技术的价值并不来源于资本的追捧和舆论的捉弄，去伪寻真之后，依然要回归丛林法则「生存即有效」
在风口被抛弃的时代，所有保险AI领域热度都在降温，保险公司也在观察其真正的价值。
在医健AI掘金志之前的文章中，对保险AI中NLP的发展给予了肯定，围绕这种技术落地的实际情况，雷锋网专访了一家保险NLP企业创始人——企保科技庞文君。
在进入保险行业以前，庞文君就在香港中文大学学习分形体进化算法，并发表数篇算法论文，毕业之后又在香港供职于多家保险公司，曾在世界最大保险经纪公司Willis集团担任亚洲区总监。
她向雷锋网表示，在保险领域，NLP相对于其他AI技术，认知和落地都晚一个节拍，2018年以后才被大家所了解。一些有创新精神的险企开始尝试应用第一代智能客服，而彼时其他AI技术已经进入拼刺刀阶段。
但NLP之所以有更好的发展前景，就是因为保险的业务场景十分符合NLP的技术特点。
作为一种由大量条款文本承载商业价值的服务，保险在销售、承保、客服、理赔等多个环节都需要大量的文本确认和自然语言沟通，这些场景可以利用NLP进行文本智能标注，输出带标签的参考结果。
例如NLP可以像人工核保师一样，理解体检报告中的人体健康信息和疾病发生概率的情况。
以下是专访的完整内容，雷锋网做了不改变原意的编辑。
雷锋网：近期企保科技为水滴保险商城提供了NLP语音机器人，这个项目是怎样的情况，Aimi机器人对水滴有什么作用？
庞文君：目前企保和水滴的合作已经超过大半年。水滴无论是用户量、还是保费规模，都是全球最大互联网保险平台，用户量已经超过6亿，而企保为水滴构建的正是全量服务的保险机器人，覆盖所有业务模式。
具体效果来说，对人工的替代率可以达到90%。这代表100个问题里面，机器人处理90个以上，需要人处理的不到10个。
过去对于NLP机器人效果判定存在很大的误区，只看重了准确率和召回率。
但保险作为一种复杂、链条长的生态体系，不应该只看重准确率，以人类工作来看，只做简单重复的工作，怎么会代表能力的高低。NLP的价值应该更看重具体的工作范围和能力宽广程度。
雷锋网：这么多保险NLP公司，为什么水滴保险商城最终选择了企保，背后有怎样的原因？
庞文君：企保是所有NLP公司中，唯一只聚焦保险领域的企业。从行业痛点出发找解决方案，而不是拿着锤子到处找钉子。
这个特点决定对于客户的落地成本和调整区间是所有NLP方案中最小的，上线之后，可以按照他们现有的材料，学习一下就可以做到上岗，快速进入工作状态。
其它NLP企业提供的只是一个锤子，客户需要根据自己需求打钉子。当初他们接触这种新技术是希望节省人力，但可能人力非但没有减少，还要适配更多人来伺候这种新锤子，给它输入问题，编写答案，俨然请回来一个问题宝宝。
雷锋网：目前企保已经服务国寿、人保、京东安联、中信保诚等众多保险企业，在哪些场景中有明显的效果？实际效果到底是多好？
庞文君：保险科技服务的to B行业，本身就需要深耕和长期心态对待。因为场景非常复杂，光险种就包括意外险、医疗重疾险，旅游险、车险、寿险、团险、年金理财等等。每个险种面向的用户群和服务模式都完全不同，但都是依据ROI（投资回报比），希望花更少的钱，办更多的事。
每个NLP机器人项目都需要保险机构投入时间、采购、上线、维护等成本，这些方面企保NLP产品的ROI，都已经达到客户要求。
雷锋网：这么多服务里面，对哪一次NLP上线场景印象最深刻。
庞文君：和i云保的合作就非常明显，上线NLP机器人种类超过100种。而且这一百个项目，并不是从1到100的复制，包括不同类型的机器人例如营销类的、促活类的、服务类的等多种场景。
每种业务都有完全不一样的目标，也就需要完全不同的机器人，为了这个项目，企保对业务部门进行重组，单独按照每个机器人项目成立单独的项目组，垂直管理、垂直负责，这个项目持续了很久。
雷锋网：很多风险控制，更多是靠人的经验判断。您认为人工和智能，哪个更重要？现在智能应用不好的情况，是否没有对人的经验充分吸收而导致的？
庞文君：没有什么经验是AI不可以吸收的，智能没有达到和人同样的效果，一定是没有充分转化人的经验。
时代角度来看，今天还没有进入到强智能的时代，仅仅能依靠AI做一些辅助性工作，还完全无法独立出来，所以人和智能的对比一定是伪命题。
雷锋网：市场上是否存在，算法专家在没有充分吸收人工经验，就直接让产品吸收大量数据，追求数据为王的情况？
庞文君：这个现象普遍存在，AI保险领域，很多企业都在标榜自己是数据驱动的人工智能公司。
