AI大模型密集落地保险业,中小险企“超车”的机会在哪里?
草莓视频黄色免费下载僕は傘を足もとに置きc雨の中でしっかりと緑を抱きしめた。高速道路を行く車の鈍いタイヤ音だけがまるでもやのように我々のまわりを取り囲んでいた。雨は音もなく執拗に降りつづきc僕の黄色いナイロンのウィンドブレーカーを暗い色に染めた。 首先,资产包定价难。施鸣表示,从交易双方来看,核心难点在于资产包的价格评估,个人不良贷款的转让价格取决于转让后的现金回收金额和时间。回收金额和时间一方面受宏观经济的影响,另一方面还受到转让方和受让方的影响。从银行端来看,回收进程受贷款发放时的客群选择、销售渠道、审批时的风控能力、反欺诈能力、放款时的合同管辖地约定、电子化程度、逾期后银行的清收能力等诸多因素影响。受让机构往往在转让公告及尽调过程中能够从官方渠道了解到的仅仅是本金、利息、逾期天数、债务人年龄、诉讼进程等显性因素,而对回收进程真正产生重大影响的则往往是隐性因素。所以,个贷批转属于“信息不对称型”交易,转让价格与资产包真实价值之间的偏离度自然也变得扑朔迷离。对受让方来说,个人不良贷款处置不仅受到其催收、清收能力的影响,还涉及管理系统、信息安全、投诉处理、客户服务、征信管理、账务处理、服务商管理等众多繁杂环节,这对于原先专注于对公不良贷款处置的资产管理公司来说,显然是一个全新的领域和挑战。MXc2-XlnrLbuq5h8KbCDCbtqVld-AI大模型密集落地保险业,中小险企“超车”的机会在哪里?
界面新闻记者 | 吕文琦
“今年30岁,年收入20万,想要购买储蓄保险,请帮我推荐。” 界面新闻试着对信美相互人寿22日发布的Chat-Trust3.0如此提问。随后,Chat-Trust3.0快速生成了某款年金产品详细的保险利益演示表与产品特点总结。
在采访中,多位技术人士对界面新闻分析,AI大模型的普及将降低大型险企和中小型险企的差距,借助越来越低价的通用大模型,中小型险企有机会实现经营效率大幅提升。不过,AI技术仍存在幻觉、数据安全等问题,离全面重塑行业尚有距离。
AI缩小险企间的差距
保险与大模型的结合离不开大模型这一年的快速发展。相较于动辄千万美金级的预训练,在通用大模型能力向前狂奔的时代,借用通用大模型打造垂直应用成为保险公司入局大模型更可行之法。
2023年,中国人保发布了“数智灵犀-人保大模型”,并推出两款人保专属问答领域大模型应用——“人保智友”和“聪明宝”,两款应用分别面向个人和企业客户,提供保险产品咨询、理赔申请、保单管理等方面的服务,旨在提高用户体验和企业的保险管理效率。
阳光保险也在2023年将自研AI大模型列为公司战略工程,其推出的阳光正言GPT大模型已应用于客户服务、销售支持等场景。
信美相互人寿数据信息中心负责人童国红对界面新闻表示,大模型的投入主要来自两个部分,一个是算力的投入,另一个是技术团队的投入。“在算力上,作为中小保司,我们的成本投入就更聚焦在公司现有的刚需上,后一步步迭代扩展,但我们相信随着技术的进一步发展,算力成本会逐渐下降。”
嘉程资本人工智能投资人王博洋向界面新闻表示,随着AI技术的发展,中小型险企和大型险企的差距会有所缩小。“可能我们会认为大型险企会有更多数据和资源,更早利用大模型。但现在通用大模型越来越智能,成本也逐渐降低,智能客服、定价数据等一系列保险业核心业务都可以让大模型辅助,从而帮助中小险企提高经营效率,实现业务突破。”
信美数字化运营部负责人曾煜表示,通过AI大模型,保险公司的费用在理想情况下可以被压缩99%。如果保险公司可以掌握这项技术,那节约出来的费用可以投入到更好的客户服务和定价更低的产品上,这会带来极大的优越性,也会产生拥有全新组织架构的保险公司。
AI大模型主要应用于辅助工作
那么,AI和保险可能会有哪些结合的形态?
信美相互董事长杨帆表示,大模型在保险行业的发展机会和应用场景非常广阔,比如为不同客户群体提供个性化的内容和产品推荐;通过分析历史数据和实时数据,帮助保险公司更准确地评估风险并制定保险费率;加快两核流程,提升客服体验等。
不过,他也指出,现阶段保险业AI大模型受制于基础大模型的能力,想要实现90%以上的准确率需要投入的金额较大,目前AI大模型主要应用于辅助工作。
另外,王博洋表示,生成式AI在垂直领域的应用仍存在准确性问题,“虽然生成式AI可以适应各种查询,但在连续的对话中可能会缺乏一致性。另外,生成式AI在回答问题时可能生成出预料之外的回答。
生成式AI的幻觉问题已经有了不少解决途径。比如信美相互的大模型应用自研“白盒化”展示,在问题回复时清晰地展示推理过程,让结果有迹可循。
童国红解释,保险产品和服务通常涉及复杂的风险评估和决策过程,“白盒化”模型应用可以更好地向监管机构、客户和内部团队解释其工作原理和决策依据,在问题溯源及准确性的考量上可以更为清晰透明。
与此同时,AI技术应用存在的风险亦不容忽视。童国红表示,保险行业涉及大量个人敏感信息,如何在使用大模型的同时确保数据的隐私和安全是一个重要挑战。保险行业的数据来源多样,如何确保数据的质量和标准化,以便大模型可以有效地学习和预测,是一个关键问题。
责任编辑: 何松琳