【書摘】會拍馬屁的電腦,照樣奉承到你
【書摘】會拍馬屁的電腦,照樣奉承到你
2011.09.23 | 科技

 

對於逢迎拍馬的研究,是我第一次利用電腦,來探索那些引導人類和電腦適當行動的社交法則。我設計一套叫做「20個問題」(Twenty Questions)的電腦遊戲程式。

這個遊戲是這樣玩的:由電腦來「想像」一隻動物,而受測者必須猜測出電腦想的是什麼動物。受測者要向電腦提出一些「是」或「否」的問題,慢慢排除一些錯誤的可能。在提出十個問題之後,受測者就要提供猜測答案。在受測者回答後,電腦並不會揭示答案正確與否,僅會告訴受測者,他們剛剛提出的問題對於猜測答案是否有用。之後,電腦會再想像另一隻動物,再由受測者來提問和猜測。我們如此設計遊戲基於幾點理由:雙方的互動受到控制且專注(不必用到人工智能的技術);遊戲規則簡單且容易理解;這樣的遊戲由人和電腦來玩,顯得很平常。

設定好基本情節後,我們現在可以開始來研究逢迎拍馬到底有沒有用。當受測者進入實驗室裡,我們會安排他們坐在一台電腦前面,然後解釋遊戲的進行方式。

針對第一組受測者,我們會說電腦對於他們的提問將提出非常精確的回饋,因為這套系統是根據多年「探究科學」(science of inquiry)的研究發展出來的。對第二組受測者,我們會說電腦將針對他們的提問效果做出評價,但這套系統還未完善,因此他們可能會收到跟提問無關的隨機評論;換句話說,電腦可能會提供基本上毫無意義的評論,在這種狀況下,第二組受測者完全有理由不理會電腦會說出什麼話。第三組受測者則不會接收到電腦的任何回饋,只會被要求再提出十個問題,來猜測下一隻是什麼動物。

電腦給予第一組及第二組的評論,內容完全一樣,就是在實驗中給予熱情地讚揚。電腦會說受測者的答案「非常精巧」、「極富見解」、「聰明極了」等,每一回合都能得到一些正面的回饋。

這兩組的差別在於,第一組受測者以為自己得到「精確的」讚揚,第二組受測者則認為自己得到的讚揚只是奉承之語,跟他們的實際表現毫無關聯。等到遊戲做完之後,我們會詢問受測者,他們有多喜歡這台電腦?他們認為自己的表現如何?他們認為電腦的表現如何?以及他們是否喜歡這個遊戲?

假如阿諛奉承拍馬屁是不好的策略,受測者對於拍馬屁的電腦應該會感到強烈的厭惡,而且對於他們的自我評價應該不會有任何影響。不過,假如阿諛奉承有用的話,那些被拍馬屁的受測者在這個過程中必定會感到陶陶然,覺得做這個遊戲相當愉快,而且對那台拍馬屁的電腦也會有良好的觀感。

 

 結果及其意義

結果,馬屁組說他們喜歡那台會拍馬屁的電腦(儘管那些阿諛奉承之詞都是隨機亂給的),其程度就跟精確組一樣。為什麼人們會喜歡阿諛奉承的人,即使知道他只是在拍馬屁呢?

我們知道受測者高興地接受馬屁電腦的讚揚,因為之後的問卷調查顯示,那些正面回饋提高了受測者對於自我表現的評價,不管那些回饋是「精確的」或者只是隨機亂給。第二組受測者甚至認為,那台馬屁電腦跟「精確的」電腦一樣聰明,儘管我們之前就對受測者說那套系統裡根本沒有評價功能!

難道是因為馬屁組的受測者忘了電腦回饋是隨機亂給的嗎?

當我們詢問受測者是否會注意或關心馬屁電腦給予什麼評語時,他們的回答都是「不會」。有些受測者甚至在回答「不會」之後,仍意猶未盡地在旁邊寫道:「這種跟實際表現無關的評語,只有白痴才會受到影響吧!」奇怪的是,這群受到影響的「白痴」全是電算科學的研究生呢!儘管他們都知道那些阿諛奉承毫無意義,但潛意識仍然自動地接受了,而且還反過來誇獎那台馬屁電腦。

這個實驗結果告訴我們這條社交法則:就算你不知道是否合宜,也要毫不遲疑地給予讚揚!接收者不但會對此感到樂陶陶,還會因為你注意到他們的不凡之處──不管有沒有──而覺得你這個人認真細心、聰明睿智。

 

書名:你會對你的電腦說謊嗎?:從人和電腦的互動,了解如何成功經營人際關係

出版社:財信出版社

 

作者:克里佛.納斯(Clifford Nass)

史丹福大學講座教授,主持人際溝通與互動媒介實驗室,人類與科技互動的相關主題研究專家,媒體經常引用他關於心智多工運作的研究成果。

 

買書去

 

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