的要求非常精細化,傳統的機器質(zhì)檢方案,無(wú)法對包含復雜場(chǎng)景和精細化要求的質(zhì)檢項進(jìn)行監督。例如,在質(zhì)檢項“意外醫療告知不嚴謹”中,需要先篩選出涉及到意外醫療的會(huì )話(huà),再監督銷(xiāo)售員是否明確告知是意外導致,以及是否明確告知意外醫療適用的保障范圍。傳統機器質(zhì)檢很難處理這種需要對業(yè)務(wù)流程規范進(jìn)行監督的情況。
為了破解這兩大難題,一些領(lǐng)先的保司和保險中介機構,率先落地了新的解決方案,通過(guò)將基于A(yíng)I技術(shù)的新一代合規質(zhì)檢產(chǎn)品部署到業(yè)務(wù)流程中,大大提升了質(zhì)檢的效果和效率。具體來(lái)看,他們采用了三種新的實(shí)踐。
實(shí)踐一:
從“關(guān)鍵詞”升級到“一段話(huà)的語(yǔ)義”

從工作原理上看,保司和保險中介機構部署的初代機器質(zhì)檢系統,通過(guò)將錄音和微信語(yǔ)音轉寫(xiě)成文本,然后借助“關(guān)鍵詞和正則表達式”進(jìn)行窮舉,以查找其中可能涉及違規的會(huì )話(huà)。
而新一代的AI機器質(zhì)檢方案則與之不同。新方案通過(guò)“喂”給機器足夠多的違規實(shí)例片段和不違規實(shí)例片段(即經(jīng)人工判斷屬于某項違規或不屬于某項違規的對話(huà)語(yǔ)句片段,這個(gè)過(guò)程在A(yíng)I領(lǐng)域被稱(chēng)為“人工標注”),訓練機器算法去“學(xué)習”違規對話(huà)片段的隱含特征,然后用“訓練”出的模型識別更多對話(huà)片段的語(yǔ)義,看看是否命中這個(gè)“AI語(yǔ)義點(diǎn)”。

質(zhì)檢項可能包含一個(gè)“AI語(yǔ)義點(diǎn)”,也可能包含多個(gè)“AI語(yǔ)義點(diǎn)”的組合。保險質(zhì)檢項的特點(diǎn)是專(zhuān)業(yè)程度很高,例如質(zhì)檢項“現金價(jià)值描述違規”由單個(gè)AI語(yǔ)義點(diǎn)組成,但其定義需要高度依賴(lài)保險專(zhuān)業(yè)知識和行業(yè)經(jīng)驗,只有仔細檢查了超長(cháng)的上下文對話(huà)之后,才能準確得知一段對話(huà)是否命中了“現金價(jià)值描述違規”。
這也是循環(huán)智能(Recurrent AI)在服務(wù)多家頭部保司的質(zhì)檢項目時(shí),學(xué)到的第一條經(jīng)驗:在“質(zhì)檢項”生產(chǎn)過(guò)程中的人工標注環(huán)節,需要保險企業(yè)的人員直接參與進(jìn)來(lái),與AI質(zhì)檢供應商內部的保險行業(yè)專(zhuān)家合作進(jìn)行生產(chǎn)(標注數據),才能更快提升模型的準確性。第二條重要的經(jīng)驗是,保司和提供新一代AI合規質(zhì)檢解決方案的公司,要花很多精力來(lái)對齊質(zhì)檢項的定義,這部分的工作越完善,后續的工作效率就越高。
實(shí)踐二:
引入自定義字段和復雜流程&邏輯配置
保險銷(xiāo)售過(guò)程的合規質(zhì)檢,至少包含了兩種基本的情況:
第一種,發(fā)現銷(xiāo)售員“說(shuō)錯話(huà)”的情況,例如“夸大陳述”這樣的質(zhì)檢項,通常只包含單個(gè)AI語(yǔ)義標簽(AI語(yǔ)義點(diǎn)、AI語(yǔ)義畫(huà)像),只要說(shuō)了就算違規;
第二種,發(fā)現銷(xiāo)售員不嚴謹或不規范的地方,例如“產(chǎn)品介紹遺漏”這樣的質(zhì)檢項,通常會(huì )涉及多個(gè)標簽(AI語(yǔ)義點(diǎn)或正則語(yǔ)義點(diǎn)),因為先要判斷當前對話(huà)的場(chǎng)景是否涉及某個(gè)長(cháng)期險或短期險,然后再判斷是否講到了相應保險產(chǎn)品的所有五項或七項特點(diǎn)。