但从企保应用NLP的情况来看，AI的价值来源于真实的业务场景，没有知识图谱的数据是没有价值的，直接追求数据为王，最终一定会停留在假象和外围，也就无法满足行业的知识和逻辑，企保的做法就是知识引导+数据驱动。
雷锋网：保险是AI落地的重要方向，但有专家认为，很多场景根本用不到复杂机器学习模型，一个简单决策树或基础统计模型就能解决，您怎么看？
庞文君：保险本身难度和挑战都非常高，简单决策树的概念一定会被率先否掉。我们在实践中发现，每种业务场景中，按照数据类型去完成作业的输入、输出模型，可能就需要几十种模型，所以决策树是根本没法用的。
简单决策树最明显的例子就是智能保顾，在16、17年所有互联网保险平台，乃至众安、太平洋等险企都做了尝试，但发展一直都不好，实际根本没有客户愿意用，也解决不了问题，以至于现在很少提这种概念。
雷锋网：AI保险应用中，出现这么多噱头场景，背后的原因是什么？
庞文君：保险领域是需要人力，场景非常复杂的行业，这个行业对于AI一定存在很多的需求，但并不代表处处是蓝海，把AI拿过来，就能生根发芽。
像简单决策树这种观点，就是因为隔行进入保险创业的技术专家，很难找到真正价值点，就会趋向利用简单决策树寻找马上出效果的需求，但最后发现，做出的产品根本没有任何价值，也就成为了噱头。
雷锋网：像企保的NLP研发和应用中，经常要碰到大量文本数据，是否也会出现，数据过于多元、过拟合的情况。噪声数据过多直接影响结果。这个问题通常有哪些解决方法？
庞文君：数据过拟合和噪音数据过多是企保研发中经常碰到的情况，产品里面包含上百个模型，偶发肯定会有，但是整体性从没出现。如果所有模型都出现这种情况，说明产品对于场景的定义是失败的。
雷锋网：16、17年那个阶段，大量的学术型创业者跟随AI保险热度进入这个行业，现在资本退却之后，这些企业的发展趋势都比较差，您怎么看待这种现象？
庞文君：自己非常不看好非保险的纯技术创业，不理解自己要解决的问题，就一定会出现大炮打苍蝇、杀鸡用牛刀。技术仅仅是工具，解决的问题不仅要是痛点，还要存在巨大商业价值。
对于技术型创业者，很容易陷入方法论，拿着锤子到处找问题，但是往往解决问题都价值有限，很快就会出问题，浪潮退却之后，一定就能发现谁在裸泳。
雷锋网：在AI保险应用里面，NLP有怎样的优势？
庞文君：保险行业区别于其他行业最大的一个特点，是一种由大量条款文本承载核心商业价值的服务，其所有涉及的工作角色（咨询、销售、核保、核赔）都是基于对条款材料、规则文书对于客户语言的学习和理解以及回应。
以文本为例，用户购买保险之后，获得的就是一本二三十页难以理解的合同。甚至有的保险公司老板都在讲，里面的条款，自己都看不懂。
而且，保险行业还经常需要做双向选择，并不是所有人都能买保险，也不是所有人都能获得理赔，场景和NLP的技术特点高度一致。
雷锋网：相比于NLP，为什么像计算机视觉、核保AI等在保险中的实际价值有限？
庞文君：计算机视觉技术本身并不是不好，在保险行业的身份证识别等简单文本场景，已经有很好的应用。
不好的问题就出现在复杂文本数据，对于保险托管、医疗票据、理赔文件，一直都没有达到保险公司的要求，用起来确实没啥价值。
未来解决途径应该是和NLP结合在一起，像医院的体检报告，可以在OCR识别之后，可以利用NLP解读背后的医疗意义，并给出结论，这种结果对于保险公司，肯定是有意义的。
雷锋网：在发展路径上NLP和其他AI技术，有什么不一样的地方。
庞文君：AI已经在保险领域发展了几年时间，市面上的保险科技企业也都表示自己是AI，很难找到和AI没有关系的企业。现在资本市场也在严重的下滑。
但NLP相对于其他AI技术，无论认知还是落地都会晚一些，在2018年以后才被大家所了解，一些有创新精神的险企开始应用智能客服，但这都是第一代智能客服。
在2019年之后，这些第一代、第二代所谓的智能客服暴露出很大的问题，最后的效果和客户最初的期望完全不一样。很多客户都在讲AI并不智能，期望值已经下降。
雷锋网：对于AI保险的落地应用上，为什么更多人看重营销环节？
庞文君：保险成本的链条里面也主要分三块，营销、运营和理赔端。而其中占比最高的就是销售环节。而且保险行业销售佣金相对非常高，部分险种甚至把100%保费作为佣金，所以就是利益导向。
雷锋网：NLP相比其他AI保险技术，无论是应用还是建立明确的观念都是比较晚的过程。对于不太懂AI的客户，企保从16年开始是怎样一步步教育客户认可NLP的价值？
庞文君：创业之前自己在保险行业已经有了一定的基础，但创业之后，真的还是从头开始一家一家去碰、去沟通，到现在我自己沟通的企业已经超过几百家。
具体情况按照时间节点来看，2017年、2018年还要不断讲AI技术，我们的差异在哪里，让客户了解AI，去布道；
