在人工智能與金融深度融合的當(dāng)下，數(shù)據(jù)安全、高效的處理以及基礎(chǔ)設(shè)施的穩(wěn)定運(yùn)行至關(guān)重要。應(yīng)主辦方邀請(qǐng)，中國太平洋保險(xiǎn)（集團(tuán)）股份有限公司數(shù)智研究院首席數(shù)據(jù)庫專家林春在上午主論壇上發(fā)表主題為《金融數(shù)據(jù)庫及業(yè)務(wù)場景AI應(yīng)用實(shí)踐》的分享。

中國太平洋保險(xiǎn)（集團(tuán)）股份有限公司數(shù)智研究院首席數(shù)據(jù)庫專家林春

以下內(nèi)容根據(jù)速記整理，未經(jīng)本人審定。

林春：

各位來賓，上午好！很高興有機(jī)會(huì)來介紹太保在AI時(shí)代的應(yīng)用實(shí)踐。

中國太保在AI時(shí)代的戰(zhàn)略定位

2023年3月，中國太保在業(yè)績說明會(huì)上表示，太保將持續(xù)提升大模型穩(wěn)定性和性能，拓展大模型中臺(tái)服務(wù)和用戶服務(wù)范圍，在未來五年使中國太保的勞動(dòng)市場率提升100%。

2025年太平洋保險(xiǎn)智算中心全球樣板點(diǎn)開啟，為國內(nèi)金融保險(xiǎn)行業(yè)數(shù)智化轉(zhuǎn)型提供先進(jìn)理念和實(shí)踐范例。

1.大模型戰(zhàn)略在太保新一輪數(shù)字化轉(zhuǎn)型規(guī)劃占據(jù)重要位置

在太保新一輪的數(shù)字化轉(zhuǎn)型中，大模型戰(zhàn)略占據(jù)了重要位置。保險(xiǎn)的大模型打造了保險(xiǎn)的數(shù)字勞動(dòng)力，為新服務(wù)、新客群、新風(fēng)控、新運(yùn)營、新投研五大科技創(chuàng)新方向提供支撐，并且助力打造行業(yè)領(lǐng)先的數(shù)智化能力，賦能公司高質(zhì)量發(fā)展。

依托大模型特性，太?？梢詫?shí)現(xiàn)建立具備專業(yè)深度和服務(wù)閉環(huán)的數(shù)字勞動(dòng)力，這樣可以讓更強(qiáng)的能力和更多的人成為可能。

（1）專業(yè)深度，指的是學(xué)習(xí)壁壘，通過長時(shí)間學(xué)習(xí)才能熟練應(yīng)用，同時(shí)需要基于對(duì)知識(shí)的理解，結(jié)合具體問題聚合分析，無法通過檢索獲得答案。大模型具備綜合通用及高延展性的能力基礎(chǔ)，能夠通過通用語料訓(xùn)練，持續(xù)學(xué)習(xí)專業(yè)領(lǐng)域知識(shí)及其運(yùn)用能力。

（2）服務(wù)閉環(huán)，指具備獨(dú)立或自主連接外部環(huán)境以完成不同類型的任務(wù)、流程，為用戶提供完整服務(wù)的能力。大模型提供優(yōu)質(zhì)的人機(jī)交互體驗(yàn)、高效的信息獲取與理解能力，具備任務(wù)分解、編排的“Agent”能力，能夠自發(fā)生成并執(zhí)行完整解決方案。

最終實(shí)現(xiàn)更強(qiáng)的能力和實(shí)現(xiàn)更多的人，提供更多的等價(jià)勞動(dòng)力。

2.基于大模型的“人工智能+”數(shù)智化賦能項(xiàng)目范圍與目標(biāo)

大模型建設(shè)包括三個(gè)子目標(biāo)：

子目標(biāo)1：通過建設(shè)能替代大量工作，賦能1萬名以上的太保員工。

子目標(biāo)2：建設(shè)覆蓋標(biāo)桿崗位的信息源和業(yè)務(wù)指引庫，補(bǔ)足大模型在保險(xiǎn)實(shí)際業(yè)務(wù)場景的水平。

子目標(biāo)3：夯實(shí)支撐數(shù)字勞動(dòng)力建設(shè)和大規(guī)模推廣的大模型基礎(chǔ)和中臺(tái)，降低推理成本和應(yīng)用門檻。

保險(xiǎn)業(yè)務(wù)全流程智能化

在保險(xiǎn)大模型建設(shè)方面，我們需要通過領(lǐng)域知識(shí)注入、領(lǐng)域指令微調(diào)、領(lǐng)域邏輯學(xué)習(xí)，使大模型具備通用的保險(xiǎn)知識(shí)，理解保險(xiǎn)的業(yè)務(wù)指令，并且學(xué)會(huì)業(yè)務(wù)員的思考過程和操作方式。

