華爾街的人才為什麼紛紛湧向矽谷?
華爾街的人才為什麼紛紛湧向矽谷?
2014.08.06 | 科技

許多華爾街的銀行家開始脫下西裝革履,轉而換上了休閒的運動服。走出高樓林立的紐約,來到好山好水好陽光的矽谷。

5月份,高盛集團的科技、媒體和電信組的負責人Anthony Noto決定辭職加入對沖基金Coatue Management。但到了七月份,令整個華爾街意外的是,他接下了Twitter CFO的擔子。

Noto並不是個案。如今,正有大批財經專家和商學院畢業生,紛紛放棄了銀行的工作,蜂擁前去科技類公司。Adam Zoia是搜尋公司Glocap Search 的CEO。他說,自金融危機以來,代表身份和地位象徵的金融類工作便熱度大減,而科技類工作卻異軍突起。

據華頓商學院數據顯示,科技行業的就業率位列第三。2014 年,13.5%的畢業生選擇了這一領域,這個數字在2008年僅僅是5.6%;2013年,18%的哈佛商學院畢業生選擇了科技行業,幾乎是2008年的三倍。轉行的不僅僅是剛畢業的MBA,就連已經涉足銀行業的人也都迫不及待想跳槽。

Cathy Li便是其中一員,2009年,她離開了Barclay,加入了Gilt Groupe。她說,僅僅呆了兩個月,她便去意已決。並非工作不順,而是企業文化難以融入。「那裡的人窮得只剩下錢了,我沒有任何導師,整個人都迷失了。」而新的工作竟是曾經被自己拒絕的公司,她搖身一變成為一名產品經理。放棄一份優厚的收入並不容易,跳槽也沒有想像中那麼輕鬆:缺乏經驗、隔行如隔山、適應矽谷開放自由的工作,還要放棄曾經的優厚待遇。

Adam Zoia 表示:「金融人才也有不少優勢,他們工作拼命、高效、死守deadline。」

Hired的聯合創始辦Matt Mickiewicz認為,創業公司需要會做生意的人,他們能幫助公司成長。尤其是那些MBA,他們懂得預估市場規模、並巧妙制定策略,讓公司名利雙收。SkillBridge的聯合創始人Stephen Robert Morse也對此深信不疑,「懂得使用Excel、會分析數據、有好創意的人,都是創業公司所需要的。」他希望自己的員工學會運用數據,去擴大用戶量、增加購買量。

新創公司如此,大公司亦然。LinkedIn便是個例子,他們正不遺餘力得挖財經、諮詢類背景的專才。人事總監Brendan Browne希望藉鑑他們的問題處理框架,數據挖掘技巧,以及有效的溝通能力,這些都是LinkedIn的業務核心。而候選人們的工作範圍也會超越金融,分散涉及到公司運營、企業建設甚至銷售等領域。

Li在Gilt主要負責網站分析、確定模式、以及解決商業問題,這些工作無一不考察她的創造性和問題解決能力。然而,幾個月前,公司還只是希望找一個有銷售或者工程背景的人做這些事。創業公司早期希望獲得大筆資金,接下來他們要做的是精打細算。

頂尖的科技公司Google, Facebook 和Amazon 都開始增加對MBA人才的需求,給出的薪資與金融類職位不相上下。對於早期的創業公司,如果發不出這麼高的薪水,也會用股份吸引有衝勁的年輕人。除了期權池(Option Pools)的誘惑,科技類公司還會為員工提供更多成長空間。比如LinkedIn的暑期實習律師Audrey Zhou 就在收購Newsle的項目中,得到了與執行長Jeff Weiner以及共同創辦人Reid Hoffman溝通的機會。

本文編譯自cnbc.com,轉載自36氪

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