至顶网软件频道消息: 想象一下任何时候都有一位专家和你在一起,这位专家可以回答各种问题、提供建议并使你朝着正确的方向前进。对于Allstate的客户体验工作人员来说,这一梦想已成为现实。
Amelia就是这样的专家,它实际上是一个接受过保险专业语言训练的人工智能认知代理,训练项目覆盖50个州、50多个特种保险主题和法规。
Allstate员工可以通过与Amelia的对话,获得客户复杂保险问题的简明答案,而无需让客户等待以翻查各种文献和资料。也就是说,Amelia不仅可以令客户立即获得所需的答案,还可以令员工在减少培训时间的前提下更高效地开展工作。保险行业的法规和合规性是非常重要的,Amelia可以有助于确保每个客户的需求得到满足并且符合法规和合规性要求。
Amelia每个月可以处理超过250,000次对话,满足了超过75%的Allstate呼叫中心员工需求。该公司计划增加Amelia的工作量并扩大其范围,最终将与客户直接互动。Amelia与其他人工智能程序(如自动化和大数据)配合起来使用,帮助Allstate缩短了通话时间,提高了首次通话解决率。
客户期望在变,Allstate高级副总裁Carla Zuniga则一直致力于实现公司与客户互动的现代化。目标是充分利用与客户的日常互动,并将更多的互动转移至自动化渠道,比如聊天机器人。
Zuniga认为,人工智能将在未来五年里继续发展和变革,技术将变得更加强大。Amelia和其他人工智能服务将面向越来越多的客户,而人类员工则可以更专注于案例的管理和客户体验的人性化。
当然,无论技术如何发展,个性化服务仍然是保险公司的关键要素。客户在买了新保单、提出索赔或是联系保险代理时,很容易觉得自己只是一个保险单号码而已。为了解决这个问题,Allstate利用数据为每个客户创建了详细概况,强调各种趋势和最重要的数据点,进而加深互动的亲密性。
数字化转型仍将持续发展,人工智能也必将改变保险公司与客户的互动方式,对于保险行业来说,要保持领先地位,创新必不可少,人工智能应用或许是其中一种方式。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。