1提升大模型的領(lǐng)域優(yōu)化能力，建設(shè)思維”大腦“

大模型建設(shè)也包括打造統(tǒng)一的數(shù)字工作環(huán)境，建設(shè)行動(dòng)“四肢”，包括建設(shè)API選擇器、環(huán)境感知器，確保數(shù)字勞動(dòng)力可以通過編寫和執(zhí)行代碼，對(duì)所依賴的系統(tǒng)、平臺(tái)、軟件進(jìn)行操作，最終完成任務(wù)。

（如圖上所示）這是基座方面的進(jìn)展，大模型體驗(yàn)平臺(tái)上線DeepSeek-R1滿血版本，為各子公司探索最新大模型應(yīng)用提供了便利。

3.上線DeepSeek-R1滿血版本,為探索最新大模型應(yīng)用提供便利

（如上圖所示）這是應(yīng)用的演示，大模型應(yīng)用員工覆蓋，嵌入到一線業(yè)務(wù)系統(tǒng)，并且為大量業(yè)務(wù)人員提供支撐，改變提升效率，效果非常明顯，包括投研崗位、營運(yùn)平臺(tái)、風(fēng)控崗位、銷售崗位、研發(fā)崗位等等取得了非一明顯的效果。

AI在數(shù)據(jù)庫的探索應(yīng)用

AI對(duì)數(shù)據(jù)庫治理可以提升DBA團(tuán)隊(duì)整體人效，包括方案生成、SQL生成、腳本生成、知識(shí)學(xué)習(xí)、SQL優(yōu)化、SQL審核等。

隨著數(shù)據(jù)庫的創(chuàng)新應(yīng)用，最終風(fēng)險(xiǎn)也在增加。中國太保通過AI創(chuàng)新性手段，有效地降低風(fēng)險(xiǎn)。建立風(fēng)險(xiǎn)知識(shí)庫，一方面可以通過AI識(shí)別出未知的規(guī)則，并且通過新的規(guī)則發(fā)現(xiàn)未知的風(fēng)險(xiǎn)，最終實(shí)現(xiàn)可擴(kuò)展的SQL風(fēng)險(xiǎn)治理庫。

在數(shù)據(jù)庫應(yīng)用方面，故障診斷條件要求很高，需要具備Level4級(jí)別復(fù)雜隱性推理的能力。

1.大模型運(yùn)維領(lǐng)域若干階段

第一階段：大模型+私有知識(shí)庫結(jié)合，主要用于知識(shí)問答、SQL輔助等。

第二階段：大模型+多模態(tài)+自動(dòng)化+RPA+低代碼。

目標(biāo)階段：要實(shí)現(xiàn)對(duì)多模態(tài)不同形態(tài)的文本，圖像、文本方式等綜合的識(shí)別，并且能實(shí)現(xiàn)智能化，要求能實(shí)現(xiàn)較高的準(zhǔn)確率。

大模型第一階段知識(shí)庫，實(shí)現(xiàn)場景主要是知識(shí)檢索、代碼輔助、文本檢索等，相對(duì)還是比較簡單。

2.運(yùn)維大模型-配置信息自助問答

運(yùn)維大模型配置信息自助問答方面，目前發(fā)現(xiàn)對(duì)于關(guān)聯(lián)查詢的知識(shí)會(huì)比較差，就復(fù)雜的關(guān)聯(lián)查詢難度比較大，生成的SQL查詢的執(zhí)行計(jì)劃效率比較差。問題解決方案主要通過把存在關(guān)聯(lián)關(guān)系的多表進(jìn)行關(guān)聯(lián)，直接關(guān)聯(lián)至寬表，再同步到第三方數(shù)據(jù)庫。大模型通過第三方數(shù)據(jù)庫進(jìn)行查詢返回，并且增加了調(diào)用自動(dòng)化工具SQL審核的功能。為了避免時(shí)間過長，也設(shè)置了超時(shí)，為5秒。

3.運(yùn)維大模型-告警處置方案推薦

運(yùn)維大模型對(duì)告警處置方案的處置，目前用下來主要痛點(diǎn)在于歸納總結(jié)不準(zhǔn)確，只能輔助提出建議，最主要還是要通過人的判斷。解決方案是在提出相應(yīng)方案的時(shí)候一定要把鏈接提供出來，并且現(xiàn)在正在梳理告警類型的關(guān)聯(lián)數(shù)據(jù)庫方案，可以用來和大模型進(jìn)行相互驗(yàn)證，確保準(zhǔn)確性。

4.運(yùn)維大模型-變更方案評(píng)審

運(yùn)維大模型變更方案，還沒有辦法做到自動(dòng)，因?yàn)榇竽Ｐ筒皇前俜种贉?zhǔn)確，還需要人進(jìn)行審核，只能試點(diǎn)用于全量初審。也就是說，大模型做的還是一些相對(duì)有規(guī)則、簡單的工作，更可以提煉出規(guī)律的工作。