2019年产品细分好之后，开始谈适用，按照对方业务场景，推荐相应适用产品；
到现在，和客户沟通中已经几乎不谈AI，只谈业务。主要就是因为让客户判断真AI和假AI会很难，也不懂AI技术，但他一定熟悉和理解自己的业务场景，知道痛点和问题在哪里，知道怎样的效果有作用，直接告诉他我们产品能解决什么问题，怎么帮到他们，效果非常好。
雷锋网：这种最开始就接触NLP机器人的客户，受到很多挫折的用户，是否存在之前产品这么烂，后来有很强排斥心理的情况？
庞文君：NLP在保险行业的出现，已经不再是一天、两天，很多保险客户，过去都接触过一代、二代老的智能客服产品，可以说是深受其苦。
使用企保产品之前，确实有很多客户有先入为主的排斥心理，觉得AI都是挺烂的。但使用企保产品之后，往往就会喜出望外，原来受伤越深的客户，对于AI的认可度会越高，他们很容易就会体会到其中的反差和价值。
雷锋网：在逐渐摸索的过程中，遇到客户方使用企保科技的产品体验不太理想，客户方通常情况下会怎么做？
庞文君：客户永远都希望机器人达到100%，觉得机器人应该比人厉害。有一次我们和客户做介绍，客户看了机器人效果，直接就表示这个问题我也可以回答，他已经把自己跟机器人去比较了。
机器人肯定会有答错的情况，在客户介绍中，我们也会首先和客户讲，现在不是强AI的时代，不是直接把文件丢给机器人，就可以把所有保费都赚回来，所有服务和销售就都完成了，这种情况一定是想得美。现在保险企业也在逐渐明白，八成以上就可以达到要求。
雷锋网：对于体验不好的情况，企保过去有怎样的应对措施？
庞文君：介绍的一个目标就是不要让客户先想的美，机器人虽然会答错，但我们会保证企保机器人的表现在业内是最好的，也会鼓励客户将产品和其他家做对比。
而且对于机器人，测试中答对或答错几个问题都没有任何实际意义，在大范围、大规模的工作量情况下，才能体现其实际水平。我们在初期的体验、测试环节，一定会把量级、场景逐渐放宽、放广，客户会很容易建立起正确的认知。
此外介绍中我们往往会直接讲机器人的使用方法。因为语音机器人，广泛应用很多不同的业务场景，如果最开始没有培训好，客户之后一定无法发挥AI的效用，也就会产生失望情绪。
雷锋网：在保险行业内已经有一份非常有前景和体面的工作，为什么还要出来创业，而且还选择了保险AI？
庞文君：在16年到17年这个时间段，AI在保险行业的热度逐渐升高，而自己当时在Willis已经做到亚洲区最年轻的总监。当时创业也很不被支持，很多人都问我，为什么要放弃这么有前途的工作，折腾自己。
自己经手的保险案子中，发现很多甚至超过10个亿美金的案例，中间许多简单、重复性的工作都是人力在完成。
保险行业虽然规模很大，但IT化非常落后，不仅是国内这些互联网保险公司，即使像英国Willis、美国Aon的世界500强也是这样。
自己学的就是人工智能，在保险行业摸爬多年之后，就开始思考解决这些问题的技术路径和框架，之后就出来了。
雷锋网：在AI保险创业过程中，什么是在创业之后才看到事情的本质？
庞文君：NLP作为一种通用型技术，自己在创业最早期，就非常担心企业之间的竞争情况。
但聊完200多家险企，和见过他们应用的NLP机器人之后，就发现这种担心完全是多余的，因为绝大部分都处于早期阶段。
而且我们国家的AI保险和NLP领域已经走在全球最前沿，像伦敦、新加坡、台湾等国家地区的AI并没有我们先进，我们招聘算法工程师的时候都有这些地方的人来申请，所以也很了解他们现在的整体水平，甚至有些还停留在收智商税的阶段，比如做100个问答对，收100万。
而且中国的市场，有着巨量的用户量，像水滴就有6亿注册用户，相比之下美国只有三亿人口。
雷锋网：您对每年不断涌入AI保险行业的新创业者和优秀技术人才有什么想说的？
庞文君：保险科技这个领域现在创业变得很难，资本市场已经过了热度。如果真的打算在这个行业创业，首先应该有一定的经验和积淀，成功率才会更高。比如现在重新开始做NLP创业，已经太晚了，格局已经形成，很容易会拿不到融资。
当然国内保险行业大方向是很好的方向，依然处于青壮年，也确实存在比较多的机会，例如保险+医疗，很多药厂都在找保险机构合作，因为社保招标的方式已经极大压缩药厂的利润。
整个国家医疗费用支出6万亿，社保占2万亿，商保只有5000亿，未来药品和医疗服务的买家一定是保险公司，这个机会现在正在酝酿，BAT等巨头也已经开始挖人。
其实不创业也不代表不能成为优秀的人才，对于保险NLP领域，可以来到已经创业比较成熟的企业，例如我们企保，就非常欢迎人才加入。
正在生成分享图...
徐晓飞