释放生成性人工智能的力量：Verisk 建立瞬时洞察引擎以提升客户支持的旅程 机器学习博客
- 12
释放生成性人工智能的力量：Verisk在即时洞察引擎上的旅程
关键要点
在本文中，Verisk展示了如何通过生成性人工智能AI提升客户支持效率。其开发的即时洞察引擎不仅能提供24/7的业务处理支持，还能为用户提供个性化的高质量答复。这一创新反映了Verisk致力于通过智能技术提升保险行业服务的决心。
Verisk (纳斯达克 VRSK) 是全球保险行业领先的数据分析与科技合作伙伴，通过在20多个国家的高级分析、软件、研究和行业专业知识，帮助建立个人、社区和企业的韧性。公司始终秉持道德与负责任的人工智能开发原则，确保人类监督和透明度。他们利用生成性人工智能来提升保险客户的运营效率和盈利能力，同时遵循其道德AI原则。
Verisk的FAST平台在寿险和退休行业中处于领先地位，提供更高的效率和灵活、易于升级的架构。FAST在2024年的ISG供应商视野报告中获得了连续第四次的领导者排名，以其与Verisk的数据、分析和索赔工具的无缝整合而获得了认可。该软件即服务(SaaS)平台为寿险、年金、员工福利和机构年金提供开箱即用的解决方案。借助预配置的组件和平台可配置性，FAST使保险公司将产品上市时间缩短了75，新产品可在短短2个月内推出。
在本文中，我们将探讨Verisk如何在FAST中融合生成性AI改进客户支持流程，包括数据、架构的开发过程，以及结果评估。对话式AI助手正在迅速改变客户和员工支持的方式。Verisk已积极采用此技术，并开发了自己的即时洞察引擎，或称为AI助手，提供增强的自助服务功能。
surfshark中文下载机遇
Verisk FAST最初采用AI的原因在于平台的广泛性和复杂性。每年在客户支持上花费数十万小时的情况下，显然需要帮助以扩大规模并达成目标。Verisk的人才团队在处理常见询问时面临负担，因而失去了时间去进行创新，而只有通过创新才能保持保险科技提供者的领先地位。
Verisk FAST的AI助手旨在缓解这一负担，不仅提供关于FAST的业务处理和配置问题的24/7支持，还能利用丰富的知识库提供深入、量身定制的回复。该助手旨在深度集成到FAST平台中，使用Verisk的所有文档、培训材料及集体专业知识。它依赖于检索增强生成 (RAG)的方法，并结合AWS服务与专有配置，能够瞬时回答大部分用户有关Verisk FAST平台广泛功能的问题。
当AI助手大规模投入运营后，将允许Verisk的员工将更多时间集中在复杂问题、关键计划和创新工作上，从而提供更好的客户体验。在构建过程中，Verisk发现了几个值得分享的考虑因素和关键发现，供任何希望迈出首次利用生成性AI潜能的企业借鉴。
方法
在构建带有大型语言模型LLM的交互代理时，通常可以使用两种技术：RAG和微调。选择这两种方法取决于用例和可用数据集。Verisk FAST开始为他们的AI助手建立RAG管道，并对该解决方案进行了逐步改进。继续沿用RAG架构对Verisk有意义的原因包括：
理由描述动态数据访问FAST平台不断发展，添加商业功能与技术能力，确保其回复永远基于最新信息。多来源数据可以访问多个不同数据源来检索正确的上下文，使回答更全面。减少幻觉检索方法减小了幻觉风险，因为响应直接取自提供的摘录。LLM语言处理虽然可以从企业数据中检索适当的上下文，但底层的LLM能处理语言与流利性。透明度RAG架构为Verisk提供了提升AI助手生成响应的透明度，帮助识别系统中需要改进的领域。数据治理通过在RAG管道中注入控制，保证根据用户访问权限严格限制数据访问。尽管RAG和微调各有利弊，但RAG在构建FAST平台AI助手时因其对实时准确性、可解释性和可配置性的要求成为了最佳选择。该管道架构支持随着Verisk FAST用例的演变而进行逐步改进。
解决方案概述
下方图表展示了构建解决方案的高层架构数据流，突显使用的多个AWS服务。Verisk的解决方案代表了一个复合AI系统，涉及多个各自交互的组件，并调用多次LLM提供用户所需的响应。利用FAST平台协调这些多元组件被证明是一个直观的选择，避免了与替代框架如LangChain遇到的某些挑战。
关键组件描述Amazon Comprehend用于检测用户问题中的个人身份信息PII，以增强安全性。Amazon Kendra助力有效的RAG解决方案，提供深度学习搜索模型。Amazon BedrockVerisk选择的LLM模型，包括适应性响应生成。Amazon Rekognition用于处理包含文本的图像和流程图，提取信息。Amazon Transcribe预处理视频数据并生成转录，掩盖敏感信息。提示模板库动态选择模板以基于问题分类创建提示。未来展望
Verisk通过不断完善AI助手的能力，致力于为客户创造更大的价值，帮助员工将更多精力集中于创新研究上，并为保险行业树立新的客户支持标准。
欲了解更多信息，请查看以下资源：
在AWS上探索生成性AI了解 释放生成性AI的商业价值学习关于 Anthropic Claude 3模型的信息了解Amazon Bedrock 和如何使用基础模型构建和扩展生成性AI应用生成性AI快速启动POC