期待保险行业 数据 + AI开启经验规 模化复制时代 19 December 2023 数据 + AI开启经验规模化复制时代 目录 焦点透视：AI狂潮中的大变革 • AI的突破：保险行业的创新挑战与机遇 • 可能问题头脑风暴 面对本次AI热潮，保险行业的焦点问 题都有哪些 • 定义核心问题 • 洞见问题本质 洞察问题，探寻本源 • 找到本质解 • 制定解决方案 设定锚点，行动实践 终都未能实现预期目标。现在，人工智能正迎来另一波浪潮，业界对此充满期待。安永将持续关 注这一领域的最新进展，与各界共同探讨如何利用这一技术，推动创新与发展，为我们的未来创 造更多可能性。 期待保险行业：数据 + AI开启经验 规模化复制时代 目前，某头部人工智能研发公司正在将人工智能的发展重点转向AI Agents支持平台，以该公司 研发的人工智能模型作为前身，结合第4代人工智能模型与专业语料库以实现业务创新。通过 义能力，能够收集和分析根据用户的信息、需求和行为模式，推断出用户的意图和偏好，从而生 成个性化的答案/产品。其次，AI Agent需要具备记忆功能，以便能够跟踪、读取、存储和检索数 据、知识和经验。此外，计划反馈也是一项非常需要关注的能力，其实现需要基于大量的数据和 算法，通过对环境反馈信息的分析、评估和多种推理功能，来调整和优化自身的计划和策略。这 种能力需要考虑多个因素，能够实时地获

6 2 个 6 个 01% 1.1 工作背景 DeepSeek 的出现，加速了业务处室思考对如何沉淀业务智慧 口业务传承性困难：国土空间规划管理涉及大量的业务规则和经验，工作相关背景情况不依赖数 字化支撑，严重依赖个人经验、手 头 资料和能力，导致人员变动或岗位调整时，业务连续性受 影 响 。 口分析决策支持不足：大量的数字化应用场景，但更多偏重业务的数字化，未有强大的数据分析 能 个数据往往费时费力； 口信息化场景建设陷入被动：场景建设严重依赖第三方，自主可控性弱，政策标准变化快导致场 景变化调整灵活度和响应性欠佳； 让 大模型成为资规部门的“ A 业务助手” , 实现经验数字化、决策智能化 1.2 工作基础 口 我 局 印 发 《 宁 波 市 自 然 资 源 规 划 数 字 化 治 理 能 力 提 升 实 施 方 案 》 , 明 确 Al 大 模 型 技 术 的 本知识库和带标注等空间知识库构 建。 口 启动行业工具 库 ：以“模型中台” 概 念，构建统一各类工具标准，支 撑智能体搭建 口 部省市多部门协同，与部、省、 市对接，争取部试点，学习各级 先进经验。沿用后土模型架构、 探索知识库对接、智能体分发汇 交等技术可行性。 口 资源协调协同共享，充分利用现 有算力资源，协同外部团队智慧， 多方力量共同开展大模型研究。 口 优先聚焦共

....................................................................................11 1.2.2. 落实管理经验积累................................................................................................. 际环境中 带来的各种现实问题，也有不同发展阶段不同运维要求带来的实际问题。这些都要求运维管理系 统提供全面、深入的管理能力同时还需要具备开放性，能够根据用户自身运维经验提供“私人专属” 的定制运维策略能力，将用户历史的运维经验，目前的管理重点都通过智能运维策略自动实现， 真正实现即兼顾全面的综合运维管理要求又能充分兼顾用户个性化运维诉求。 综上所述，以大量 KPI 库为核心，以阈值管理来区别设备正常或者故障，以通用标准为诉求 的日常落地。 1.2.2.落实管理经验积累 从本世纪初，企业用户开始重视 IT 环境的运维管理，10 多年的运维历程造就了一批运维人员 的同时，长期的运维工作也促成企业用户总结处理其具有自身业务特色的管理方法，这些方法包 ഀ� 括大到流程的本地化，小到具体管理指标的定义；如何实现此类管理经验的落实呢？ 智慧运维平台提供处置知识管理，通过对用户日常故障处置方法的收集，经验积累，自动反 馈到相同故障的处置过程中。

