Suncorp已经将IBM Watson引入其在线索赔系统,每年处理超过50万个交通事故索赔,以帮助该保险公司更好地了解索赔的情况并确定责任。
使用IBM Watson的Natural Language Classifier(自然语言分类器),系统可以分析客户对汽车事故的描述;然而,由于描述通常是以对话方式写出来的,IBM表示它们经常会包括口语和澳大利亚俚语,Watson需要学习这些才能正确地协助Suncorp工作。
该技术正在Suncorp的各大个人保险品牌中使用,包括AAMI、Suncorp、GIO和Bingle。
该平台依靠Watson进行责任分析,并协助快速跟踪简易索赔,如有详细描述的单方车辆事故。然而,如果客户提供的事故描述有限,或者系统在确定责任方面的可信度较低,则该索赔将转交给人类员工来帮助决策。
Suncorp保险公司的首席执行官Gary Dransfield表示,这项人工智能技术于2017年6月开始投入使用,此后,通过该过程快速追踪的客户比例增加了三倍,Watson支持索赔的提交、超额支付或放弃,并可以在五分钟内预订维修。
Dransfield星期三在一份声明中表示,“这项技术增强了我们的索赔顾问的知识和专长,提供数据驱动的洞察力,并为我们的责任决策带来了更大的信心,同时也帮助我们加快了客户的流程,同时在他们通常会感到压力很大的时候改善了他们的体验。”
“最终,通过提供创新的数字化解决方案,帮助客户更容易地完成索赔流程,从而提升了我们客户的体验。”
Dransfield表示,依靠技术做出决定将确保索赔流程精简。这种方法也将导致更一致的责任决策,Suncorp希望Watson可以根据历史索赔和行业准则建立可靠的参考点。
Suncorp使用了将近15,000个去个性化的索赔情景以及由此产生的责任确定,还有澳大利亚审慎监管局(Australian Prudential Regulatory Authority ,APRA)的指导方针训练Watson掌握关于确定机动车辆事故责任的复杂性。在试用期结束时,Watson可以准确地确定约90%的案件的责任。
Suncorp的首席执行官兼执行董事Michael Camero在公布2017财年业绩时告诉股东,该集团的税后利润为3.94亿澳元,如果不需要进一步为其核心银行平台投入资金(已经与Oracle签署了合作协议),则税后利润将会更高。
在2014年5月份宣布该公司将致力于投入约2.7亿澳元来改变其核心银行系统之后,该银行之前的目标是在2018财年通过技术优化计划获得1.7亿澳元的收益。
Cameron解释说,Suncorp决定将一小批产品留在旧系统上运行,而不是冒险推出新平台。
Cameron表示,“归根结底,客户体验是非常重要的;我们不想陷入中断的境地,所以我们所做的一切是等待同一款软件新版本的发布,其中包含了我们想要的各种各样的东西,而不是在内部自己建立这些东西。”
“这实际上会让我们付出的代价更小一些,从客户的角度来看,这将会降低运营风险,对于我们来说,这意味着在一段时间内运行两个系统。这样虽然不太理想,但是我们已经思考了很长时间,并进行了认真的考虑。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。