歡愉的大學習潮
歡愉的大學習潮
2006.08.01 |

台灣人好學,並不是一件新鮮事,即使在製造業主導台灣經濟的過去,我們常見到工作者投資時間與金錢,賣力地學習各種工作新技能、新證照以及和升遷攸關的新訓練。因此,這一波的大學習潮,並非意指台灣由「低度學習」社會向「高度學習」社會轉進,而是由「製造業式學習」往「創意式學習」跳躍,某種學習本性與質地的革命性改良。
製造業的運作邏輯,在於大量標準化生產的效率,因此製造業經濟對應的工作場所技能,在於如何泯滅個性,建構一個集體性、配合中央生產線作業的紀律心智,工作者學習的標的,既在於由淺到深的操作工具知識,也在於配合某種慨然或坦然付出、建構一個集體生活所必須的自我規訓(Self Discipline)能力。但創意經濟體不同,創意經濟要求個人能產出獨一無二的工作成果,「me too」在過去是美德,但在今日,卻是工作場所中的罪愆。企業生產商品或服務的流程不再是中央控管的一條鞭裝配線,而是一道道創新流程、方案、設計組成的價值鏈。
也就是在經濟結構裡的這兩種工作倫理大轉折,台灣社會再一次經歷「自我改良」的集體焦慮──如何讓一個於心靈深處烙印著「跟隨至上」舊價值觀的人,轉變成日常生活行動皆能「自我創造」的新職場人,是歷來台灣各種學習潮中最艱困的一次。
如果我們說過去的每一次自我學習,目標是「革面」的循序漸進,這一次則是「洗心」的心靈改造──要讓「集體人」變成「個體人」,它不止牽涉到對過去學習所得之知識、價值觀或世界觀的檢視、掏空與揚棄,還包含重建「能夠自我學習」的能力。正因這種雙重的折磨,新學習潮所需的學習工程,我私自猜想:必然包含著三種讓我們耳目一新的項目:「啟蒙」(enlightenment)、「體驗」(experience)和「踰越」(transgression)。
「啟蒙」,意味著導引新工作者以「新視角」重新認識「新世界」的能力;「體驗」,意味著是從「學習者生命史」出發、能產生自主學習感動、開啟自我探索慾望的新學習流程設計;「踰越」,則是跨越既定學門界線、挑戰舊有知識權威、懷疑各種主流論述正當性的「學習勇氣」之育成與滋養。這三種學習工程,瞄準的不是為學習者添加多少的工具性知識、取得多少張證照,而是讓學習者如何由一個「指令遵從者」變成「自我決定者」──學習者藉由認識自我,感動於自我之獨一無二,讓埋藏於每個人生命遙遠深處的本能創意,掙脫舊教育的綁捆,浮上意識的水面,從此成為「個體人」安身立命的新驅力。
我們猜,這才是這波大學習潮的真義:學習者可以重新來學習美學與哲學、音樂或設計、購物與穿衣、生活風格與旅行冒險──40年來那種壓力處處、隱忍呵欠、強迫規訓的學習,將被一種訴求「個體歡愉」的新學習所取代。也許唯一剩下的問題將是──你認為:到底「自我的歡愉」究竟是美德還是罪愆?

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