「保費 52 元是什麽意思？」
「這個價格其實是根據您的年齡，以及您過去的病史，我們測出來的保費，您今年 43 歲，算下來每個月就是 52 塊錢，是這樣的。」
「之前被狗咬了也沒報呀？」
「嗯嗯，這個是要根據您購買的保險條款來的，不是每個都能報的，能報的我們要看政策，所以您可以看到有的病也不能報。」
……
這一段對話，看起來平平無奇——但如果告訴你這是 AI 保險客服和用戶進行的語音對話，那你一定會有點驚訝。
對話裏，它完全能理解用戶在問什麽，能給出專業的回答，情商、智商都在線，聲音像真人一樣，語氣和停頓自然、「嗯嗯啊啊」的廢字都很真實。以至于用戶在對話過程中感受非常順暢自然，不會過于生硬。就這樣，他們聊了 50 分鍾——如果說圖靈測試（注：1950 年圖靈提出的，用于測試某機器是否具備人類智能的方法）是标尺的話，那這場對話幾乎可以說 AI 已通過了測試。
電話那頭的 AI 保險客服，是由水滴公司開發出的一款保險 Sales Agent。在人工智能領域，Agent 并不是直譯「代理人」的意思，而是代表具備自主性、适應性、交互能力、能夠自主學習和持續進化的軟件或系統。
這家 2016 年成立的公司，業務聚焦在健康保障領域，2017 年推出了保險經紀平台「水滴保」，累計服務超 1.1 億保險客戶。
早在 2021 年，水滴就想做這樣一款 AI 保險客服，對标真人水平、能彌補保險經紀人的服務供給不足問題。在 2022 年大模型浪潮到來之後，這個設想才真正提速了——根據通用基座模型以及水滴積累的優質保險語音語料庫，它在一年内做出了這個媲美真人 99% 水平的 AI Agent。
衡量一個保險 AI Agent 是否真有用的标志，是看它是否走進了業務、帶來了成交。水滴公司創始人兼 CEO 沈鵬告訴極客公園，該公司「意外險」、「醫療險」等險種的部分電話客服工作已經由 AI Agent 承擔。
大模型浪潮這兩年來，國内外科技公司都希望能擁抱大模型、改造自身業務，而水滴是一個典型代表。相比于傾注精力攻堅通用大模型、期望實現 AGI 的公司，像水滴這樣，在已有底座大模型基礎上、結合垂直領域數據微調，打造垂直模型和垂直應用的路徑或許更爲适用。它也能将智能推到某個極限，并且創造出商業價值。
在沈鵬看來，水滴要做的是大模型的中間層和應用層，更聚焦在保險産業的各種場景，不斷優化大模型來提升内容生成的質量。爲了加強在中間層和應用層的科技探索，水滴每年的研發投入在 3 億元左右。
随着技術不斷叠代，水滴推出的 AI Agent 也在不斷升級。下半年，水滴又推出了針對車險場景更複雜的 AI 客服——除了對話能力，它還長出了更複雜的規劃能力，比如能在車險售賣的數月周期内，像人一樣規劃 5-6 次跟用戶打電話的内容，一步步挖掘用戶的真實需求，進而協助經紀人促進用戶購買。
它還有複雜的多模态和操作交互能力，能在跟用戶溝通的同時，一邊「看」保險系統的數據，一邊用「手」輸入和查詢數據，一邊「穿梭」于微信等不同的通訊軟件間，協助經紀人，解答客戶的疑問。
目前，水滴計劃将這些保險 AI Agent 的技術能力打包成 SaaS 産品，向其他有大規模坐席客服崗位的行業輸出解決方案。
極客公園在跟水滴相關負責人交流之後，能感受到這款 AI Agent 的複雜性，也了解了這款逼近真人水平的 AI 保險客服的誕生過程、以及背後的技術積累和叠代思考。從中，不僅可以看到水滴這家科技公司在大模型上的行進經驗，另外對于 AI 能實現的驚人潛力，也被隐隐勾勒了出來。
01
正在「充分智能化」的 AI 保險客服
AI 智能水平的判斷尺往往是人類。現在大模型的智能評價标準，也是能否達到真人水平。而水滴，造出了接近真人 99% 水平的 AI 保險客服，後者能跟人類通話 50 分鍾以上、且對話過程非常順暢，這到底是怎麽做到的？
把這個問題抛給水滴公司 AI 研發與産品部的同事 Star，在他眼裏，造一個「人」實際上是可以工程化拆解的問題。以保險經紀人爲例，核心是三點，智商（IQ）、情商（EQ）、多模态交互能力，而這些都可以用數據訓練出來。
