經濟觀察網 記者 汪青 隨著技術的不斷進步，自動化與智能化成為了提升服務效率與質素的關鍵路徑。與此同時，AI大模型正加速為金融領域賦能。
「透過大語言模型意圖理解與任務流程洞察的套用，我們成功實作了在保險服務與銀行業務辦理的自動化改造與智能化升級。」容聯雲大模型產品負責人唐興才在7月30日接受經濟觀察網采訪時表示，以保險服務領域為例，透過測算在金融大模型套用後效率提升了20倍，並成功降低了約10%的潛在投訴率。
據了解，保險業在日常營運中涉及大量的電話呼入與呼出，產生了海量的錄音檔。以往電話錄音主要用於話務分析，如通話次數與時長統計，而忽略了其深藏的潛在價值——如客戶潛在需求洞察、投訴預警等。
「盡管這些潛在價值顯而易見，但由於錄音數量龐大，人工處理難度大且繁瑣，此外人工分析缺乏標準化，效率低下且難以保證質素，這些錄音資訊往往難以被有效挖掘。」唐興才解釋道，實際上，即便某些情況尚未形成正式投訴，但客戶的不滿情緒已顯露無遺。還比如關於保單續期的問題，客戶可能因未提前獲知無法續期的規定而感到不滿。若此類情況頻發，將顯著增加企業的客訴壓力。
針對上述問題，唐興才認為，透過金融大模型自動理解錄音內容，可以精準捕捉客戶需求，以及潛在投訴及流程斷點等關鍵資訊。透過及時發現並響應客戶需求，企業能夠增強市場競爭力；同時，基於客戶反饋最佳化產品，提升使用者體驗。
唐興才指出，盡管業界都意識到業務增長與服務質素的提升往往依賴於高效的服務流程與智能化的技術支持。但在實施自動化服務改造的過程中，企業往往面臨兩大挑戰：一是如何精準定位到需要優先最佳化服務流程；二是如何確保自動化服務既個人化又高效，能夠準確理解並響應客戶的多樣化需求。
「透過深入分析某保險客戶數據，我們發現保權變更與繳費賬號資訊變更等服務請求占據了人工處理流程中的絕大部份比例。因此，這兩個流程也成為自動化改造的優先物件。其次，則是利用大模型對人工客服服務過程中的流程進行深度挖掘與重構，確保自動化流程能夠緊密貼合實際服務場景，提高響應的準確性和效率。」唐興才表示，AI大模型的深度套用，將保權變更與繳費賬號資訊變更等服務的自動化程度從30%提升至75%。
據介紹，相比傳統的人工指導式回復，大模型能夠結合上下文內容，更準確地理解客戶需求，並提供個人化的解決方案。例如，在客戶需要變更賬號資訊時，大模型不僅會給出詳細的操作步驟，還能根據客戶的實際情況與情緒狀態，調整回復內容，確保客戶能夠順利完成操作。此外，AI大模型還能夠在構建的流程中自動流轉實作服務的無縫銜接。
除了保險業外，AI大模型在銀行業的套用和落地也備受關註。
「銀行營業網點的貸款與授信業務辦理過程中，由於政策檔眾多且更新頻繁，業務人員往往難以準確記憶並套用。而AI大模型的套用則可以大振幅提高業務辦理的效率與準確性，還減輕了總行支持人員的負擔，實作了資源的最佳化配置。」唐興才說。
某大行大模型技術負責人接受采訪時表示，在金融行業，傳統流程根深蒂固，要實作真正的顛覆性創新，難度不言而喻。因此，該行采取單點突破的策略，即在每個業務領域和套用範式中，精心挑選具有代表性的特定場景，進行大膽的重塑與試驗。透過在這些「試驗田」中的深耕細作，力求形成可復制、可推廣的成功模式，進而以此為基礎，向其他業務部門迅速推廣，實作以點帶面的效果。
同時，在大模型技術引入銀行的過程中技術判斷力至關重要。僅有強大的工程能力還不足以支撐大模型的順利落地，更需要的是一種「條件反射」般的敏銳，即能夠迅速判斷並適配新技術於具體場景中的能力。
「這要求銀行不僅要具備傳統工程經驗，還要能夠快速學習和掌握大模型工程的技術要點，明確如何有效賦能廠商和模型，使其無縫接入銀行系統，實作互動與套用的深刻變革。」上述大行大模型技術負責人補充道，在面對銀行內部多樣化的業務場景時，如客服、投研、公司金融等，單點創新雖有價值，但體系化的整合與創新才是實作規模化落地的關鍵。因此，需要將各領域的創新套用進行整合，提煉出共通範式，並構建自研大模型與廠商套用之間的有機聯合機制。透過這種方式，該銀行不僅提升了單個場景的創新效率，更實作了創新成果在全行範圍內的規模化推廣與套用。
此外，大模型的套用是一項系統工程，涉及對原有流程的深刻顛覆，需要多部門、多角色的緊密協作。因此，需要銀行強調全域性的統籌協同能力，將大模型專案視為「一把手工程」，由高層領導親自掛帥，組建一支跨領域、跨專業的創新團隊。
上述大行大模型技術負責人表示，這支團隊不僅精通技術、架構與模型，還深刻理解業務需求、使用者痛點，能夠有效協調各方資源，確保專案在推進過程中能夠克服重重困難，實作從一個範式場景的成功落地到全行各業務領域的全面規劃與泛化。
