[簡立峰] 開放資料的價值
[簡立峰] 開放資料的價值
2013.10.09 | 人物

每個縣市政府都有自己的App,為什麼不整合起來?以前養蚊子館,現在養蚊子App。如果是開放資料,這件事就解決了,因為會有人去開發成更適合消費者的應用。

政府的資料就是全民資產,傳統概念比較保守,但現在漸漸開放。歐巴馬政府前幾個月才宣布,政府資料預設就要開放,除非機密性資料才能關起來。前陣子和政府合作開放資料平台的過程中,可以看到每個政府單位本身都很認真,但單位與單位間好像就沒有那麼多權利與義務的合作,這是政府本身要突破的。

開放資料對台灣帶來的另一個好處是,我們的軟體網路產業以前常常抱怨政府資料不開放,如果現在開放了,產業還是起不來,那就少一個藉口。但我相信不會這樣,台灣這十幾年來產學沒有整合,才是最嚴重的問題。現在網路科技和軟體的應用很多需要資料,但學校裡是沒有的。這種情形下,如果政府能開放資料,學生在校園裡就能練兵,團隊就能提高技術門檻,等技術成熟就能出來創業。

最近看到的問題是,台灣的技術型創業非常少,大部分是生活產業,那是從生活經驗和人脈裡累積出來的。但是校園或研究機構裡,以技術為基礎的創業幾乎沒有,如此一來無法墊高技術門檻。開放資料多少可幫助拉進這一塊,提供外界資訊、實際參與感和實際使用者。如果憑空想像、自行製造,都不是真實的。

開放資料還包含政府施政的檢驗,或者也可以幫忙傳播施政效果,但政府壓力一定會因此越來越大。政府定期都發布土石流、水位警戒,但誰會知道?大家都是看電視的,但電視沒辦法選擇這麼多來報。其實在颱風來前後,都有淹水警訊,但該知道的人都不知道,因為它沒有地方可以發布,就只能公告在單位的網站上,或者告訴地方防災應變中心,出不了門。已經有警示了,該被警告的卻不知道,這很可惜。

台灣擁有的醫療資料很豐富,因為有健保,但現在大家似乎對這塊很保守,這裡絕對有很大價值。比如說,可以從病人治癒的狀況去回推用藥,交叉比對下可以找出很多問題,可能是醫生或醫院的問題,可能是用藥交叉感染問題。對不少單位來說卻很擔心這種情形,因為有些人覺得當這些資訊透明後,不見得會被正確解讀,造成許多醫療糾紛。但這件事卻對全民健康很重要,甚至可替產業創造商機。

開放資料真正要去突破的,是以後每個單位能不能有一個責任,成為經濟部的一部分,因為如果不是這樣,每個單位的權責就會很保守。現在中央各部會只有經濟部是負責創造經濟機會的,其他都不是,因為目的的關係,會造成他們坐擁金山,卻當成垃圾。健保這資料也是,風險一定有,但應該也能想到方法降低風險。

台灣有兩群人很聰明,念電機和念醫學的,但他們從來沒有合作過。在醫療電子產業其實是有機會的,甚至全民健保就是實驗場所。台灣人看病次數遠高於美國,雖然是2300萬地方,或許等於美國1億人口市場,就是我們醫療電子很適合練兵的地方。台灣大部分電子業都開始往醫療走,光是醫材就不得了,在醫院裡所有用到的醫療設備,能夠做電腦的,這些都可以做。例如大立光能做鏡頭,也能在很多醫療儀器做鏡頭。電子業不應該是電腦業,可以更多元性。(口述/簡立峰  整理/趙郁竹 出自

【活動預告】創業小聚#34* **** :創新創業X* **** ** 生活服務 **** 詳見活動網頁

關鍵字: #開放資料
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