保险 / 财产保险
Sompo Japan：利用AI智能体自动化内部咨询应答工具的检索模型改进实验
- 企业
- Sompo Japan
- 国家
- 日本
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
根据Google Cloud于2026年7月27日在官方博客发布的客户案例，Sompo Japan运营着一款员工工具，帮助回答代理店和客户提出的问题，例如能否投保、事故是否在保障范围内。回答质量取决于检索内部资料的机器学习模型，但改进该模型依赖负责人的经验和直觉，一次实验有时需要1周，导致对每次实验好坏的复核跟不上。
使用的技术与数据
Sompo Japan用Google的Agent Development Kit自主开发了用于数据检查的EDA Agent，并在Gemini Enterprise Agent Platform上运行。该智能体自行编写SQL检查导入BigQuery的数据，找出诸如汽车保险数据很多而火灾保险数据几乎没有的数量偏差、文本数据中的噪声以及全角与半角混用的写法，并用BigQuery ML试验小模型，判断哪些预处理可能有效。作为编码智能体的实验编排器根据检查结果运行训练流水线并评估模型表现，效果好就投入生产，不理想则退回数据检查。把业务问题转化为机器学习任务、构建数据集，以及最终判断智能体的分析是否正确，由人负责。
成果
根据案例中负责人的说明，调查数据、训练和复核结果的一个实验周期，过去最长需要1周，使用智能体后约1天即可完成。SOMPO控股的AI工程师表示，以前一个周期需要3天以上，现在一天之内可以试验多次。原本只存在于负责人脑中的判断理由以智能体记录的形式留存下来，减少了对特定人员的依赖，团队也开始着手逐条核对结果的分析。
局限与待解问题
原文没有给出检索模型改进对回答准确性的影响，也没有写明开始运营的月份。
来源
- 損保ジャパン、機械学習モデルの開発を AI エージェントで自動化 ─ 1 週間かかっていた実験サイクルが 1 日にcloud.google.com, 查阅
本案例根据公开资料整理，并非 ATF Works 客户的成果。