0
技術(shù)的價值并不來源于資本的追捧和輿論的捉弄，去偽尋真之后，依然要回歸叢林法則「生存即有效」
在風(fēng)口被拋棄的時代，所有保險AI領(lǐng)域熱度都在降溫，保險公司也在觀察其真正的價值。
在醫(yī)健AI掘金志之前的文章中，對保險AI中NLP的發(fā)展給予了肯定，圍繞這種技術(shù)落地的實際情況，雷鋒網(wǎng)專訪了一家保險NLP企業(yè)創(chuàng)始人——企保科技龐文君。
在進入保險行業(yè)以前，龐文君就在香港中文大學(xué)學(xué)習(xí)分形體進化算法，并發(fā)表數(shù)篇算法論文，畢業(yè)之后又在香港供職于多家保險公司，曾在世界最大保險經(jīng)紀公司W(wǎng)illis集團擔任亞洲區(qū)總監(jiān)。
她向雷鋒網(wǎng)表示，在保險領(lǐng)域，NLP相對于其他AI技術(shù)，認知和落地都晚一個節(jié)拍，2018年以后才被大家所了解。一些有創(chuàng)新精神的險企開始嘗試應(yīng)用第一代智能客服，而彼時其他AI技術(shù)已經(jīng)進入拼刺刀階段。
但NLP之所以有更好的發(fā)展前景，就是因為保險的業(yè)務(wù)場景十分符合NLP的技術(shù)特點。
作為一種由大量條款文本承載商業(yè)價值的服務(wù)，保險在銷售、承保、客服、理賠等多個環(huán)節(jié)都需要大量的文本確認和自然語言溝通，這些場景可以利用NLP進行文本智能標注，輸出帶標簽的參考結(jié)果。
例如NLP可以像人工核保師一樣，理解體檢報告中的人體健康信息和疾病發(fā)生概率的情況。
以下是專訪的完整內(nèi)容，雷鋒網(wǎng)做了不改變原意的編輯。
雷鋒網(wǎng)：近期企?？萍紴樗伪ｋU商城提供了NLP語音機器人，這個項目是怎樣的情況，Aimi機器人對水滴有什么作用？
龐文君：目前企保和水滴的合作已經(jīng)超過大半年。水滴無論是用戶量、還是保費規(guī)模，都是全球最大互聯(lián)網(wǎng)保險平臺，用戶量已經(jīng)超過6億，而企保為水滴構(gòu)建的正是全量服務(wù)的保險機器人，覆蓋所有業(yè)務(wù)模式。
具體效果來說，對人工的替代率可以達到90%。這代表100個問題里面，機器人處理90個以上，需要人處理的不到10個。
過去對于NLP機器人效果判定存在很大的誤區(qū)，只看重了準確率和召回率。
但保險作為一種復(fù)雜、鏈條長的生態(tài)體系，不應(yīng)該只看重準確率，以人類工作來看，只做簡單重復(fù)的工作，怎么會代表能力的高低。NLP的價值應(yīng)該更看重具體的工作范圍和能力寬廣程度。
雷鋒網(wǎng)：這么多保險NLP公司，為什么水滴保險商城最終選擇了企保，背后有怎樣的原因？
龐文君：企保是所有NLP公司中，唯一只聚焦保險領(lǐng)域的企業(yè)。從行業(yè)痛點出發(fā)找解決方案，而不是拿著錘子到處找釘子。
這個特點決定對于客戶的落地成本和調(diào)整區(qū)間是所有NLP方案中最小的，上線之后，可以按照他們現(xiàn)有的材料，學(xué)習(xí)一下就可以做到上崗，快速進入工作狀態(tài)。
其它NLP企業(yè)提供的只是一個錘子，客戶需要根據(jù)自己需求打釘子。當初他們接觸這種新技術(shù)是希望節(jié)省人力，但可能人力非但沒有減少，還要適配更多人來伺候這種新錘子，給它輸入問題，編寫答案，儼然請回來一個問題寶寶。
雷鋒網(wǎng)：目前企保已經(jīng)服務(wù)國壽、人保、京東安聯(lián)、中信保誠等眾多保險企業(yè)，在哪些場景中有明顯的效果？實際效果到底是多好？