一方面是智商（IQ），由于保險是一個相對複雜的業務，它的核心就是要理解不同保險産品的健康告知、保障範圍、理賠條款等，結合用戶的問題和情況，理解其上下文語義交互，給出合理的回複和建議。在這點上，AI 甚至能做得比人類更好。
比如在記憶力上，人類無法清楚、全面記住所有的保險知識，但 AI 能用知識庫實現這一點。當用戶問自己做開顱手術、得了糖尿病，保險能不能保，人類可能得支支吾吾、去查詢一下相關條款。但 AI 能直接給出準确的答複。
另一方面是情商（EQ），這本質是一種情緒價值，能讓人覺得對方懂自己、溝通中感到「順暢」和「親切」。目前市面上的大模型基本是問什麽回複什麽，沒有給到太多情緒價值。在水滴團隊看起來，情緒價值是人類特有的能力。但實際上，AI 也能學、甚至能比人類做得更好。
在實際案例中，有一位用戶提到自己幾年沒出過車險了，一般經紀人可能會回「好的」。但 AI 保險客服回了一句，「哥，你技術真好」。這說明，它不僅完全聽懂了該用戶有安全意識、保險記錄良好，并用一種超高情商的方式進行了回應。
最後，關于多模态交互能力，包括響應時間、音色、口語化等等。這同樣是可以學習的，人語氣裏的「嗯嗯啊啊」、一般人說話會停頓幾秒…… AI 都可以從人類的通話數據中學習、模仿。同時，語音的訓練也從原來的 TTS（文本轉語音）變成端到端，這能生成更自然的對話。
在 Star 看來，能訓練出這樣的 Agent，最核心在于水滴過往積累的數據。水滴從成立起就定位爲一家科技公司，每年的研發投入在 3 億元左右、累積有數十項技術專利，并且一直有意識地積累數據。過往，水滴不僅積累了數 T 的優質語音語料庫，而且數據質量非常高，提前做過語音清洗、很多語音甚至是雙通道存儲。這樣的數據很多傳統公司都沒有。
本質上，水滴是在把這些數據去粗取精之後，相當于「用前 10% 經紀人的水平去訓練大模型」，最終使得 Agent 能夠達到中等經紀人的水平。
「科技與保險業的結合将越來越緊密，這是行業發展的必然趨勢」，沈鵬表示，保險業已經進入由科技驅動的「數智化」時代，科技驅動保險業高質量發展，助力行業降本增效，能夠爲用戶、保險機構、線下經紀人提供更高效的科技産品和工具，推動行業進一步發展。
02
用 AI 解決保險行業的供給端不足
早在 2021 年，大模型出來之前，水滴就希望用 AI 造一位保險客服。本質上，這是希望解決保險業的供給端不足問題。
保險業務占據大頭的水滴，擁有衆多保險經紀人。他們大部分賣複雜的重疾險、兼帶着賣簡單的醫療險等。這些保險經紀人的工作，核心是提供專業咨詢和服務能力。當用戶有保險購買意向後，給他們打電話，講解産品、解答疑惑，最終促成用戶下單。
然而，過去水滴發現，有些保險經紀人的服務供給并不足夠好。保險條款規則複雜、細碎，人很難都記住。比如醫療險涵蓋上百種疾病，用戶問到其中一種，經紀人可能答不上來，而這會影響用戶體驗。同時，經紀人的服務供給往往參差不齊，頭部 10% 的經紀人服務水平可能是尾部 10% 的數十倍。
團隊想到，可以用 AI 打造一位保險客服，協助經紀人解決服務體驗的問題。而基于對大數據和深度學習路線的相信，團隊認爲，通過保險經紀人優質語料的不斷學習、技術上能讓 AI 達到真正保險經紀人的水平。
他們定的目标很高，一定要逼近真人的水平，也就是說不是 Copilot（副駕駛）、一定是 Agent ——一方面在于，隻有這樣的技術水平，産品才能大規模鋪開。另一方面，AI 研發的成本過高，隻有具備這樣的價值、最終才能算得過賬。
回看當時水滴提出的此目标，其實非常接近 AGI 的設想。AI Agent 幾乎是這輪 AGI 夢想的起點，據極客公園了解，OpenAI 創立之初的願景就是打造一個「無所不能」的 Agent，它能響應人類的指令、自主執行所有的操作。簡單來說，就是像人一樣。現在，經過兩年的人工智能熱潮，AI agent 也是目前市面上最熱的 AI 應用方向。