自行设计工作流程并利用可用的工具来完成任务。 Salesforce 一种人工智能系统，无需人工干预即可理解和响应客户查询。 甲骨文 软件实体，可接收任务、检查环境、根据角色执行操作并根据经验 进行调整。 BCG AI Agent 是使用工具实现目标的人工智能。 普林斯顿大学 《 AI Agents That Matter 》中提出在 AI 时代， AI Agent 具 高端制造 零售行业 交通出行 医疗健康 核心 驱动 将沉睡的数据转化为可行动的洞察，不仅呈现“是什 么”，更能解释“为什么”，并预测“会怎样”，让 企业决 策由经验驱动转向数据驱动。 其核心在于 Agent 的多模态理解与逻辑推 理链（ CoT ）能力，能够整合分析不同来 源 的数据并发现深层因果关系。 数据来源：公开资料，专家访谈，甲子光年智库整理 “让想象力落地的创造者” 流程性工作 让更多面向用户的前端人员或前端产 品充分理解专业知识，以“外置大脑” 整 体提高客户服务的经验水平与智能 化水平，用“群体智慧”解决单点问 题。 Agent 场景地图：四类角色各司其 职 借助 AIGC 规模化高效生成的能力， 实 现低成本、高质量的创意素材生成， 加速内容制作流程，为新的制作方式

和物联网时代， 材料的研发与 合成也 逐渐与人工智能技术建立起联系， 藉由人工智能探索其新思路新方法 、新技术。 请务必阅读报告附注中的风险提示和免责声明 8 图表：材料研究的 4 个阶段 : 经验、理论、计算模拟和 ( 大 ) 数据推 动 资料来源：《材料信息学及其在材料研究中的应用》 - 王卓等，国海证券研究 所 资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 一级范式 经验科学 四级范式 数据驱动科学 性能 优化 验证 开发 投入 市场 制造 发现 系统设 计集成 热力学法则 实验 7 4 3 5 6 1 2 人工智能指导 材料研发过程 人工智能有助于开发高性能材料、 图表：常用的分子模拟软件 软件类型 名称 主要功能 分子模拟软件 Materials Studio 构型优化、性质预测和 X 射线衍射分析，以及复杂的动力学模拟和量子力学计算 HyperChem 通过量子化学的半经验方法、从头算方法、密度泛函方法进行计算，进行单点能、几何 优化、分子轨道分析、蒙特卡罗和分子力学计算、预测可见 - 紫外光谱等功能。 ChemOffice 分为功能不同的几个版本，其 ChemOffice

检验安全管理和安全服务部门之间的快速协同能 力 检 验 应 急 预 案 能 力 检验现有的网络安全队伍依据应急预案开展应急 处置工作执行能 累 计 实 战 经 验 通过真实攻击与防护演练，积累实战经验，增强 安全设施与人才队伍建设 防守服务内容 防护梳理 实战对抗 理论推演 梳理防护目标：核心目标、 重点目标、 DMZ 区暴露 设备、安全防护设备等； 梳理安全防线：第一道防 线网络边界，第二道防线 • 尝试登陆 • 端口扫描 • 漏洞攻击 • 暴力破解 • 登陆成功 • 命令执行 • 可疑程序 • 病毒文件 • 利用蜜罐 发起跳板 攻击 还原攻击链 演习结束后经验积累与能力建设 经验积累 技 术 转 移 资产梳理技术工具 漏洞挖掘、利用技术工具 攻击溯源、反制技术工具 能 力 转 移 实施组织与协调 应急响应与处置 攻击监测与研判 4.产品应用 防守工作评判 内部核心系统风险发现 （安全隐患排查能力） 安全防护能力（深层防 护体系建设） 网络安全监测与预警 （内网威胁发现能力） 应急预案（应急响应与 处置能力） 部门协同（安全部门跨 部门协同能力） 积累实战经验能力（技 术落地与人才建设） 防守工作评判标准 主 机 应 用 综 合 防 护 系 统 ( 网 防 G 0 1 ) 通过在主机上安装软探针，对重要信息系统开展精准防护 网 络 资 产 与 风