龐文君：保險科技服務(wù)的to B行業(yè)，本身就需要深耕和長期心態(tài)對待。因為場景非常復(fù)雜，光險種就包括意外險、醫(yī)療重疾險，旅游險、車險、壽險、團險、年金理財?shù)鹊取Ｃ總€險種面向的用戶群和服務(wù)模式都完全不同，但都是依據(jù)ROI（投資回報比），希望花更少的錢，辦更多的事。
每個NLP機器人項目都需要保險機構(gòu)投入時間、采購、上線、維護等成本，這些方面企保NLP產(chǎn)品的ROI，都已經(jīng)達到客戶要求。
雷鋒網(wǎng)：這么多服務(wù)里面，對哪一次NLP上線場景印象最深刻。
龐文君：和i云保的合作就非常明顯，上線NLP機器人種類超過100種。而且這一百個項目，并不是從1到100的復(fù)制，包括不同類型的機器人例如營銷類的、促活類的、服務(wù)類的等多種場景。
每種業(yè)務(wù)都有完全不一樣的目標，也就需要完全不同的機器人，為了這個項目，企保對業(yè)務(wù)部門進行重組，單獨按照每個機器人項目成立單獨的項目組，垂直管理、垂直負責，這個項目持續(xù)了很久。
雷鋒網(wǎng)：很多風(fēng)險控制，更多是靠人的經(jīng)驗判斷。您認為人工和智能，哪個更重要？現(xiàn)在智能應(yīng)用不好的情況，是否沒有對人的經(jīng)驗充分吸收而導(dǎo)致的？
龐文君：沒有什么經(jīng)驗是AI不可以吸收的，智能沒有達到和人同樣的效果，一定是沒有充分轉(zhuǎn)化人的經(jīng)驗。
時代角度來看，今天還沒有進入到強智能的時代，僅僅能依靠AI做一些輔助性工作，還完全無法獨立出來，所以人和智能的對比一定是偽命題。
雷鋒網(wǎng)：市場上是否存在，算法專家在沒有充分吸收人工經(jīng)驗，就直接讓產(chǎn)品吸收大量數(shù)據(jù)，追求數(shù)據(jù)為王的情況？
龐文君：這個現(xiàn)象普遍存在，AI保險領(lǐng)域，很多企業(yè)都在標榜自己是數(shù)據(jù)驅(qū)動的人工智能公司。
但從企保應(yīng)用NLP的情況來看，AI的價值來源于真實的業(yè)務(wù)場景，沒有知識圖譜的數(shù)據(jù)是沒有價值的，直接追求數(shù)據(jù)為王，最終一定會停留在假象和外圍，也就無法滿足行業(yè)的知識和邏輯，企保的做法就是知識引導(dǎo)+數(shù)據(jù)驅(qū)動。
雷鋒網(wǎng)：保險是AI落地的重要方向，但有專家認為，很多場景根本用不到復(fù)雜機器學(xué)習(xí)模型，一個簡單決策樹或基礎(chǔ)統(tǒng)計模型就能解決，您怎么看？
龐文君：保險本身難度和挑戰(zhàn)都非常高，簡單決策樹的概念一定會被率先否掉。我們在實踐中發(fā)現(xiàn)，每種業(yè)務(wù)場景中，按照數(shù)據(jù)類型去完成作業(yè)的輸入、輸出模型，可能就需要幾十種模型，所以決策樹是根本沒法用的。
簡單決策樹最明顯的例子就是智能保顧，在16、17年所有互聯(lián)網(wǎng)保險平臺，乃至眾安、太平洋等險企都做了嘗試，但發(fā)展一直都不好，實際根本沒有客戶愿意用，也解決不了問題，以至于現(xiàn)在很少提這種概念。
雷鋒網(wǎng)：AI保險應(yīng)用中，出現(xiàn)這么多噱頭場景，背后的原因是什么？
龐文君：保險領(lǐng)域是需要人力，場景非常復(fù)雜的行業(yè)，這個行業(yè)對于AI一定存在很多的需求，但并不代表處處是藍海，把AI拿過來，就能生根發(fā)芽。
