Groupon股價開倒車，首度跌破發行價|數位時代 BusinessNext

Groupon股價本週二大跌15%，收盤價20.07 美元，逼近當初IPO的原始價格20美元，週三依舊無法止跌，最後收在16.96美元，正式跌破發行價。Groupon股價近來連續下跌，分析師認為是因為業界對電子商務市場是否健全產生的疑慮、日漸激烈的競爭，以及Groupon有利於短線交易者入場等影響。

Groupon股價直落，也可以讓其他躍躍欲試IPO的知名網路公司清醒一下。IPO研究網站IPOfinancial.com的總裁David Menlow表示，突如其來的下跌代表了視網路為科技炒作安全平台的思維已被打破，也意味著投資人將對「高度需求首次公開招股」持更保留的態度。

Groupon IPO起初的成功被視作市場接納快速成長但風險高的社群媒體類股的訊號。IPO後首次交易（11月4日）股價大漲31%，收盤價高達26.11美元；儘管有批評聲浪指出，市場對於Groupon評價過高，但其公司市值仍一度來到十六億七千萬美元。然而廣泛而言，近來股票市場氣氛低迷，道瓊指數自11月11日已下跌5.4%，Groupon股票本週便遭受重擊，自上週五起由每股26.19 美元一路下滑。

投顧機構ITG Investment Research產業研究部門主管John Aiken表示，投資人拋售Groupon股票部份反應了整體電子商務市場的低迷走勢。在網上購買折價券是電子商務購買行為中最具衡量代表性的，基於此原因，伴隨對假日購物季銷售量的疑慮漸增，Groupon將是整體商業市場中第一個被影響的。

於此同時，近來Groupon股票對短線交易者來說也變便宜了，這些投資人透過脫手借入股票一賭股價下跌。這也可能加速了Groupon股票連續兩交易日的下滑。協助投資人借貸股票以做短線交易及其他用途的電子交易平台Quadriserv Inc總裁Bruce Turner指出，借入 Groupon股票的年度成本幾週前已由96% 降至21%。原因是隨著交易日漸熱絡，市場上可流通、借入的Groupon股票已越來越多。

Liquidnet分析師Lou Kerner認為，從Groupon最近的股票交易可學到的最大教訓，就是訂定高成長公司的IPO價格是非常困難的。雖然預期Groupon可取得援助，但股價似乎還是會維持在IPO價格之下。對於股價下跌和外界分析師的看法，Groupon發言人拒絕發表任何評論。

來源：WSJ

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。

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。」

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。

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。

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。