12%, 支撑了海尔冰箱在低碳环保方面的全球引领。 在智能控制器生产中， 平台采用自研的光学 检测设备和算法，在 对工厂每年数亿片检 测数据进行深度学习 的基础上，融入历史 人工经验，在数秒内 完成对数千个检查点 的快速“阅判” , 并 充 分兼容非质量原因 造 成的颜色、形状差 异， 误判率由原来的 10% 降低至 0.3%, 检 出 率达 99.99% 。 案例：中国移动依托云智融合能力，推动 5G x 云 x Al 向智 能 工厂核心生产环节纵向延伸 洛阳区域云承载当地工业设备、系统、工 艺参数、软件工具、企业业务需求和 制造 能力等工业资源的互联网汇聚共享平 台， 承载工业经验与知识模型，对接工业 优化 应用，在企业内部和企业间形成网络 协同 田优化，助力工业企业上云，推动区 域经济 发 展 。 中移动九天人工智能平台工业行业解决方案基于深度学习 平台、 AI 实现了从自动到智能的变化，显著提升 了效率与质量。 针对传统工业质检场景下准确率低、开发难、运维难等问题，华为基于工业 AI 质 检基于 AI 、大数据、云计算等能力，结合自身 200+ 条产线 AI 质检实践经验， 提炼 800+ 工业级图像处理算子，为汽车、烟草、电子等制造行业客户打造工业 AI 视觉 质检平台，实现生产质量管控的自动化、智能化，助力持续提质降本增 效。 华为工业 AI 质检行业应用实践

：全国奥林匹克数学竞赛三等奖、围棋业余5段 • 天津读书（18 - 25岁） ：天津大学 学士&硕士 • 上海定居（25岁-今天）： • 20年软件经验：光刻机、通信、存储、汽车、物流、信创等方向 • 10年外企经验：EMC、Cisco • 17年管理经验：2007年起 • 创业逐梦 (2023年 起）：索迈特AI 合伙人 & COO 4 索迈特（上海）人工智能科技有限公司 公司成立：20

百度智能客服解决方案 传统客服行业面临诸多挑战 • 客服人员流失率高 • 客服经验沉淀难 • 多渠道管理能力低下 • 信息整合难度大，数据价值尚未 充 分挖掘 • 客户信息安全问题 • 传统在线客服拟人度低 ，客户体验 差 • 缺乏主动、个性化客户管理 传统金融客服中心运营模式面临诸多 挑战 • 业务迭代快 ，知识更新难 • 专业性语料库搭建难度大 • 企业不了解具体客户 ，无法精准 判断客户价值 • 客户营销手段颗粒度粗 • 销售线索和清洗效率低 • 新人占比高，新人培养难，平均 产能低 • 老人经验传播难 • 个性化销售工具欠缺 • 响应慢，服务低效，体验差 • 智能化程度低 • 坐席工作重复单调，成长慢，流 失率高 客户全流程管理以及内部管理效率上有诸多业务痛点 我们个体户可以办理信用卡吗？ …… 根据某银行提供的验证数据，针对同一批问法，百度的深度语义 模型可以减少 36% 扩展问维护量。 随着问题规模的扩大，模型的效果会更好 。根 据经验预估，如果 整体扩展问的规模达到几百个左右的量级，只需要维护以往 55%- 60% 的扩展问即可达到 90%+ 的准确率。 百度做法 : 基于搜索数据构建深度学习模型来识别问题相似

调查是通过网上渠道自愿报名方式参加，一共收到 191 名受访者（受访机构）的反馈，涉及 金融、制造、教育、医疗卫生、商业服务业等行业。本调研报告就是在本次调查问卷的统计 分析基础上，结合编者多年的行业经验而编写完成的。 希望本研究报告能够及时准确地反映国内数智化审计的现状，为行业主管部门提供宏观 决策依据，同时也为企业和各类机构在审计业务的数字化转型方面提供可行的实施思路与方 法建议。 6 同时由中层高层审计负责人职业经验和管理视野，他们反馈的问题有较高的针对性和准确性。 9 数智化审计调研报告 另外，39.27% 受访者是一般审计人员，他们的参与是从普通从业者的角度，反映了对 调查问题的意见，增加了调查的全面性。 图表.2.受访者职级分布 10 数智化审计调研报告 第三章 本次调研的典型问题分析 通过对调查问卷所反馈结果的分析与汇总，并结合编者在行业中长期实施经验，把本次 调研反映的问题从九个方面进行分析。 对数智化审计的投入明显不足 当前组织对数智化审计的资金投入明显不足，意味着组织无法购买和维护先进的审计工 具和技术，导致审计过程效率低下；对人员配置的投入不足，将导致组织没有足够的有一定 技能和经验的专业人员来应对复杂的审计挑战。 从统计数字来看，71.73% 的受访者认为其组织对于数智化审计项目实施、团队组建、 工具采购等专项资金投入所占信息化投入比例不到 1%。缺乏必要的专项资金投入意味着组