但水滴做出這個設想時，技術還遠遠沒有成熟。Star 介紹，2018 年，市場上還隻有 1 億參數開源模型。2021 年，隻有數億參數的可用開源模型。當時水滴基于這種技術底座做的 AI 保險客服，跟用戶的對話時長隻有 1-2 分鍾。本質上，在底層 AI 通用能力沒有達到的時候，上層的智能很難突破、也很難算得過賬。
而 2022 年底 ChatGPT 大模型的出現，讓一切按下了加速鍵。
看到 ChatGPT 後，水滴團隊幾乎立刻做出一個判斷：隻要手裏有 ChatGPT3.5 水平的開源模型底座，結合水滴過去的保險經紀人語料庫，一定能訓練出一個接近真人水平的 AI 保險客服。他們認爲開源的時間大概在三年左右，也就是說這件事将在三年内實現。
基于這個判斷，水滴團隊開始全力攻 AI Agent 方向。Star 認爲，大模型浪潮給團隊帶來的直接影響是，讓 AI 變成了「真正的智能」，這讓整個公司給了他們更大的信心和支持。
這種支持除了來自 AI 研發上的資金投入，還來自于對行業最優秀人才的追逐。沈鵬介紹，人才是水滴最寶貴的資産，作爲一家科技公司，水滴時刻關注前沿技術，也組建了一支既懂保險又懂人工智能的研發團隊，核心成員均來自北大、清華、中科院等名校。
實際上，AI 的發展速度比想象中更樂觀，當全球的科技公司都在追逐大模型，GPT3.5 水平的開源模型底座比想象中釋放得更快。水滴團隊通過計算判斷，在這樣的技術棧發展下，水滴 AI Agent 的智能水平平均每個月能提升 5%左右，大概一年内就能在部分醫療險場景達到人類保險經紀人的平均水平。
從 2022 年 11 月正式投入算起，到今年年初——團隊用一年多的時間，實現了這個結果。
03
叠代，做更複雜的 AI 車險客服
上述具備逼近真人水平通話能力的 AI Agent，主要用于比較簡單的險種，如意外險、醫療險等。2023 年，水滴自研出保險垂直模型「水滴水守大模型」，技術的累積讓團隊得以深入到更複雜的險種，如車險。下半年，團隊旨在打造一個車險 AI Agent，其複雜度又上了一個台階。
車險的場景一般是，在用戶的車險到期前 1 個月，各家車險公司的客服會與用戶聯系、并後續多次溝通，說服他們買自家的車險。車險經紀人不能隻是打電話，還得進行任務規劃、巧妙溝通、執行操作等，AI 有接近一半的時間在做溝通準備、總結、客戶資料分析等工作。這對 AI Agent 的考驗更大了。
比如任務規劃，它指的是在一定的銷售期内，車險客服需要規劃和用戶溝通的次數。既不能過于頻繁、以免招惹他們厭煩，也不能過于冷淡、以免丢失銷售線索。
對應到 AI Agent，實際上要求它有更高的智商（IQ）。它需要自主規劃溝通幾次，應該什麽時候溝通，分别聊什麽樣的内容。「整個系統特别複雜，一次出錯，就沒法走了。」Star 說。
又比如巧妙溝通，由于車險的溝通頻次更高、溝通空間更大，這考驗經紀人更強的溝通能力。比如怎麽銜接上一次的對話、怎麽應對顧客的講價、怎麽在滿足顧客訴求的同時保證公司利益，這本質上要求 AI 有更高的情商（EQ）。
在 Star 看來，以上對 AI Agent 更高的能力考驗，需要通過叠代底層模型、加上高質量數據的微調實現。
在底層模型上，由于該 Agent 能力要求更複合，因此不是單一模型能搞定的。團隊需要用到不同的模型，結合不同模态、不同大小模型各自的優勢。比如大模型推理能力強，小模型拟合場景數據能力強，多模态模型能進行更多用戶信息識别等。在這款車險 Agent 背後，水滴用到了多個大模型。
另外，依然要做好高質量數據的微調。當某一項能力不足的時候，就去篩選更好的人工數據進行訓練，直到訓練出效果爲止。
在上述能力之外，該 Agent 還需要進化出操作執行能力。比如在協助經紀人與客戶溝通時，Agent 可能要進入保險後台查數據、輸數據、算數據等；需要切換不同的軟件界面，比如電話、微信、app 等頁面，跟用戶溝通；也需要理解每一次用戶的不同需求，爲下一次聊天做準備等等。
在 Star 看來，這主要用到傳統的 RPA（機器人流程自動化）技術。它相當于讓 Agent 長出了人的「眼睛」和「手」，能夠一邊「看」不同的軟件界面、一邊「動手」操作。