像簡單決策樹這種觀點，就是因為隔行進入保險創(chuàng)業(yè)的技術(shù)專家，很難找到真正價值點，就會趨向利用簡單決策樹尋找馬上出效果的需求，但最后發(fā)現(xiàn)，做出的產(chǎn)品根本沒有任何價值，也就成為了噱頭。
雷鋒網(wǎng)：像企保的NLP研發(fā)和應(yīng)用中，經(jīng)常要碰到大量文本數(shù)據(jù)，是否也會出現(xiàn)，數(shù)據(jù)過于多元、過擬合的情況。噪聲數(shù)據(jù)過多直接影響結(jié)果。這個問題通常有哪些解決方法？
龐文君：數(shù)據(jù)過擬合和噪音數(shù)據(jù)過多是企保研發(fā)中經(jīng)常碰到的情況，產(chǎn)品里面包含上百個模型，偶發(fā)肯定會有，但是整體性從沒出現(xiàn)。如果所有模型都出現(xiàn)這種情況，說明產(chǎn)品對于場景的定義是失敗的。
雷鋒網(wǎng)：16、17年那個階段，大量的學(xué)術(shù)型創(chuàng)業(yè)者跟隨AI保險熱度進入這個行業(yè)，現(xiàn)在資本退卻之后，這些企業(yè)的發(fā)展趨勢都比較差，您怎么看待這種現(xiàn)象？
龐文君：自己非常不看好非保險的純技術(shù)創(chuàng)業(yè)，不理解自己要解決的問題，就一定會出現(xiàn)大炮打蒼蠅、殺雞用牛刀。技術(shù)僅僅是工具，解決的問題不僅要是痛點，還要存在巨大商業(yè)價值。
對于技術(shù)型創(chuàng)業(yè)者，很容易陷入方法論，拿著錘子到處找問題，但是往往解決問題都價值有限，很快就會出問題，浪潮退卻之后，一定就能發(fā)現(xiàn)誰在裸泳。
雷鋒網(wǎng)：在AI保險應(yīng)用里面，NLP有怎樣的優(yōu)勢？
龐文君：保險行業(yè)區(qū)別于其他行業(yè)最大的一個特點，是一種由大量條款文本承載核心商業(yè)價值的服務(wù)，其所有涉及的工作角色（咨詢、銷售、核保、核賠）都是基于對條款材料、規(guī)則文書對于客戶語言的學(xué)習(xí)和理解以及回應(yīng)。
以文本為例，用戶購買保險之后，獲得的就是一本二三十頁難以理解的合同。甚至有的保險公司老板都在講，里面的條款，自己都看不懂。
而且，保險行業(yè)還經(jīng)常需要做雙向選擇，并不是所有人都能買保險，也不是所有人都能獲得理賠，場景和NLP的技術(shù)特點高度一致。
雷鋒網(wǎng)：相比于NLP，為什么像計算機視覺、核保AI等在保險中的實際價值有限？
龐文君：計算機視覺技術(shù)本身并不是不好，在保險行業(yè)的身份證識別等簡單文本場景，已經(jīng)有很好的應(yīng)用。
不好的問題就出現(xiàn)在復(fù)雜文本數(shù)據(jù)，對于保險托管、醫(yī)療票據(jù)、理賠文件，一直都沒有達到保險公司的要求，用起來確實沒啥價值。
未來解決途徑應(yīng)該是和NLP結(jié)合在一起，像醫(yī)院的體檢報告，可以在OCR識別之后，可以利用NLP解讀背后的醫(yī)療意義，并給出結(jié)論，這種結(jié)果對于保險公司，肯定是有意義的。
雷鋒網(wǎng)：在發(fā)展路徑上NLP和其他AI技術(shù)，有什么不一樣的地方。
龐文君：AI已經(jīng)在保險領(lǐng)域發(fā)展了幾年時間，市面上的保險科技企業(yè)也都表示自己是AI，很難找到和AI沒有關(guān)系的企業(yè)?，F(xiàn)在資本市場也在嚴重的下滑。
但NLP相對于其他AI技術(shù)，無論認知還是落地都會晚一些，在2018年以后才被大家所了解，一些有創(chuàng)新精神的險企開始應(yīng)用智能客服，但這都是第一代智能客服。