5.運(yùn)維大模型 –方案與腳本生成

用運(yùn)維大模型可以幫助生成方案與腳本，大大減少人工編寫SQL代碼的時(shí)間和錯(cuò)誤率，提升了數(shù)據(jù)庫的運(yùn)行效率、穩(wěn)定性。根據(jù)用戶需求和上下文的自動(dòng)創(chuàng)建符合最佳實(shí)踐的操作規(guī)范文檔及執(zhí)行文本，簡化數(shù)據(jù)庫管理和維護(hù)的過程，減少手工編寫腳本的工作量，確保操作標(biāo)準(zhǔn)化和一致性，幫助用戶提升工作效率。

6.AI與高風(fēng)險(xiǎn)SQL治理 – 故障診斷

AI對(duì)于SQL風(fēng)險(xiǎn)治理上是非常有價(jià)值的，目前在數(shù)據(jù)庫創(chuàng)新過程中，如果是傳統(tǒng)的商業(yè)數(shù)據(jù)庫，一般80%的問題其實(shí)是由SQL導(dǎo)致的，但做了數(shù)據(jù)庫轉(zhuǎn)型以后，由于優(yōu)化器的差距，由SQL產(chǎn)生的問題占比可能從80%上升到90%，甚至是95%。所以需要通過創(chuàng)新的方法，在完成了數(shù)據(jù)庫創(chuàng)新以后根治SQL風(fēng)險(xiǎn)，進(jìn)而保證系統(tǒng)穩(wěn)定性。SQL治理風(fēng)險(xiǎn)一方面是通過我們制定的規(guī)則庫，規(guī)則庫包括了多維度，性能、資源、特定風(fēng)險(xiǎn)規(guī)則，因?yàn)闃颖玖亢艽笄曳浅?fù)雜，我們可以跟AI做結(jié)合，通過AI識(shí)別潛在規(guī)則，并且通過新生成的規(guī)則進(jìn)而發(fā)現(xiàn)風(fēng)險(xiǎn)。

7.AI與高風(fēng)險(xiǎn)SQL治理 – SQL 審核

在發(fā)現(xiàn)的風(fēng)險(xiǎn)SQL里可以通過AI生成優(yōu)化SQL方案，也可以輔助提升風(fēng)險(xiǎn)SQL的改造效率。

目前國產(chǎn)數(shù)據(jù)庫普遍優(yōu)化器比較弱，Bug數(shù)量比較多，風(fēng)險(xiǎn)SQL有一些類型，包括系統(tǒng)等待時(shí)間沒有計(jì)入到總開銷時(shí)間、超大事務(wù)導(dǎo)致無主、高內(nèi)存擠占、插入拼接高風(fēng)險(xiǎn)等等，并且測(cè)試環(huán)境跟生產(chǎn)需求是不一樣的。目前太保建立的是可擴(kuò)展的、全生命周期的高風(fēng)險(xiǎn)SQL治理庫，在性能壓縮環(huán)境、生產(chǎn)實(shí)現(xiàn)了從問題的被動(dòng)應(yīng)對(duì)，到主動(dòng)防治。

AI與保險(xiǎn)的深度融合

大模型跟保險(xiǎn)業(yè)務(wù)深度融合前景是非常光明的，包括銷售、營運(yùn)、風(fēng)控、資產(chǎn)等各方面，像坐席銷售、客戶經(jīng)營、外包作業(yè)、理賠攔截、投資研究上都可以大大節(jié)約勞動(dòng)力，并且提升勞動(dòng)力服務(wù)的水準(zhǔn)。

1.銷售-客戶經(jīng)營

可以打造能精確分析客戶隱含意圖，并且在內(nèi)容編排、技巧、事實(shí)支撐上達(dá)到專業(yè)水準(zhǔn)的保險(xiǎn)顧問。目前通過DeepSeek -R1實(shí)現(xiàn)了精準(zhǔn)分析客戶隱含意圖、內(nèi)容編排、技巧應(yīng)用。并且通過領(lǐng)域知識(shí)庫做到事實(shí)支撐。

后續(xù)計(jì)劃一方面優(yōu)化端到端效率，另外實(shí)現(xiàn)更多更全的知識(shí)覆蓋，預(yù)期價(jià)值包括三方面：一是可以有更多的獲客；二是產(chǎn)生更高的轉(zhuǎn)化，提供全方位升級(jí)的保險(xiǎn)顧問服務(wù)，服務(wù)體驗(yàn)得到全方面提升；三是更高的效率，為代理人和內(nèi)勤提供更全面的賦能。

這樣就可以解決懂客戶、服務(wù)全、服務(wù)好、信息準(zhǔn)的銷售難點(diǎn)。

2.資產(chǎn)-投資研究

在投資研究上可以讓大模型復(fù)盤歷史決策，沉淀投資經(jīng)驗(yàn)，在這方面取得了一定的進(jìn)展。

今天分享就到這里，謝謝大家！

xiesc