在金融行業(yè)，AI技術(shù)的深度應(yīng)用正推動智能體從實驗室走向?qū)嶋H業(yè)務(wù)場景。如何跨越從概念驗證到規(guī)模化落地的鴻溝，構(gòu)建兼具效率與可控性的技術(shù)體系，成為行業(yè)關(guān)注的焦點。近日，在阿里云金融AI聯(lián)盟大會的先鋒對話環(huán)節(jié)，暖哇科技CEO盧旻結(jié)合保險行業(yè)實踐，系統(tǒng)闡述了AI智能體落地的路徑選擇、架構(gòu)設(shè)計及核心挑戰(zhàn)。

以通用智能體開發(fā)為例，盧旻指出，團隊曾以“養(yǎng)龍蝦”為隱喻開展多輪技術(shù)探索。在原型階段，這類智能體確實能顯著提升開發(fā)效率，但真正的考驗始于系統(tǒng)復(fù)雜度指數(shù)級增長的真實業(yè)務(wù)環(huán)境。他以暖哇科技自主研發(fā)的全托管語音智能體為例，該產(chǎn)品通過持續(xù)優(yōu)化對話策略、流程編排和異常處理機制，實現(xiàn)了業(yè)務(wù)閉環(huán)的自動化推進。更關(guān)鍵的是，通過引入“長期記憶”功能，智能體可在多輪交互中保持上下文連貫性，避免用戶因?qū)υ捀盍讯魇В瑥亩谡鎸崍鼍爸刑嵘朔?wù)體驗與運營效率。

在技術(shù)架構(gòu)層面，暖哇科技采用“Agent+Skill”的協(xié)同模式。盧旻比喻稱，Agent如同承擔(dān)業(yè)務(wù)結(jié)果的“數(shù)字員工”，而Skill則是其背后的工具箱與知識庫。這種設(shè)計既保證了業(yè)務(wù)場景的靈活性，又避免了算力資源的無謂消耗。實踐數(shù)據(jù)顯示，將成熟能力沉淀為可復(fù)用的Skill模塊，比為每個業(yè)務(wù)場景單獨開發(fā)Agent更具成本效益。基于這一理念，該公司已形成覆蓋用戶經(jīng)營、理賠、風(fēng)控三大核心領(lǐng)域的AI產(chǎn)品矩陣，相關(guān)技術(shù)在中國及海外多家頭部險企落地應(yīng)用。

在承保環(huán)節(jié)，AI核保智能體通過自動化決策引擎，將核保準(zhǔn)確率提升至行業(yè)領(lǐng)先水平；理賠場景中，智能體可獨立完成影像分類、病歷解析、責(zé)任判定等全流程任務(wù)，整體處理效率超越人工團隊；風(fēng)控體系則通過實時行為分析，構(gòu)建起覆蓋欺詐識別、合規(guī)審查的多層防護網(wǎng)。據(jù)統(tǒng)計，這些技術(shù)已服務(wù)超過100家保險機構(gòu)，其中包括國內(nèi)保費規(guī)模前十中的九家公司。

技術(shù)落地的隱性挑戰(zhàn)往往藏在細(xì)節(jié)之中。盧旻特別強調(diào)方法論體系的重要性：“當(dāng)系統(tǒng)出現(xiàn)故障時，需要快速定位問題根源——是模型訓(xùn)練不足、策略設(shè)計缺陷，還是知識庫存在盲區(qū)？缺乏結(jié)構(gòu)化分析框架的團隊，容易陷入‘打補丁’式的低效循環(huán)。”為此，暖哇科技建立了基于推理鏈的評測機制，以理賠“錯案理解Agent”為例，該系統(tǒng)可自動分析錯誤類型、追溯決策路徑，并生成優(yōu)化建議，經(jīng)專家確認(rèn)后反向驅(qū)動知識庫更新，形成閉環(huán)迭代。

談及AI戰(zhàn)略定位，盧旻認(rèn)為企業(yè)需跳出技術(shù)短期主義的陷阱：“在技術(shù)快速迭代的當(dāng)下，執(zhí)著于局部優(yōu)化就像刻舟求劍。真正值得投入的，是那些貫穿業(yè)務(wù)全生命周期的本質(zhì)需求。”這種認(rèn)知驅(qū)動著暖哇科技持續(xù)深耕垂直領(lǐng)域，通過自建的保險醫(yī)學(xué)知識庫與多智能體架構(gòu)，構(gòu)建起覆蓋復(fù)雜業(yè)務(wù)場景的AI能力體系。數(shù)據(jù)顯示，其核心產(chǎn)品已實現(xiàn)從用戶觸達到風(fēng)險管控的全鏈路智能化覆蓋。