在2019年之后，這些第一代、第二代所謂的智能客服暴露出很大的問題，最后的效果和客戶最初的期望完全不一樣。很多客戶都在講AI并不智能，期望值已經(jīng)下降。
雷鋒網(wǎng)：對于AI保險的落地應(yīng)用上，為什么更多人看重營銷環(huán)節(jié)？
龐文君：保險成本的鏈條里面也主要分三塊，營銷、運營和理賠端。而其中占比最高的就是銷售環(huán)節(jié)。而且保險行業(yè)銷售傭金相對非常高，部分險種甚至把100%保費作為傭金，所以就是利益導(dǎo)向。
雷鋒網(wǎng)：NLP相比其他AI保險技術(shù)，無論是應(yīng)用還是建立明確的觀念都是比較晚的過程。對于不太懂AI的客戶，企保從16年開始是怎樣一步步教育客戶認可NLP的價值？
龐文君：創(chuàng)業(yè)之前自己在保險行業(yè)已經(jīng)有了一定的基礎(chǔ)，但創(chuàng)業(yè)之后，真的還是從頭開始一家一家去碰、去溝通，到現(xiàn)在我自己溝通的企業(yè)已經(jīng)超過幾百家。
具體情況按照時間節(jié)點來看，2017年、2018年還要不斷講AI技術(shù)，我們的差異在哪里，讓客戶了解AI，去布道；
2019年產(chǎn)品細分好之后，開始談適用，按照對方業(yè)務(wù)場景，推薦相應(yīng)適用產(chǎn)品；
到現(xiàn)在，和客戶溝通中已經(jīng)幾乎不談AI，只談業(yè)務(wù)。主要就是因為讓客戶判斷真AI和假AI會很難，也不懂AI技術(shù)，但他一定熟悉和理解自己的業(yè)務(wù)場景，知道痛點和問題在哪里，知道怎樣的效果有作用，直接告訴他我們產(chǎn)品能解決什么問題，怎么幫到他們，效果非常好。
雷鋒網(wǎng)：這種最開始就接觸NLP機器人的客戶，受到很多挫折的用戶，是否存在之前產(chǎn)品這么爛，后來有很強排斥心理的情況？
龐文君：NLP在保險行業(yè)的出現(xiàn)，已經(jīng)不再是一天、兩天，很多保險客戶，過去都接觸過一代、二代老的智能客服產(chǎn)品，可以說是深受其苦。
使用企保產(chǎn)品之前，確實有很多客戶有先入為主的排斥心理，覺得AI都是挺爛的。但使用企保產(chǎn)品之后，往往就會喜出望外，原來受傷越深的客戶，對于AI的認可度會越高，他們很容易就會體會到其中的反差和價值。
雷鋒網(wǎng)：在逐漸摸索的過程中，遇到客戶方使用企?？萍嫉漠a(chǎn)品體驗不太理想，客戶方通常情況下會怎么做？
龐文君：客戶永遠都希望機器人達到100%，覺得機器人應(yīng)該比人厲害。有一次我們和客戶做介紹，客戶看了機器人效果，直接就表示這個問題我也可以回答，他已經(jīng)把自己跟機器人去比較了。
機器人肯定會有答錯的情況，在客戶介紹中，我們也會首先和客戶講，現(xiàn)在不是強AI的時代，不是直接把文件丟給機器人，就可以把所有保費都賺回來，所有服務(wù)和銷售就都完成了，這種情況一定是想得美?，F(xiàn)在保險企業(yè)也在逐漸明白，八成以上就可以達到要求。
雷鋒網(wǎng)：對于體驗不好的情況，企保過去有怎樣的應(yīng)對措施？
龐文君：介紹的一個目標就是不要讓客戶先想的美，機器人雖然會答錯，但我們會保證企保機器人的表現(xiàn)在業(yè)內(nèi)是最好的，也會鼓勵客戶將產(chǎn)品和其他家做對比。
而且對于機器人，測試中答對或答錯幾個問題都沒有任何實際意義，在大范圍、大規(guī)模的工作量情況下，才能體現(xiàn)其實際水平。我們在初期的體驗、測試環(huán)節(jié)，一定會把量級、場景逐漸放寬、放廣，客戶會很容易建立起正確的認知。