事實(shí)上,第二種情況還可能涉及到多種復雜場(chǎng)景,有時(shí)候需要引入企業(yè)的自定義字段,有時(shí)候需要判斷對話(huà)內容上下文的邏輯,才能判斷對話(huà)是否存在不嚴謹或不規范的地方。例如:
1)不同產(chǎn)品的“責任免除”范圍是不同的:因此需要引入企業(yè)的自定義字段,先判斷這通對話(huà)是在介紹哪個(gè)產(chǎn)品,然后再判斷相應的“責任免除”范圍是否準確陳述。
2)一些違規項是由多個(gè)語(yǔ)義點(diǎn)的邏輯關(guān)系組成的:例如,保單遞送場(chǎng)景,提及電子保單或紙質(zhì)保單其中一個(gè)都算合規。但是關(guān)于“保單生效日”陳述的要求是,必須講到生效日,同時(shí)提到“扣款不成功不生效”,才符合要求。
3)先后順序:在投保確認前,不允許核對客戶(hù)的個(gè)人信息(信用卡號等)。

循環(huán)智能(Recurrent AI)的新一代合規質(zhì)檢系統,支持企業(yè)自定義字段,以及復雜多樣的質(zhì)檢項場(chǎng)景邏輯配置,對于復雜邏輯質(zhì)檢項的支持更加精細化、更加完善。
實(shí)踐三:
引入秘密武器“違規值”評分
在服務(wù)保險企業(yè)的過(guò)程中,循環(huán)智能(Recurrent AI)團隊發(fā)現,盡管使用了AI語(yǔ)義點(diǎn),也使用了多個(gè)AI語(yǔ)義點(diǎn)的邏輯關(guān)系配置功能,但有一些質(zhì)檢項過(guò)于復雜(例如:混淆新老保單),AI語(yǔ)義點(diǎn)加上邏輯關(guān)系組合也難一網(wǎng)打盡。
面對這種棘手的情況,循環(huán)智能(Recurrent AI)創(chuàng )造了一種新的“違規值”質(zhì)檢方式。這種新方法,并不關(guān)心具體哪句話(huà)違規了,而是專(zhuān)注計算整個(gè)會(huì )話(huà)違規的可能性。

通過(guò)把整個(gè)對話(huà)(甚至同一個(gè)保單對應的多個(gè)對話(huà))當成一個(gè)整體進(jìn)行機器學(xué)習:在訓練階段,將“違規”的整體對話(huà)和“沒(méi)違規”的整體對話(huà)輸入算法模型,學(xué)習“違規”對話(huà)的隱藏特征;在執行階段,將新的對話(huà)輸入算法模型,然后計算該對話(huà)違規的概率。
根據企業(yè)的實(shí)際需求,違規值計算又包括兩種場(chǎng)景:
整個(gè)會(huì )話(huà)命中單個(gè)質(zhì)檢項的違規值
整個(gè)會(huì )話(huà)命中多個(gè)質(zhì)檢項的違規值(例如命中S級質(zhì)檢項組合中的任意一個(gè)算違規)

在需要100%人工復檢的保險成功單質(zhì)檢場(chǎng)景,如果在算法建模階段經(jīng)過(guò)了充足的數據訓練,那么循環(huán)智能(RecurrentAI)的“違規值”排序功能,基本上可以在違規值前60%的會(huì )話(huà)中找到大部分違規對話(huà),最高節省40%的成功單質(zhì)檢工作量。
保險質(zhì)檢的“三級火箭”
在服務(wù)保險客戶(hù)的過(guò)程中,循環(huán)智能(RecurrentAI)逐漸形成了保險質(zhì)檢的“三級火箭”解決方案:
第一級:從字和詞級別的關(guān)鍵詞+正則方式,到引入句子和段落級別的AI語(yǔ)義點(diǎn)方式;
第二級:引入企業(yè)自定義字段和邏輯規則判斷,實(shí)現多個(gè)語(yǔ)義點(diǎn)之間復雜的流程&邏輯判斷;
第三級:計算整通會(huì )話(huà)違規的可能性高低,通過(guò)違規值排序,幫助人工復檢員節省工作量。
通過(guò)引入和部署經(jīng)過(guò)考驗的AI質(zhì)檢技術(shù),保司在質(zhì)檢工作中的效率可以得到數倍提升。

循環(huán)智能(Recurrent AI)在銀行保險相關(guān)領(lǐng)域服務(wù)了招商銀行、人保財險、招商信諾、太平洋保險、眾安保險、360保險、水滴公司和輕松籌等標桿企業(yè),除了新一代合規質(zhì)檢(Compliance)解決方案,循環(huán)智能在保險領(lǐng)域還提供精準銷(xiāo)售與名單優(yōu)選(Target)解決方案以及人員產(chǎn)能提升(Expert)解決方案。