但保司和保險(xiǎn)中介機(jī)構(gòu)漸漸發(fā)現(xiàn)，過去部署的機(jī)器質(zhì)檢系統(tǒng)效果無法令人滿意。其中關(guān)鍵原因有二：
第一，人與人溝通時(shí)講的話是高度個(gè)性化的、表達(dá)方式是復(fù)雜多樣，僅僅依靠“關(guān)鍵詞和正則”進(jìn)行窮舉的傳統(tǒng)機(jī)器質(zhì)檢方案，很難識(shí)別出真正的句子語義。例如，在質(zhì)檢項(xiàng)“夸大陳述”中，保司發(fā)現(xiàn)銷售員夸大重疾險(xiǎn)保障范圍的方式是窮舉不完的；在質(zhì)檢項(xiàng)“不當(dāng)對比”中，保司發(fā)現(xiàn)銷售員通過將保險(xiǎn)與其他同業(yè)產(chǎn)品對比，以及與儲(chǔ)蓄、基金、股票等金融產(chǎn)品對比來強(qiáng)調(diào)產(chǎn)品優(yōu)勢情況也非常多，用規(guī)則窮舉的效果很差。
第二，保險(xiǎn)銷售的業(yè)務(wù)流程、邏輯是復(fù)雜的，對銷售員的要求非常精細(xì)化，傳統(tǒng)的機(jī)器質(zhì)檢方案，無法對包含復(fù)雜場景和精細(xì)化要求的質(zhì)檢項(xiàng)進(jìn)行監(jiān)督。例如，在質(zhì)檢項(xiàng)“意外醫(yī)療告知不嚴(yán)謹(jǐn)”中，需要先篩選出涉及到意外醫(yī)療的會(huì)話，再監(jiān)督銷售員是否明確告知是意外導(dǎo)致，以及是否明確告知意外醫(yī)療適用的保障范圍。傳統(tǒng)機(jī)器質(zhì)檢很難處理這種需要對業(yè)務(wù)流程規(guī)范進(jìn)行監(jiān)督的情況。
為了破解這兩大難題，一些領(lǐng)先的保司和保險(xiǎn)中介機(jī)構(gòu)，率先落地了新的解決方案，通過將基于AI技術(shù)的新一代合規(guī)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。具體來看，他們采用了三種新的實(shí)踐。
實(shí)踐一：
從“關(guān)鍵詞”升級(jí)到“一段話的語義”
從工作原理上看，保司和保險(xiǎn)中介機(jī)構(gòu)部署的初代機(jī)器質(zhì)檢系統(tǒng)，通過將錄音和微信語音轉(zhuǎn)寫成文本，然后借助“關(guān)鍵詞和正則表達(dá)式”進(jìn)行窮舉，以查找其中可能涉及違規(guī)的會(huì)話。
而新一代的AI機(jī)器質(zhì)檢方案則與之不同。新方案通過“喂”給機(jī)器足夠多的違規(guī)實(shí)例片段和不違規(guī)實(shí)例片段（即經(jīng)人工判斷屬于某項(xiàng)違規(guī)或不屬于某項(xiàng)違規(guī)的對話語句片段，這個(gè)過程在AI領(lǐng)域被稱為“人工標(biāo)注”），訓(xùn)練機(jī)器算法去“學(xué)習(xí)”違規(guī)對話片段的隱含特征，然后用“訓(xùn)練”出的模型識(shí)別更多對話片段的語義，看看是否命中這個(gè)“AI語義點(diǎn)”。
質(zhì)檢項(xiàng)可能包含一個(gè)“AI語義點(diǎn)”，也可能包含多個(gè)“AI語義點(diǎn)”的組合。保險(xiǎn)質(zhì)檢項(xiàng)的特點(diǎn)是專業(yè)程度很高，例如質(zhì)檢項(xiàng)“現(xiàn)金價(jià)值描述違規(guī)”由單個(gè)AI語義點(diǎn)組成，但其定義需要高度依賴保險(xiǎn)專業(yè)知識(shí)和行業(yè)經(jīng)驗(yàn)，只有仔細(xì)檢查了超長的上下文對話之后，才能準(zhǔn)確得知一段對話是否命中了“現(xiàn)金價(jià)值描述違規(guī)”。
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(xiàng)目時(shí)，學(xué)到的第一條經(jīng)驗(yàn)：在“質(zhì)檢項(xiàng)”生產(chǎn)過程中的人工標(biāo)注環(huán)節(jié)，需要保險(xiǎn)企業(yè)的人員直接參與進(jìn)來，與AI質(zhì)檢供應(yīng)商內(nèi)部的保險(xiǎn)行業(yè)專家合作進(jìn)行生產(chǎn)（標(biāo)注數(shù)據(jù)），才能更快提升模型的準(zhǔn)確性。第二條重要的經(jīng)驗(yàn)是，保司和提供新一代AI合規(guī)質(zhì)檢解決方案的公司，要花很多精力來對齊質(zhì)檢項(xiàng)的定義，這部分的工作越完善，后續(xù)的工作效率就越高。
實(shí)踐二：
引入自定義字段和復(fù)雜流程&邏輯配置
保險(xiǎn)銷售過程的合規(guī)質(zhì)檢，至少包含了兩種基本的情況：
第一種，發(fā)現(xiàn)銷售員“說錯(cuò)話”的情況，例如“夸大陳述”這樣的質(zhì)檢項(xiàng)，通常只包含單個(gè)AI語義標(biāo)簽（AI語義點(diǎn)、AI語義畫像），只要說了就算違規(guī)；
