AI如何高效赋能保险销售： 决策者的AI投资逻辑和AI场景选择是重要因素

近两年，随着一大批AI基础能力的成熟，针对于AI应用的探索变得越来越火热。保险行业作为一个民生支柱行业，加之天然与数据很近，因此在保险方向上，AI应用的探索一直是个热门话题，也有很多优秀的人才投入到了这个方向，探索广阔的未来。

AI赋能保险电话销售：

低运营成本下产生巨大收益

以某家在保险销售领域增长较快的互联网保险公司为例，这家公司在保险销售与AI相结合的领域中属于领先者，并且取得了相当不错的成绩。例如，它将GBDT传统机器学习与DNN深度模型网络相结合进行销售线索的智能匹配，并且能够通过启发式算法自适应调整，建立起优化的匹配技术架构，提高服务人员与用户之间的匹配效率。这套系统应用帮助销售效率提升了20-40%，助力增加了数千万保费。

我们以电话销售为例。在保险电话销售中，每个坐席每天需要给20~50个客户拨打电话，坐席所获得的客户，通常是一种近乎随机的方式进行分配。经过数据的深入分析，可以发现异性之间的通话，成单概率会较高；相似教育背景，相似家庭情况的坐席与客户，成单概率也会较高；甚至，特定星座之间的通话，成单概率会提高。类似可以通过语言描述的规则，有近百种。

如何应用这些规则，为每个坐席分配最合适的客户，提升呼叫中心效率，是一个很值得尝试的方向。AI恰恰能非常好的融合这些规则，非常精细的给出每个坐席适合的客户都有哪些，从而大大提升整体成单率与承担金额。

经过不到3个月的AI训练与系统改造，在坐席与客户完全不知情的情况下，系统总成单金额提升40%，每年可增加数亿收入。根据估算，通过算法的进化与数据的完善，这个提升效果，很可能可以达到100%，即提升一倍。这意味着短时间内，在很低的运营成本下，可以做到完全复制一个庞大的呼叫中心，从而产生较大的收益。因此在这个互联网保险公司内部，保险销售与AI相结合被认为是近年来ROI最高的项目之一。

笔者之前在这个互联网保险公司领导了保险销售与AI相结合的项目全流程，因此对于如何快速应用AI，并产生巨大的效果，有一些经验想与行业内的朋友们分享与讨论。

AI如何实现快速见效：

场景选择极为重要

一个公司对于AI的畅想会有很多种。从业务部门的视角，研发部门的视角，甚至是管理者的视角，都能结合自身对AI的理解，提出各种各样的想法，并期待对公司产生实质性的帮助。选择哪些想法去落地，是最重要的问题（没有之一）。场景选对了，AI工程实现哪怕简陋些，也会看到明显的效果。选对了场景，AI落地就会快速且有效。

在公司项目实施过程中，通常实施周期越长的项目，失败的风险越高。因此项目如果可以快速实施，将大大提升成功的可能性，拿到可观的收益。

同时在AI领域，专业的描述有些枯燥且不那么直观，我试着定义两个名词，说明如何选择AI应用方向，从而使项目能够快速见效，同时降低各种不确定性。

替代人AI：这个是大众普遍认为的AI，用训练好的AI来代替人，比如无人驾驶。

非替代人AI：比如有些工作不是由人工完成的，通常是因为单次工作价值过低，或信息量太大人类无法胜任，恰好AI非常适合做这些工作。比如抖音推荐算法，广告AI算法。这些算法可以精准到我们甚至怀疑手机被监听了。

追溯AI的发展史，各家大公司大力推动AI发展的一个很重要原因，其实是因为非替代人AI的效果，显著地刷新了他们的财务报表。比如Google的广告推荐算法，Amazon的商品推荐算法，以前也有传统的算法工程师胜任，但AI能更加高效，更加简洁的完成这些工作。

相对的，替代人AI的发展，极大的调动了人们的热情，但所能产生的商业价值，却暂时远没有非替代人AI高。究其原因，是因为人类行为的不规范，以及人类对信息的理解方式与计算机完全不同，阻碍着替代人AI的落地生花。

笔者对AI的未来十分乐观，也许我们就在替代人AI爆发的前夜。不过作者也预测，这些工作，一定出现在科技巨头公司，并非每个公司都有机会。比如特斯拉的无人驾驶，如果未来法律不出现巨大改变，特斯拉的无人驾驶技术与数据，绝不可能无偿开放给其他公司用于出租车运营。无人驾驶，是社会价值巨大且AI能够比较容易胜任的交集点。这里说的比较容易，是与其他的人类行为作对比，比如与一个人有效的沟通，对很多人而言，要比开车上路要难的多。实际上无人驾驶已经是非常难的工作了，以至于现在也没有大规模实现L5级别（可以任何道路条件下无人驾驶，不需要人类监督，没有方向盘）。

希望在保险行业快速应用AI，在技术还没有完全成熟的情况下，一定要选择离非替代人AI领域较近的项目，这样才能保证快速与低难度。例如保险产品的智能推荐，要比应用智能客服要容易，并且能够快速见效。

AI应用的三大难点，

以及决策者的AI投资逻辑

AI应用会有三个难点，分别是寻找方向，管理能力和一点点运气。

寻找方向：选择AI可以赋能的方向，是成功的一半。除了上述的技术考量，还需要考虑商业价值，这是更重要的一点。AI用于人脸识别，具有巨大的商业价值，但用于宠物识别，商业价值就显得不是很大。在保险行业，尽可能要选择销售、风险管理等核心业务相关方向应用AI。

管理能力：AI在产业界，还是一个相对较新的技术，从项目立项，到成功的实施，中间会有非常多的不确定性，尤其在大家对AI不是十分了解的情况下，跨部门合作会产生各种问题。如何确保所有项目参与者目标明晰，协同增效，是个很难的问题，难度甚至超过了作者的预期。尤其在保险行业里，技术的同学对于保险的理解与业务同学还有差距，双方的沟通需要进一步翻译与协调。

一点点运气：做任何事，都需要那么一点点运气，马斯克有言“运气就是最大的超能力”。

当然作为一个决策者，投资一项业务最基本的逻辑，是能不能带来回报。舒服地投资一项业务的节奏，是通过小投入看到快速的产出，这样能充分给予决策者信心继续加大投入。

对于AI的决策，无外乎对的人做对的事，并辅助一些适当的管理方式。人是最重要的决定因素。在选择AI的相关人才时，最好要配备兼具技术背景，商业直觉与管理能力的人。这样能有效避免单纯的技术思维，同时避免脱离技术本质设立不切实际的目标，还有助于业务的顺利沟通。

作者相信AI在多数公司只是刚刚开始探索，绝没有到方向枯竭的程度，一定要选择容易见效的点去尝试，也就是一定要选择能快速见效的场景。

对于管理方式，作者认为AI更像是业务部门，要用更加偏向业务的方式去管理。AI虽然是一个技术活，但总体而言，它更像是在做业务，因为AI的产出就是账面上的收益。AI的工作，效果从提升10%到提升15%，也许并不是很难的工作。如何激发团队做出提升15%的效果，是投入产出比非常划算的事。

从实际经验看，AI一定是未来大中型公司的第二增长点，行业里的保司可以多多尝试，很可能有意外之喜。