安盛信利（AXA XL）保险公司正在使用人工智能软件来帮助降低其风险顾问的工作量，这是一个企业采用软件来完成更多任务以减少成本的最新例子。

创新大会上的顿悟并不是什么新鲜事，但当灯泡熄灭时，Tim Heinze并没有想到自己会有这样的顿悟。Heinze是安盛信利保险公司北美房地产部门的战略运营总监，他刚刚观看了一场演示。在演示中，一名IBM工程师讲述了该公司的人工智能软件沃森是如何提高海上石油钻井作业的效率的。

这位演讲者声称沃森可以“帮助一位工程师像一千个人一样思考”。“这引起了我的注意，”Heinze回忆道，并对使用复杂软件来增强人类工作能力的热潮表示了赞同。

安盛信利保险公司正在试验人工智能和自然语言处理软件来帮助填充和处理有关商业业务的信息。该解决方案是在代号为Project Spotlight的项目下开发的，它可以自动生成工程调查报告，这些报告对于提供适当的保险覆盖范围和准确的定价来说是至关重要的。

Gartner的数据显示，企业对人工智能的采用率正在飙升。该公司表示，在过去四年中，实施人工智能的企业数量增长了270％，在过去一年里则增长了两倍。“四年前，人工智能的实施还非常罕见，只有10％的受访者表示，他们的企业已经部署了人工智能，或将很快部署。到2019年，这个数字已经跃升到了37％，”Gartner的研究副总裁Chris Howard说。“如果你是一名CIO，你的组织还没有使用人工智能，而你的竞争对手在使用人工智能的可能性却很高，这应该是一个问题。”

人工智能增强了人类的工作能力

安盛保险获得了“Digital Edge 50 Award”的“数字创新”奖。尽管现在还为时尚早，但你的确可以把Heinze看作是AI和NLP的忠实信徒，它们能够在保险领域实现效率最大化，从而加快产品上市速度的能力对于保险业来说已经变得越来越重要了。

作为承销过程的一部分，安盛的风险顾问会对商业地产的调查进行评估，并在报告中进行总结，为承销团队的10个风险因素进行评级，并获取每个地区的其他关键属性。他们考虑的细节包括：工厂是否位于炸药制造商旁边？它有足够的洒水系统吗？最近的消防站有多远？

为承销商创建摘要报告一直是一项繁琐且单调乏味的手工任务。Heinze想，如果安盛能够使用软件来编译、阅读和评分这些报告，结果会怎样呢？在Project Spotlight项目中，Heinze和他的团队使用了一个AI／NLP引擎，该引擎能够自动接收和读取调查报告，并为10个风险因素中的每一个提供一个建议评分的摘要，并提取其他关键位置的属性。

Heinze强调，该系统从来没有打算取代完整的评审，而只是进行最初的筛选，提取关键数据并提供评分的“第一次裁剪”。如果风险顾问觉得计算的分数不准确，可以修改AI系统的报告。这一点很重要；虽然一些研究表明人工智能可能会减少工作岗位，但Project Spotlight项目强调了软件将如何提升而不是取代风险顾问的工作量，从而节省他们重新分配到其他业务任务的时间。

风险顾问可以单击任何组件级别来展开屏幕，并查看系统用于生成分数的实际文本。风险顾问还可以跨越一个或多个位置或账户来搜索关键字或属性，并根据关键数据点（如总保险价值或位置名称）对显示进行排序。

Heinze说，随着系统的学习，生成分数的准确性会随着时间的推移而提高，并补充说，系统也会定期进行微调。“训练系统是一个持续不断的学习过程，”Heinze说，并表示，系统通过利用来自成千上万个属性的工程报告的结构化数据进行了自我改进。

尽管该解决方案仍在评估当中，但安盛估计，它可以将风险顾问审查报告并向承销商提供反馈所需的时间减少一半。

寻求数字化的优势

安盛采用敏捷方法来构建了Project Spotlight，使用了一系列为期四周的sprint，包括初始测试阶段、基于用户反馈的两周系统改进和一周的改进测试。自第一次sprint以来，系统生成的分数的准确性一直在稳步提高，并且正在向安盛的80％的准确度基准迈进。

作为一个辅助优势，安盛现在将100％的工程数据存储在了一个中央数据库当中，用于下游的应用程序和分析。例如，安盛可能会获得100份工程报告，但只需要审查其中5个最关键的位置。但由于工作量过大，安盛甚至可能无法打开其他的95个。而Spotlight使得安盛能够摄取所有的100个报告，并拥有一个系统生成的评分，以供查看。Heinze表示：“能够通过AI／NLP来快速准确地做到这一点，使我们相对于竞争对手来说具有了数字化的优势。”

安盛试用了两种解决方案－－一种是IBM的沃森软件；另一种是启动一个专家系统－－但在选择专家系统之前。“他们是伟大的合作伙伴，”Heinze说，并补充说安盛从比较和对比两种产品中学到了很多。

Project Spotlight项目使用的核心技术是专家系统的Cogito知识图，它嵌入了数以百万计的概念及其词汇形式、属性和关系，能够帮助消除文本中单词和表达的歧义。该软件可以利用机器学习算法从文本中自动丰富其知识。

教训

Heinze说，为这样的努力取得广泛的认同是至关重要的；安盛的高级管理层很早就对此表示了认同。业务领导、工程师、IT资源和专家系统的领导主持了启动会议。IT管理人员负责项目的交付、变更管理、体系结构和设计，而安盛的承销团队则确保其目标与组织的目标保持一致。

这一愿景在试点的8个月里一直保持着一致，并在预算之内按时完成了预定任务，这让安盛有充足的理由保持乐观。

现在，该公司正在考虑如何利用这项技术来加快其提交审批和分类的进度，以及从保险合同中提取、分析和存储关键的条款信息。

Heinze表示：“如果我们能解决这个问题，并开发出一个AI／NLP解决方案，那么我们就能吸取教训，并着手于未来的项目。”