這背後，是水滴根據不同階段的技術形态，對産品的不斷叠代。從隻能簡單協助溝通醫療險種 AI 保險客服，到能自主規劃、能看能動手的 AI 車險客服，水滴不斷解鎖更複雜的保險場景，推高技術和應用的上限。
目前，這些 AI 保險客服已經被用到了水滴的真實業務當中，可以爲用戶随時解答疑惑。「大模型帶來的是全新的生産力，它帶來的是供給側改革，這是根本的變革。」沈鵬說。
過去，人們提到保險經紀人最不可替代的價值是「信任感」。由于保險條款複雜，一般人并不具備看懂、分辨的能力，隻能選擇相信保險經紀人。他們傾向于跟親朋好友、從業多年的經紀人購買保險，因爲他們更有「信任感」，不會欺騙自己。
Star 認爲，所謂的信任感，其實就是一種專業的服務能力。「當 AI 能協助提供更專業的服務，你也會信任它。」
有了這樣的 AI Agent，人類保險經紀人的工作也發生了一些變化。他們中的有一些人，已經變成了 AI 訓練師。而對于更多保險經紀人來說，他們開始将 Agent 作爲自己的助手、爲用戶提供更複雜的保險服務，比如更長生命周期的保險規劃等。
04
未來：從垂直走向通用
在大模型熱潮的這兩年裏，國内外的科技公司都在思考怎麽擁抱大模型，從而進行業務轉型。水滴代表了一種比較主流的路徑選擇，不是投入巨大的資源攻堅通用大模型、直指 AGI。而是基于開源模型、結合垂直場景的高質量數據進行微調，打造自己的垂直模型和應用。
在跑通了 AI+ 保險這條新路徑的「0 到 1」、「1 到 10」之後，接下來的「10 到 100」，水滴有兩個方向的嘗試。
首先是繼續沿着垂直模型 + 保險場景的路徑深挖。一方面，是繼續提升 Agent 的能力，目标不是讓它達到經紀人服務水平的「中位數」，而是要超越 60%-70% 的人。另一方面，要向更複雜的場景拓深，從現在的醫療險、車險，進入到重疾險等險種。而實現這些背後，還是依靠底層模型能力和優質數據的微調。
目前，水滴正在将 AI Agent 等系列産品，與保險行業的其他公司談合作。或許在不久的将來，這家公司能打造所有險種逼近真人水平的 AI 保險客服。由點及面，或許有一天它能迎來保險行業的通用 AGI 時刻。
此外，水滴的目光也并沒有隻放在保險行業——一個很本質的問題是，具備真人保險經紀人水平的 AI Agent，能不能泛化到其他需要大規模坐席客服的行業？比如教育、電商等行業等？也就是說，垂直應用能不能逐漸走向通用？
團隊判斷，這是有可能的。原因在于，他們考察發現了兩個事實：一、保險行業的銷冠，隻需要三個月就能轉行去别的行業做銷售。二、保險行業的銷冠，也可以成爲其他行業的銷冠。
在人身上行得通的邏輯，在 AI Agent 也應該能行得通。目前，水滴團隊正在将上述 AI Agent 服務能力打包爲 SaaS 解決方案，測試在教育、電商、等行業推廣的可能。在 Star 看來，雖然這套服務目前沒法直接泛化到其他行業，但隻要目标是确定可行的、堅持投入就能做成。
如果說過去的 SaaS 産品是按「坐席」收費，但大模型可能徹底改變 SaaS 産品的收費方式——直接按結果收費。對水滴來說，它可能直接從 AI Agent 的服務轉化業績中獲益。目前，水滴已經獲得了其他行業的一些意向客戶。
從最初的業務需求出發，這家公司早在大模型浪潮之前，就看到了 AI 的最終願景：一個接近真人水平的智能體，它會形成全新的供給、帶來生産力的巨大變革。而趕上大模型的曆史性機遇，它以堅定的相信和投入，慢慢接近了當初的目标：用 AI 造出了一位保險客服。
AI Agent 的技術輸出是否會引發 AI 倫理擔憂。對此沈鵬表示，科技助力行業發展的最底層支撐應該是價值觀，科技沒有價值觀，但創業者有。要爲 AI 科技賦予人性溫度，才能打造出社會真正需要的産品和服務。
水滴探索出來的大模型之路，是中國科技公司的一個縮影。一邊信仰、一邊務實，從垂直場景慢慢走向泛化通用。而 AI 作爲全新的供給、帶來的這場生産力革命，也會從這家公司、這個行業開始，一直擴散到其他各行各業中去。這在不久的将來，是一定會發生的事情。
