“说到”, 更要 “做到” ，AI机器人如何穿越保险场景的“星际迷航”

这可能是一个最忙碌的AI机器人。

TA要奔波于近20个在线渠道，处理数十项场景业务，最远的时候可能要去200多个节点“打卡”，在最短时间内，帮助用户办理保单查询、理赔查询、保单批改、产险车险投续保、机构通讯录查询等五花八门的业务操作。用户一次简单请求，在分秒之间，TA可能就完成了 “星际迷航”式的旅行。

这就是任务型对话机器人Bot，TA可能没有闲聊机器人会“撩人”，没有资料型机器人“博学多闻”，但在业务能力上，绝对是坐席人员的不二帮手，尤其保险行业，险种多、渠道广、业务场景复杂，流程节点繁琐，专业人工处理都未必轻松，但任务型机器人却从容应对。

TA，是如何做到的？

从1.0到3.0的机器人

2019年5月，项目经理Dean接到了X保险的新需求。

这是一个追一科技的“老客户”，智能机器人已经部署应用2年多，从一开始的常规FAQ到后来的资料型场景查询逐步升级，每天独立服务几十万用户，准确率90%以上。

系统运营平稳，客户也挺友好，一切都很美好。

但介入之后，还是发现“新问题”。

“客户三四千个FAQ，内部、外部的都堆在一起，有点混乱，有的设计也不是很合理。”Dean入手X保险项目之后，开始和客户一起梳理业务知识，希望寻找进一步提效的空间，发现有的FAQ，就是一大篇文档资料，“客户一脸懵，扭头就转人工了”。还有些FAQ，背后涉及各种关联问题，用户兜兜转转折腾半天，最后还是转了人工。

这也就意味着，机器人还远没有发挥出最大效应。

如何最大程度地减少转人工率，提升自助化服务水平，同时，提升用户体验？成为新一期项目的重要目标。机器人需要更强的业务服务能力，从FAQ简单的1.0问答咨询，到资料库的2.0产品属性查询，再到更深入的3.0办理多场景保险业务，帮人工坐席“分忧”。

“三期、四期项目的核心，就是落地任务型机器人”，Dean说，通过多轮对话任务型的方式，不管是用户体验，还是流程合理上都会有更大提升。“机器人更像人跟人交流一样，有了多轮对话的能力，而用户习惯，也更倾向于对话交流引导的方式。”

“危险边缘”的试探

实际上，X保险在任务型机器人尝试上，非常大胆。

由于前期铺垫，X保险对追一产品有了一定了解，合作基础也不错，项目团队起初以为其任务型场景建设并不难，但很快发现，客户的任务型机器人难度远超以往，且是业内最复杂的场景应用之一。

“客户把整个行业的东西都纳入进来了”，Dean介绍说，从车险理赔、理赔查询、车险报价到投续保、车牌批改到其他很多种场景，“各种能跟任务型机器人挂钩的场景，他们都想逐渐往任务型机器人上转移”。

通常的追一客户，做任务型场景只有几个，不超过10个。

但X保险计划投入建设的任务型场景，已经有二三十个，且只是短期规划。整个任务型场景覆盖数量级和业务复杂程度对项目交付产能和产品系统好比是一场压力测试。以保单查询场景为例，由于X保险渠道众多，都要支持和覆盖，任务型机器人系统节点数，达到了200多个。

数据经理也感受到了巨大压力，“客户的任务型流程都是比较庞大全面的，想给予用户更全面的体验，但对我们来说其实挑战非常大”，数据经理Catherine说，不停地优化流程、扩张节点，意味着数据层面要求也会更高。

“我们要在危险边缘不断地疯狂试探。”面对众多的任务型需求，Dean调侃说。

了解业务、收敛需求、分解任务成为了项目团队的重要功课。作为前线“第一人”，Dean要尽快摸清客户需求，排查不确定因素，穷尽一切可能“趟雷”。遇到实施资源并发紧张的情况，项目经理还要客串“实施”和“架构”，从现场拿到足够充分的需求和方案，提升前后方协作、反馈效率和质量。

同时，针对系统方案设计，与客户沟通协作，进行了灵活分解处理。

部署实施上，采取了分阶段、分步骤的方式，对整体任务型需求拆分，分两批任务型场景上线，建设与运营并进，既可以保证项目按时上线，也可以充分打磨沉淀经验，为客户长期建设做好准备。

