À l’heure actuelle, le secteur de l’assurance est confronté à une profonde transformation. Avec la promulgation des polices « New Country Ten » pour le secteur de l'assurance, des normes et exigences plus strictes ont été proposées pour améliorer les capacités de protection et les niveaux de service du secteur de l'assurance de personnes. Cela signifie que le secteur de l’assurance doit faire ses adieux au modèle de développement extensif et s’orienter vers des services de meilleure qualité et plus standardisés. Au cours de ce processus de transformation, les institutions d'assurance doivent continuer à améliorer la qualité des services d'assurance pour répondre aux nouvelles exigences du marché et de la réglementation.
Afin de mieux normaliser le comportement des services d'assurance, alimenté par de grands modèles, Shuidi a lancé la « Solution d'inspection de la qualité de l'assurance des grands modèles AI », qui a considérablement élargi la couverture de l'inspection de la qualité, amélioré l'efficacité du travail et contrôlé efficacement les coûts d'exploitation.
La méthode traditionnelle d'inspection de la qualité consiste à utiliser une inspection aléatoire manuelle, où les inspecteurs de la qualité vérifient de manière aléatoire les enregistrements de l'ensemble du processus de service client et marquent le contenu des risques. Un inspecteur de la qualité effectue en moyenne 10 à 15 inspections des enregistrements chaque jour, ainsi que de la qualité. Les canaux d'inspection sont relativement uniques et ne peuvent pas couvrir WeChat d'entreprise, les comptes publics, Moments et d'autres canaux est une tâche très laborieuse avec une productivité et des plafonds limités.
Ces dernières années, de nombreuses entreprises technologiques ont tenté d'introduire une technologie intelligente d'inspection de la qualité dans le secteur de l'assurance. Cependant, l'inspection de la qualité sur petit modèle est difficile à comprendre la logique complexe des services d'assurance et les changements dans les expressions linguistiques, a une précision relativement faible et a un risque élevé d’inspections manquées.
« Waterdrop AI Quality Inspection » est basé sur une compréhension sémantique contextuelle de grands modèles et des capacités de raisonnement de textes longs. Il peut comprendre en profondeur les conversations complexes, les intentions des utilisateurs et les attitudes émotionnelles, et identifier des règles d'inspection de qualité plus cachées et plus complexes. Les données internes montrent que l'inspection de la qualité de Waterdrop AI peut atteindre une couverture complète à 100 %, y compris les comportements opérationnels via la voix, les enregistrements de chat WeChat d'entreprise, les Moments et d'autres canaux. Le coût de l'inspection qualité a également diminué de manière significative. Compte tenu du coût de l'examen manuel, le coût de l'inspection qualité par l'IA peut être réduit de plus de 50 % par rapport à l'inspection qualité manuelle (sans tenir compte du coût de développement initial).
Derrière la capacité « d'inspection de la qualité de l'IA », elle est indissociable de l'autonomisation en profondeur du « modèle de garde d'eau en goutte d'eau » auto-développé par Shuidi Company. Dans le passé, en raison de la grande variété de produits d’assurance, des termes relativement complexes et du manque de données massives pour la formation des modèles, il était difficile de réaliser une percée dans la précision de l’inspection qualité de l’IA.
Shuidi a investi dans la construction de l'IA depuis 2019 et a accumulé une grande quantité de données sur les segments de l'industrie sous prétexte de conformité, y compris d'énormes échantillons de corpus de services verticaux d'assurance, plus de 7 000 données sur les produits d'assurance les plus vendus, actuels ou passés, et maîtrise Plus de 10 000 problématiques professionnelles dans le domaine de l'assurance maladie. Être capable d'identifier immédiatement des problèmes tels qu'une attitude irrégulière en matière de service, des promesses de vente excessives, une mauvaise interprétation de la couverture du produit et des conseils d'achat d'assurance inadéquats. Après une formation continue, avec un taux de précision de l'inspection manuelle de 100 % comme norme, le taux de précision de l'inspection qualité par l'IA est proche du niveau manuel.
Selon les rapports, la « solution d'inspection de la qualité de l'assurance des grands modèles d'IA » de Shuidi a constitué une solution d'exportation externe et peut être ouverte à l'industrie. La prochaine étape consistera à continuer de renforcer la formation sur l'exactitude des inspections de qualité, à aider davantage d'institutions d'assurance à améliorer l'efficacité et la qualité des services et à promouvoir un développement de haute qualité du secteur.