[鄭國威]為何台灣不討論未來?
[鄭國威]為何台灣不討論未來?

最近有機會代表我跟我的組織,面對面見到幾位政府高層官員,深入與他們討論我所知道的網民想法,並從我的角度告訴他們政府在溝通策略上出的嚴重問題。先不管你喜不喜歡現在這個政府(我先講,我不喜歡),我認為更大的問題在於這個政府不討論未來,而且也不知道怎麼邀請外部人士參與討論。

當然,他們會討論台灣的歲入歲出差距讓人心驚、討論台灣持續高升的老年人口比率跟持續減少的新生兒,或是很棘手的能源議題跟兩岸問題,也常常找企業大佬或國外洋佬來對談。這些都跟「未來」有關,但若要更精準描述他們的說法,其實他們的談法,是跟「不知道還有沒有未來」有關。這就是問題,他們談論台灣未來的方式在在表現出他們很憂心、很操煩、很畏懼未來,大部分的討論可以簡化為:「未來會有很多問題,我們要想辦法解決。」

台灣媒體很喜歡刻意讓台灣的官員呈現出很愚蠢的樣貌,而且台灣的鄉民也很愛媒體這一套,因為這讓他們可以罵政治人物罵得很輕鬆,就像罵條狗一樣。我一直反對這種媒體操作,也不認為台灣的官員真那麼差,差到沒有意願或能力面對目前我們的困境。但我還是得說實話,台灣官員對外溝通真的有很大的問題,他們看待未來的方式彷彿面對一個恐怖箱,裡頭可能有蛇有豪豬有大便,自己得伸手進去摸,雖然認命,但是沒有什麼期待。我認為這就是政府跟網民溝通出問題的基本原因。

未來當然有很多問題要解決,但未來同時也有很多未知等著我們探索、等著我們改變。這思考的背後是不同的假設:你希望這國家變得更好、超級好,還是沒事就好?

我與我的夥伴經營的各個媒體或創業計畫,在創立之前,都會經歷一段長期的摸索,找到做這件事的「宗旨」,而這宗旨必須是具有積極未來性的,或做這件事將能夠催化對社會、產業有益的改變。我們的作法是把我們要做的事情先條列出來,然後歸納出抽象層次較高的理念,再找很多事例來挑戰這個理念,直到我們認為這個理念顛簸不破,有高說服力,能夠獲得社群支持。

而這只是開始,等到產品上線,就是得持續不斷地用自己的實踐去替這個理念辯護,同時也積極接受意見、尋求意見,讓我們的理念可以被完善。但通常理念不會有太大改變,要變的只是溝通手法。理念若被接受,就代表我們想看見共同的未來,並且想插手,自己去打造未來。溝通手法很多元,但態度只有一個:「既然我們都想要見到這樣的未來,我開始動手做了,雖然不盡善盡美,有著明顯的漏洞,但你願意一同加入打造這未來的行列嗎?」

我衷心希望,經過幾次溝通,能看見政府開始注意到這點。同時也希望政府外的我們,能夠一起推著政府往這樣的溝通方式前進。我們得讓他們知道我們希望他們怎麼講話,調教政府,人人有責。(原文刊於數位時代雜誌2014年6月號)

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