PalantirAgent新用例，客户实践出的AI落地原则｜AIPCon7

AI应用股王Palantir在6月举办的7thAIP Conference公布了最新一批Agent用例，Palantir公布Agent新用例，不止于next level｜AIPCon7介绍了3家医疗客户用例，今天介绍的金融Agent，客户实践出来的企业AI落地原则非常有意义。

"AI让我们无需增加任何成本即可实现有机增长"

AIG：专注于核心业务和指标，不做非核心业务场景的GenAI实验

背景：全球领先的保险公司，年收入272亿美元，业务遍布200+国家和地区。

AIG 70%的业务属于商业承保——这个过程涵盖风险评估与承保范围确定，要决策是否为某企业提供保险，并制定合适的承保方案。这是AIG最关键、最复杂的核心业务决策，AI把部分承保环节的耗时从1个月缩短到了1天。

场景痛点：

行业数据标准缺乏统一性

保险经纪人数据不一致、分散、非结构化

文件格式混乱，数据提取工作非常复杂

带来的业务影响是——承保人工作效率低下，保险公司业务规模化增长停滞：

需要梳理多个来源的海量数据：经纪人、客户、行业数据，格式各异

1名承保人需审阅5-10份复杂文件，90%的时间都花在数据检索、提取和手动录入

检索、审阅和评估这些数据需要高度依赖人工、易出错

3-4周才能完成一次投保申请处理

所以，AIG引入Palantir的目标很清晰——快速审核数据，快速处理承保申请。解决了速度瓶颈，公司才能突破规模化增长的天花板。因为竞品也在同时争取客户，赢得时间就意味着赢得客户。

Palantir开发的"承保人AI辅助系统"，具备3个核心技能：

数据抽取：自动化提取约100项承保人决策的要素，这些要素来自数百个数据源，将手动几周的工作量缩短至几分钟，可以并行处理数千份投保申请

内容增强：自动搜索第一方和第三方数据源，获取相关背景信息，丰富并验证投保申请内容

商机优先级排序：AI判断客户价值、风险与利润后，优先分配高价值业务

应用效果：

1个月的承保审核周期缩短至1天

数据质量准确率持续超过90%，超越人工流程

承保人处理能力提升2-5倍

最终的业务结果是，在同等“承保提交比” 水平下，无需增加任何成本即可实现有机增长。

我想特别介绍一下AIG应用AI的核心原则，我经常跟同行说：AI应用先是业务问题，然后才是技术问题，业务才是一家公司永恒的核心。同样的科技工具，不同经营管理能力的团队，会用出不一样的效果，AIG的5项AI应用原则具备很强的普适性：

专注于解决核心且紧迫的实际业务挑战，不在非核心业务领域进行GenAI试验

AI战略不只是技术问题，必须与业务团队共同开发

强调"Human-in-the-loop"：承保人是公司生产力的核心，同时也是AI战略的核心，AI工具旨在增强其专业能力，而非取代他们

模块化架构：能轻松集成和采用后续的新技术方案，避免后续出现较高的调整成本

只衡量关键业务指标

Agent不仅提效单线流程，能并行处理多个业务流时，企业整体的效率提升才显性

citi花旗：从防御性修复转向进攻性创新

背景：超过100万客户的财富管理公司，每年在全球转移5万亿美元资金。

花旗的痛点集中在海量分散的数据方面：

客户数据分散在55到100个系统里，极其碎片化

数据提取和同步非常耗时

使用Palantir把所有数据整合到了统一平台，如客户数据、证券信息、账户情况、证券事件动态、存款和资金流动情况：

Palantir平台发挥了调度中枢作用，协调所有系统的数据自动同步。就像iPhone的 iCloud，用户在手机、平板、电脑上的操作会实时同步。

然后用AI实时优化这些流程，实现全流程自动化监控：

这里又要提到，为什么企业级AI落地往往要端到端贯穿业务流，才能验证显性的业务价值——

花旗的每个客户基本都有超过100个活跃流程，既会并行发生，也会有串联关系——上游数据遗漏会引发下游任务效率低下。使用AI平台后，9天的工作量压缩到了5分钟，可以并行监控处理，人工操作几乎被取代。

以客户服务场景为例，1位管理1000个客户的财富顾问，如何及时知道客户的投资组合被下调评级？现在AI平台会实时推送给顾问，并生成不同风格的沟通文案。

平台实现了对每个客户的全流程自动跟踪，这些改进让花旗在开户、审核、新证券上线等环节的速度大幅提升，成本显著降低。