ФинансыИИRAGБаза знанийКитай

Система интеллектуальных вопросов и ответов на основе частной базы знаний Тихоокеанской страховой компании

Предпосылки проекта

Тихоокеанская страховая компания, являясь одним из ведущих страховых предприятий Китая, располагает огромным количеством деловых документов, таких как условия страхования, правила урегулирования убытков, информация о продуктах — в общей сложности более 30 000 единиц. Сотрудники отдела урегулирования, консультанты по продажам и новые работники ежедневно вынуждены часто обращаться к этим документам для ответа на вопросы клиентов и выполнения операций. Традиционный поиск по ключевым словам затрудняет точное нахождение информации, и в среднем сотрудник тратит 15 минут на поиск нужных сведений, а период обучения новичков достигает 3–6 месяцев, что серьезно снижает эффективность работы и качество обслуживания клиентов.

Ключевые проблемы

Низкая эффективность поиска знаний: более 30 000 документов, поиск по ключевым словам, среднее время поиска — 15 минут, точность — менее 40%.

Длительный период обучения новых сотрудников: новым работникам требуется 3–6 месяцев для самостоятельного выполнения обязанностей, высокие затраты на обучение.

Несинхронизированное обновление знаний: частые изменения условий и правил, сотрудникам трудно своевременно получать актуальную информацию.

Требования безопасности данных и комплаенс: данные страхования касаются конфиденциальности клиентов, запрещено использование публичных облачных ИИ-сервисов.

Решение

Развертывание частной архитектуры RAG

Развертывание во внутренней сети системы RAG (Retrieval-Augmented Generation) на базе Qwen2.5-72B, структурированная нарезка и векторизация индексов для более чем 30 000 документов и построение корпоративного графа знаний. Вся обработка данных и вывод также выполняются во внутренней сети, что соответствует требованиям комплаенс финансовой отрасли о невыходе данных за пределы организации.

Интеллектуальные вопросы и ответы и рекомендация знаний

Реализован интерфейс вопросов и ответов на естественном языке с поддержкой многодиалогового взаимодействия и пониманием контекста. Система не только даёт точные ответы, но и предоставляет цитаты из оригиналов соответствующих положений и рекомендации связанных знаний, помогая пользователям всесторонне понять бизнес-правила. Среднее время поиска сократилось с 15 минут до 10 секунд.

Автоматическое обновление базы знаний

Интеграция с корпоративной системой управления контентом: при изменении условий или правил автоматически запускается инкрементальное обновление индекса, чтобы база знаний всегда синхронизировалась с актуальными бизнес-правилами и исключался риск задержки информации.

Данные об эффективности

Показатель	До внедрения	После внедрения	Улучшение
Время поиска знаний	15 минут	10 секунд	99%
Точность ответов	40%	92%	130%
Период обучения новичков	3–6 месяцев	1–2 месяца	67%
Задержка обновления знаний	7 дней	В реальном времени	100%

Технологический стек

Qwen2.5-72B, векторная база данных Milvus, LangChain, FastAPI, Vue.js, развертывание во внутренней сети с Nginx

“После запуска базы знаний эффективность работы отдела урегулирования убытков удвоилась. Самое главное — все данные находятся во внутренней сети, что полностью соответствует требованиям комплаенс.”