此外介紹中我們往往會直接講機器人的使用方法。因為語音機器人，廣泛應(yīng)用很多不同的業(yè)務(wù)場景，如果最開始沒有培訓(xùn)好，客戶之后一定無法發(fā)揮AI的效用，也就會產(chǎn)生失望情緒。
雷鋒網(wǎng)：在保險行業(yè)內(nèi)已經(jīng)有一份非常有前景和體面的工作，為什么還要出來創(chuàng)業(yè)，而且還選擇了保險AI？
龐文君：在16年到17年這個時間段，AI在保險行業(yè)的熱度逐漸升高，而自己當時在Willis已經(jīng)做到亞洲區(qū)最年輕的總監(jiān)。當時創(chuàng)業(yè)也很不被支持，很多人都問我，為什么要放棄這么有前途的工作，折騰自己。
自己經(jīng)手的保險案子中，發(fā)現(xiàn)很多甚至超過10個億美金的案例，中間許多簡單、重復(fù)性的工作都是人力在完成。
保險行業(yè)雖然規(guī)模很大，但IT化非常落后，不僅是國內(nèi)這些互聯(lián)網(wǎng)保險公司，即使像英國Willis、美國Aon的世界500強也是這樣。
自己學(xué)的就是人工智能，在保險行業(yè)摸爬多年之后，就開始思考解決這些問題的技術(shù)路徑和框架，之后就出來了。
雷鋒網(wǎng)：在AI保險創(chuàng)業(yè)過程中，什么是在創(chuàng)業(yè)之后才看到事情的本質(zhì)？
龐文君：NLP作為一種通用型技術(shù)，自己在創(chuàng)業(yè)最早期，就非常擔心企業(yè)之間的競爭情況。
但聊完200多家險企，和見過他們應(yīng)用的NLP機器人之后，就發(fā)現(xiàn)這種擔心完全是多余的，因為絕大部分都處于早期階段。
而且我們國家的AI保險和NLP領(lǐng)域已經(jīng)走在全球最前沿，像倫敦、新加坡、臺灣等國家地區(qū)的AI并沒有我們先進，我們招聘算法工程師的時候都有這些地方的人來申請，所以也很了解他們現(xiàn)在的整體水平，甚至有些還停留在收智商稅的階段，比如做100個問答對，收100萬。
而且中國的市場，有著巨量的用戶量，像水滴就有6億注冊用戶，相比之下美國只有三億人口。
雷鋒網(wǎng)：您對每年不斷涌入AI保險行業(yè)的新創(chuàng)業(yè)者和優(yōu)秀技術(shù)人才有什么想說的？
龐文君：保險科技這個領(lǐng)域現(xiàn)在創(chuàng)業(yè)變得很難，資本市場已經(jīng)過了熱度。如果真的打算在這個行業(yè)創(chuàng)業(yè)，首先應(yīng)該有一定的經(jīng)驗和積淀，成功率才會更高。比如現(xiàn)在重新開始做NLP創(chuàng)業(yè)，已經(jīng)太晚了，格局已經(jīng)形成，很容易會拿不到融資。
當然國內(nèi)保險行業(yè)大方向是很好的方向，依然處于青壯年，也確實存在比較多的機會，例如保險+醫(yī)療，很多藥廠都在找保險機構(gòu)合作，因為社保招標的方式已經(jīng)極大壓縮藥廠的利潤。
整個國家醫(yī)療費用支出6萬億，社保占2萬億，商保只有5000億，未來藥品和醫(yī)療服務(wù)的買家一定是保險公司，這個機會現(xiàn)在正在醞釀，BAT等巨頭也已經(jīng)開始挖人。
其實不創(chuàng)業(yè)也不代表不能成為優(yōu)秀的人才，對于保險NLP領(lǐng)域，可以來到已經(jīng)創(chuàng)業(yè)比較成熟的企業(yè)，例如我們企保，就非常歡迎人才加入。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