第二種，發(fā)現(xiàn)銷售員不嚴(yán)謹(jǐn)或不規(guī)范的地方，例如“產(chǎn)品介紹遺漏”這樣的質(zhì)檢項(xiàng)，通常會(huì)涉及多個(gè)標(biāo)簽（AI語義點(diǎn)或正則語義點(diǎn)），因?yàn)橄纫袛喈?dāng)前對話的場景是否涉及某個(gè)長期險(xiǎn)或短期險(xiǎn)，然后再判斷是否講到了相應(yīng)保險(xiǎn)產(chǎn)品的所有五項(xiàng)或七項(xiàng)特點(diǎn)。
事實(shí)上，第二種情況還可能涉及到多種復(fù)雜場景，有時(shí)候需要引入企業(yè)的自定義字段，有時(shí)候需要判斷對話內(nèi)容上下文的邏輯，才能判斷對話是否存在不嚴(yán)謹(jǐn)或不規(guī)范的地方。例如：
1）不同產(chǎn)品的“責(zé)任免除”范圍是不同的：因此需要引入企業(yè)的自定義字段，先判斷這通對話是在介紹哪個(gè)產(chǎn)品，然后再判斷相應(yīng)的“責(zé)任免除”范圍是否準(zhǔn)確陳述。
2）一些違規(guī)項(xiàng)是由多個(gè)語義點(diǎn)的邏輯關(guān)系組成的：例如，保單遞送場景，提及電子保單或紙質(zhì)保單其中一個(gè)都算合規(guī)。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(rèn)前，不允許核對客戶的個(gè)人信息（信用卡號(hào)等）。
循環(huán)智能（Recurrent AI）的新一代合規(guī)質(zhì)檢系統(tǒng)，支持企業(yè)自定義字段，以及復(fù)雜多樣的質(zhì)檢項(xiàng)場景邏輯配置，對于復(fù)雜邏輯質(zhì)檢項(xiàng)的支持更加精細(xì)化、更加完善。
實(shí)踐三：
引入秘密武器“違規(guī)值”評(píng)分
在服務(wù)保險(xiǎn)企業(yè)的過程中，循環(huán)智能（Recurrent AI）團(tuán)隊(duì)發(fā)現(xiàn)，盡管使用了AI語義點(diǎn)，也使用了多個(gè)AI語義點(diǎn)的邏輯關(guān)系配置功能，但有一些質(zhì)檢項(xiàng)過于復(fù)雜（例如：混淆新老保單），AI語義點(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(guī)值”質(zhì)檢方式。這種新方法，并不關(guān)心具體哪句話違規(guī)了，而是專注計(jì)算整個(gè)會(huì)話違規(guī)的可能性。
通過把整個(gè)對話（甚至同一個(gè)保單對應(yīng)的多個(gè)對話）當(dāng)成一個(gè)整體進(jìn)行機(jī)器學(xué)習(xí)：在訓(xùn)練階段，將“違規(guī)”的整體對話和“沒違規(guī)”的整體對話輸入算法模型，學(xué)習(xí)“違規(guī)”對話的隱藏特征；在執(zhí)行階段，將新的對話輸入算法模型，然后計(jì)算該對話違規(guī)的概率。
根據(jù)企業(yè)的實(shí)際需求，違規(guī)值計(jì)算又包括兩種場景：
整個(gè)會(huì)話命中單個(gè)質(zhì)檢項(xiàng)的違規(guī)值
整個(gè)會(huì)話命中多個(gè)質(zhì)檢項(xiàng)的違規(guī)值（例如命中S級(jí)質(zhì)檢項(xiàng)組合中的任意一個(gè)算違規(guī)）
在需要100%人工復(fù)檢的保險(xiǎn)成功單質(zhì)檢場景，如果在算法建模階段經(jīng)過了充足的數(shù)據(jù)訓(xùn)練，那么循環(huán)智能（RecurrentAI）的“違規(guī)值”排序功能，基本上可以在違規(guī)值前60%的會(huì)話中找到大部分違規(guī)對話，最高節(jié)省40%的成功單質(zhì)檢工作量。
保險(xiǎn)質(zhì)檢的“三級(jí)火箭”
在服務(wù)保險(xiǎn)客戶的過程中，循環(huán)智能（RecurrentAI）逐漸形成了保險(xiǎn)質(zhì)檢的“三級(jí)火箭”解決方案：
第一級(jí)：從字和詞級(jí)別的關(guān)鍵詞+正則方式，到引入句子和段落級(jí)別的AI語義點(diǎn)方式；
第二級(jí)：引入企業(yè)自定義字段和邏輯規(guī)則判斷，實(shí)現(xiàn)多個(gè)語義點(diǎn)之間復(fù)雜的流程&邏輯判斷；
第三級(jí)：計(jì)算整通會(huì)話違規(guī)的可能性高低，通過違規(guī)值排序，幫助人工復(fù)檢員節(jié)省工作量。
通過引入和部署經(jīng)過考驗(yàn)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(shù)倍提升。
循環(huán)智能（Recurrent AI）在銀行保險(xiǎn)相關(guān)領(lǐng)域服務(wù)了招商銀行、人保財(cái)險(xiǎn)、招商信諾、太平洋保險(xiǎn)、眾安保險(xiǎn)、360保險(xiǎn)、水滴公司和輕松籌等標(biāo)桿企業(yè)，除了新一代合規(guī)質(zhì)檢（Compliance）解決方案，循環(huán)智能在保險(xiǎn)領(lǐng)域還提供精準(zhǔn)銷售與名單優(yōu)選（Target）解決方案以及人員產(chǎn)能提升（Expert）解決方案。
