Legal & General 利用 AWS 人工智能改善客户体验、速度和效率

想象一下，您的 500 多万客户每天发送总计 5000 份的纸质表格。为了为客户提供最好的服务并满足监管要求，您需要快速、准确地处理所有这些文档。为了应对这一挑战，金融服务公司 Legal & General（L&G）使用 Amazon Web Services（AWS）对他们的英国零售业退休部门（RRD）每天摄取数千份养老金文档的过程进行了现代化改造。L&G 的英国 RRD 利用由人工智能（AI）提供支持的服务，从他们的传统扫描解决方案迁移到了 AWS。结果，该部门加快了文档处理速度、满足了他们的监管服务水平协议（SLA）要求并提高了员工的工作效率。

 

利用 AWS 实现文档管理现代化

 

L&G 的英国 RRD 拥有 520 万名享受养老金的在职员工，他们每年发送 100 多万份纸质文档，用途包括要求更改地址或受益人等等。该部门必须在规定的时间内处理和回应每个文档。该部门希望提高流程的效率、可扩展性和成本效益。“使用 AWS，我们现在拥有了明显更加强大、更具弹性的事件驱动型架构，”L&G 的 RRD IT 总监 Tariq Surty 表示。

 

英国 RRD 与他们的当地 AWS 团队一起创建了内部概念验证，以批准使用机器学习（ML）服务 Amazon Textract，这项服务可以自动从扫描的文档中提取文本、手写字、布局元素和数据。随后，该部门聘请了 AWS 专业服务团队（一个致力于帮助各个公司使用 AWS 的全球专家团队），以便快速、可靠地帮助他们的项目完成从设计概念验证到扩展到全面生产的各个阶段。

 

利用机器学习提高处理速度和员工工作效率

 

L&G 推出了以云为中心的文档管理解决方案 Docusort。该解决方案利用 Amazon Textract 和 Amazon SageMaker 来处理文档，Amazon SageMaker 是一项完全托管式服务，汇集了大量工具，可提供高性能、低成本的机器学习。Docusort 对文档进行分类、提取相关的数据集，并将这些数据推送到后端系统以更新客户信息。

 

使用 AWS，L&G 现在可以在 30 分钟内并行处理 1000 个文档，而借助无服务器架构，他们的解决方案可以纵向扩展和缩减以满足任何工作负载的需求。而以前，这一处理会受到负责处理文档的人数限制。通过节省这些时间，英国 RRD 可以更准确、更一致地满足 SLA 要求。这样，该部门就能够重新部署五名员工，因此提高了企业生产力。

 

利用生成式人工智能不断前进

 

L&G 计划将他们的 Docusort 解决方案用作机器学习可能发挥作用的其他使用案例的模板。特别是，该公司正在探索如何将生成式人工智能应用于投诉管理、承保流程支持和客户反馈分析等流程。

 

“我们已经学会了如何管理、训练和维护机器学习模型，现在我们拥有了成熟的模块化、具有弹性和无服务器的架构，因此可以轻松将生成式人工智能应用于新的使用案例，这确实令人感到非常兴奋，”Surty 说道。