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
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。