□张扬 刘东青 杨帆

NLP作为人工智能的底层技术之一已经深入应用到保险行业之中，正是它的出现，替代了保险业诸多的重复性劳动，从而大大提升了效率。

技术应用

从交互机器人到保险风控，自然语言处理技术在保险已有较成熟的应用，其可以解决高危数据、复杂数据格式的特点比较符合保险行业的需求。

2018年1月，人保财险与科大讯飞合作研发的智能语音报案系统在合肥上线，这是国内保险业利用人工智能替代人工客服，通过客户自助语音交互完成整个车险报案过程的系统，并实现了对后续理赔查勘的自动调度。而2020年7月，平安科技的发明《意图获取方法、电子装置及计算机可读存储介质》荣获中国专利优秀奖，该专利是基于语音识别技术，提出应用于智能客服机器人的创新解决方案。目前，该专利技术主要应用于平安集团统一服务热线等多个场景，覆盖多条客户服务热线，支撑多项产品，已在280多个场景节点广泛应用推广，每年预计节约通信费和人力成本达千万元级别，代替70%的人工客服场景。

技术背景

NLP技术是人工智能在现实世界中最成功的应用之一，其目的是利用计算机对自然语言进行智能化处理。

在人工智能领域，研究自然语言处理技术的目的就是让机器理解并生成人类的语言，从而和人类平等流畅地沟通交流，最终拥有“智能”。AI的自然语言处理意味着人工智能能够理解人类使用的语言，并且能够生成相同的语言。简而言之，通过智能系统中的自然语言处理，实现了使计算机以与人类交流的方式，将交流愿景变为现实。

NLP主要帮助保险企业分析客户需求。大多数客户致电保险企业售前客服咨询业务时，都难以及时获得所需要的帮助。当这种情况发生较多时，很多人都会产生厌倦感。NLP技术通过检测语音通话，可以实时测量客户的语调以及他们在对话中使用的单词频率等，有效防止人们挫败感的产生。

技术痛点

人工智能表达范围的极限看似是自然人的表达范围，目前技术达成的应用效果距离自然人客服的水平还比较远。

保险业应用人工智能客服目前存在以下四方面的局限性：首先，嘈杂的背景音会干扰语音识别技术的应用，当环境噪声过强时，语音识别技术的准确度很低以致无法达成沟通。其次，语音识别技术的系统框架，包括声学模型、语言模型与语言处理等十分复杂，当下的技术不支持识别方言，在对话者口音严重偏离标准语的情景下，识别准确率也会严重下降。再次，语音识别技术不能辨识对话中的语气、态度，甚至年龄层和性别，这就进一步限定了人工智能客服在保险领域的使用范围。最后，沟通是信息交互的过程，而机械识别和处理语义较自然人的即时反应而言耗时长，且不能像自然人一样分辨沟通中的停顿和完结，导致当对话出现停顿，或对话被自然人打断时，机械处理语义并生成回复的节奏被打乱，难以继续有效识别并接续沟通。

自然语言处理技术本身也存在局限：包括NLP在内的机器学习模型需要大量数据作为深度学习的语料库，应用于保险公司各个业务场景的语料素材在某种程度上决定了人工智能客服服务质量的优劣。堆积足够丰富和充足的语料需要消耗大量的时间和成本，目前通常是针对特定的领域输送语料。

解决思路

NLP技术应用本身具有代替机械重复性工作、解放劳动力的潜能，寻找恰当使用方法是减少当前不够成熟的技术在应用上的弊端使其切实发挥效用的重要途径。我们认为其关键在于正视人工智能保险客服基础技术的特点，深入挖掘业务实质，将人工客服与人工智能的保险客服结合使用，适当切分业务模块中适合人工智能保险客服的部分，并根据人工智能保险客服的特征制定业务策略，而非简单粗狂地用机器替换人工。该策略需注意以下几方面：

首先，根据业务和技术特性重新制定业务策略。识别各业务的沟通目标，目的是获取信息，匹配更适合使用人工智能的保险客服；此外，可以根据客户特征，提供定制化的方案。

其次，使用人工智能保险客服同样要关注客户体验感，及时纠偏。很多保险公司忽视了对人工智能保险客服相关的客户体验感的关注，现实往往是不想与机器沟通，或是对于机器服务不满意的客户，因为不耐烦寻找或找不到能够与其沟通的人工客服而直接放弃沟通，直接转投沟通过程更顺遂的竞品保险公司。

最后，要注意跟进技术研发进展，及时调整业务策略。人工智能保险客服的相关技术仍在发展中，语音识别技术正在致力解决机器识别语气态度、声纹识别等问题，NLP的算法也在不断更新迭代中。技术进步推进新一代人工智能保险客服不断接近自然人的对话水平，保险企业需要结合技术和业务的特征及时迭代业务策略，提升效能。

从静态分析走向交互，从语法和浅层语义走向深层语义，从功能主义走向认知和情感体验。不久的将来，机器将更加善解人意。“NLP+保险”结合得越紧密，专业化的服务趋势就会越来越强。但整体来看，自然语言处理因技术难度太大、应用场景太复杂，研究成果还未达到足够的高度。

（作者单位：张扬，平安综合金融服务有限公司；刘东青，北京伽略电子股份有限公司；杨帆，和谐健康保险股份有限公司）