# AI 教練：保險業務訓練

> 📌 Slido 📌
> https://app.sli.do/event/dgSnpYYJSrz79fU6Bnus4Y

> 共筆請從這裡開始

# AI 教練投影片｜重點記錄＆大綱

---

## 1) 重點記錄

1. **這不是聊天機器人，而是一個「擬人教練團（Agents Team）」**
用多個 Agent 分工，把海外業務訓練做成 24/7 的個人化對練系統，主打「真實感」的銷售對話模擬（保險＋消費金融）。

2. **目前已有初步成效數字**
- 118 人參與測試
- 滿意度有兩種口徑：
- 問卷 86%（以使用人數為分母）
- 系統統計 96%（以使用次數為分母）

3. **產品起源＝解決業務訓練痛點**
- 高流動率
- 商品知識/話術需要加強
- 培訓成效難量化、難追蹤
因此希望：**24/7 對練＋可查詢產品/話術＋完整練習紀錄**，提升新人表現與管理可視度。

4. **核心互動：「三代理協作」**
- **Customer Generation Agent**：設定場景、生成客戶 persona
- **Customer Agent**：扮演客戶（帶情緒與行為，必要時可掛電話）
- **Coach Agent**：結束後評分與回饋，並示範更好的說法（可用檢索/知識支援）

5. **訓練不是只給分數，而是給「可執行的下一步」**
用 **Rubrics（規準式）回饋**：指出問題、給建議、甚至直接示範更好的講法。

6. **真實感的來源：Persona World（心理層）**
不是只靠人口統計資料，而是把 **心理特質、價值觀、行為模式** 一起注入，讓客戶更像真人。

7. **技術觀點：Context Engineering 是智慧核心**
用「多層 Context 堆疊」讓所有 Agent 在同一世界觀下理解情境、人物、狀態，提升一致性與表現。

8. **更大的願景：從 AI 教練擴成企業級 AI Agent 平台**
多代理、Persona、Rubrics 都被定位成可複用核心能力，要平台化成「企業共用能力」。

9. **“懂規則”的方法：Ontology + GraphRAG（受 Palantir 啟發）**
把產品、風險、法規、客戶等「關係」建成圖；GraphRAG 讓 Agent 檢索時能沿圖找上下游關聯並連到文件與 SOP。

10. **前瞻方向：Graph-R1（Agentic GraphRAG + RL）**
關注三個革新：
- hypergraph（更快、更省成本）
- 多輪對話式探索（更會問、更會挖）
- 端到端強化學習（优化「找→讀→答」的整條路徑）
目標：打造數據飛輪。

11. **管理/洞察層的價值**
當所有對練都在平台發生，就能做：
- Training analytics（學習歷程、弱點分佈）
- Sales quality（常見異議、高風險說法、合規風險）
- Market intelligence（跨市場 persona 差異、戰術差異）

12. **平台架構重點：總機 + 記憶 + 工具 + 反思**
有「平台總機」負責：場景設定檔選擇、長期記憶管理、任務拆解、自我反思、工具使用、知識解析與組裝；協助 Agent 從「經驗」升級成「專家」。

---

## 2) 大綱（投影片主線／講稿骨架）

### 2.1 開場：一句話定位 + Proof
- 一句話：AI 教練是「擬人教練團」的企業落地
- 成效：118 人測試、滿意度兩種口徑（問卷/系統）

### 2.2 問題定義：為什麼要做
- 海外業務訓練困境：流動率、知識、成效追蹤
- 需要：更可規模化、更可量化、更即時的訓練方案

### 2.3 解法概念：不是 chatbot，而是 Agents Team
- 24/7 個人化對練
- 適用場景：保險＋消費金融
- 三代理分工：生成客戶 → 扮演客戶 → 教練回饋

### 2.4 產品方法論：怎麼做到「像真人」且「學得到」
- Persona World：心理特質/價值觀/行為注入
- Rubrics：規準式評分與可執行回饋＋示範
- Context Engineering：多層 context 讓 Agent 真的理解

### 2.5 企業級能力：懂對話，更要懂規則
- Ontology 讓「世界可被模型理解」：名詞→動詞→決策
- GraphRAG 讓檢索更像人類思考：沿關係找上下文 + SOP 文件

### 2.6 前瞻：Graph-R1 與數據飛輪
- hypergraph / 多輪探索 / 端到端 RL
- 把每次對練變成可學習的數據資產

### 2.7 洞察與管理：平台化的回收價值
- Training analytics / Sales quality / Market intelligence
- 用數據把培訓變成可管理的「產品」

### 2.8 收束：AI 教練只是起點 → AI Agent 平台
- 平台總機負責：配置、記憶、工具、反思、知識組裝
- 可擴展到更多職能/更多市場

---

## 3) 一頁式 Takeaways

- **定位**：AI 教練 = 企業落地的 Agents Team 訓練平台
- **證據**：118 人測試；滿意度 86%（問卷）/ 96%（系統）
- **方法**：三代理（生成客戶/客戶扮演/教練回饋） + Persona World + Rubrics + Context Engineering
- **能力**：Ontology + GraphRAG 讓系統「懂規則、懂上下文」
- **路線**：Graph-R1（Agentic GraphRAG + RL）→ 數據飛輪
- **價值**：訓練可規模化、可量化；並產出管理洞察（training/sales/market）

---