另外，按复杂、难易程度对任务型场景进一步分类，高效分工。对话流程相对简单、不需要API接口的，客户主做，追一提供辅助培训。需要API接口、复杂定制化开发的，由追一负责建设。

其中，涉及客户核心业务和第三方系统的任务型场景，是最难啃的部分。

从用户到前端IM(即时通讯系统)，到AI机器人系统，到第三方接口调取，再到核心系统连接，形成了一长串链条，涉及各种格式校验、API接口调取、返回参数等错综复杂的操作…任务型场景的设计工作量，复杂而繁琐。

“我们会跟客户一起，深入地沟通讨论需求优化方案，梳理业务规则、业务流程以及相关话术，确认完毕之后，内部数据、项目经理、架构师还会在一起研讨，直到最终推演出最佳路线图。” Catherine说。

除了客户流程逻辑，用户体验也是重要考量。

Catherine说，任务型对话是机器人引导为主，但真实场景，用户并不完全受“摆布”，偶尔“反客为主”甚至发散对话，任务型设计就需要更加灵活、多样化的策略，比如引入分支故事，让用户“放飞一会”，聊一些其他问题，但最终让用户回到主线流程上，满足他的需求。同时，话术设计上也更加人性化，例如用户填写资料的时候，提示注意大小写这样的细节。

绘制完任务图之后，Catherine还需要对各个流程节点反复跑通测试、验证、效果调优。 

接下来，经受客户的重重考验，“客户业务和技术部门还要进行多轮测试”，Catherine说，在客户测试过程中，还会根据客户反馈，再进行反复多次调优，“这是一个滚动的过程，一直到满足上线需求。”

经过不断努力，两个月后，首批任务型场景上线。

又过了一两个月，第二批任务型场景也如期上线，实现了X保险的全量任务型场景上线。随后，经过几个月持续的运维优化，包括在疫情期间，始终与客户保持远程紧密协同，打磨效果，最终顺利验收项目。

“目前，客户给我们的反馈，任务型机器人的准确率达到了93%，大大减少了客户人工回复的成本”，Dean说，客户还在探讨一些逻辑更复杂的场景接入，比如寿险场景的业务查询之类。

授人以鱼，更要授人以渔

区别于传统IT项目，AI项目更重运营服务，特别是客户赋能。

对客户，既要授之“鱼”，也要授之以“渔”。

“客户本身对业务逻辑和知识，有更专业的理解，如果我们再把机器人系统的功能原理、运维操作、方法论培训给他们，他们就能够更好地参与机器人建设运营。”Dean说。

实际操作中，追一先做一个示范，比如从现有FAQ里抽取一部分可以做任务型的场景，整个标准和流程跑下来，告诉客户怎么筛选、怎么做。“我们随机抽取了一部分，剩下的FAQ用户自己就可以去梳理，筛查完之后，大家再一起核对。“

Dean介绍说，目前不需要API接口的任务型，X保险已经独立完成了七八个，”客户很喜欢机器人任务型，而且非常感兴趣。

“每次有新版上线，他们都会时不时的咨询各种功能，”Catherine说，X保险有很强的创新意识和学习氛围。三期以来，她已经给客户做了五次培训，从开始的知识库梳理，到后来的任务型构建， 以及任务型上线后问题排查等等。“客户也会在操作运维中，不断给我们优化建议。”

项目组也从客户交流反馈中，学习和积累了很多经验。特别是X保险公司，在业内处于领先地位，很多机制和流程都有学习和借鉴之处。“大家不断地碰撞、不断地学习、不断地协作，实现共同进步。”

项目实践沉淀的经验和方法论，也对其他客户形成了示范和启发效应。另外一家保险龙头企业，也在积极学习和借鉴X保险公司任务型设计，并与追一科技合作，推出了保单查询、险种推荐、车险报价等场景应用。

而追一的任务型机器人，在多个项目交付与实践应用后，能力更加强大，从文本渠道到语音电话，场景应用也更加丰富，支持咨询服务、业务办理、回访调研、营销推介等多种功能。交付团队的能力和经验，也更加成熟。

“现在，不管什么样的任务型场景，我们都可以接了。”Dean自信地说。

延伸阅读

更   美   好   AI   世   界