如今,采用创新技术激发创新、推动数字化转型、实现降本增效已成为企业共识。但入局时缺乏明晰的数字化转型顶层规划,或因过于关注技术本身而忽视了与业务需求的紧密结合,导致许多企业在技术上投资巨大却并未实现预期效果。
数字化转型之道多歧路,如何避免“技术滥用”带来的数字化风险,真正实现“技术促生产”的高效创新?中荷人寿保险有限公司(简称“中荷人寿”)作为一家将科技赋能写入新发展格局的寿险企业,通过携手IBM,利用其独特的车库创新方法IBM Garage,引入AI赋能的流程挖掘产品IBM Process Mining,树立了以AI赋能的业务自动化来推动创新、实现降本增效的保险行业数字化转型标杆。

“道”相同,相与为谋
根据原中国银保监会《关于银行业保险业数字化转型的指导意见》的数字化转型工作要求,以及公司“三五规划”的战略发展需要,中荷人寿于2022年底制定了数字化转型五年规划及2023年数字化建设方案,成立了统筹管理公司数字化转型工作的数字化转型办公室,并把“流程精益”作为公司2023年规划中的基础工程,旨在通过流程相关的方法论、制度、工具的建设,持续加强公司全方位流程管理能力,同时避免走弯路、投入无谓的成本,并为持续的数字化、智能化建设打好基础。
利用IBM车库创新方法,中荷人寿数字化转型办公室对公司流程现状进行梳理及分析,发现各项业务流程缺乏端到端视角、流程管理手段亟待丰富,需要找到一种基于现实的流程优化和自动化工具,以快速锁定流程问题,并持续解决跨部门、跨系统的协同问题,从而优化管理机制以降本增效、规避风险。
针对以上问题,中荷人寿决定启动“超级自动化”项目,通过开展一系列与流程相关的平台、技术、产品的长期建设,实现跨部门、跨系统的业务流程协同和重塑优化,达到有效降低人力成本、提升作业效率、优化管理机制和规避业务风险的目标。
中荷人寿不仅将数字化视为技术层面的革新,更富有远见和负责任地将其提升到战略与价值观的高度,以客户价值为核心,注重长期发展与创新,并以客观数据为基础进行决策,确保技术应用的合理性,防止数字化技术的滥用。以此为前提,经过严格程序,中荷人寿选择了IBM作为其在流程领域探索数字化创新与转型的合作伙伴。
中荷人寿相关负责人表示:“在流程建设领域,IBM与中荷人寿可谓志同道合。在与IBM的前期沟通中,我们发现IBM提出的为客户创造价值的超自动化流程解决方案,与中荷人寿创新共赢的价值观高度契合。IBM不仅能为我们提供能够符合我们业务需求的技术平台,更为我们提供将技术高效转化为业务价值的创新方法论,这正是我们数字化转型长期路线发展极为需要的能力。”
中荷人寿流程挖掘平台开创业界先河
2023年,中荷人寿超级自动化(一期)项目开展流程挖掘基础建设,基于IBM Process Mining产品,并在试点场景引入机器人流程自动化(RPA)产品,快速提高流程效率和质量,以最优的成本整合系统资源、打破数据孤岛。第一期项目重点围绕三个流程进行优化操作,包括理赔、核保及根据前两个项目的成果选择一个复杂审批流程,充分实践并完善基础方法论。
流程挖掘被誉为“企业核磁共振”,能够快速找到企业流程“病因”并开出有效“药方”。IBM Process Mining作为流程挖掘的杰出产品,能够利用企业ERP、CRM等业务系统的数据,通过人工智能和数据驱动的洞察力,实现对企业流程的全面透视,精确地找出效率低下的问题所在。IBM Process Mining还能根据问题的重要性和企业预期投资回报率,划分自动化改进的优先级,通过触发纠正操作或生成RPA机器人,推动流程的持续改进。借助这项技术,企业能够更快速、更明智地做出流程改进决策,预计可以将处理时间缩短70%,并实现高达176%的投资回报率。
目前,中荷人寿超级自动化(一期)项目正在稳步推进当中,并取得了以下阶段性成果:

通过本期项目,中荷人寿确定了优化具体业务的具体措施。这些具体措施的落地除了RPA的辅助外,还需要基于AI的知识库、基于AI的理赔案件分类等数字化技术的赋能。
IBM认为,企业的数字化转型是一个长期而持续的迭代过程,需要与其业务战略相匹配的价值观、方法论、技术平台与工具。IBM兼具丰富的企业数字化转型经验与技术专长,聚焦客户价值,不仅拥有如IBM Garage车库创新这样独特敏捷高效的方法论,也有极为丰富、落地和领先的技术平台与产品,可以帮助客户做出符合业务需求的技术、平台和路径选择,帮助他们扫清障碍,提升数字化转型的成效。IBM项目负责人表示,“此次以流程挖掘为起点,借助IBM的创新方法和成熟领先的产品,能够助力中荷人寿以AI赋能的业务自动化来推动创新、实现降本增效,树立保险业数字化转型的标杆,我们感到非常荣幸和骄傲!”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。