[專訪] 核桃運算薛文蔚：每個人都可以成為資料科學家|數位時代 BusinessNext

硬體科技的進步，促成大數據

核桃運算創辦人薛文蔚指出，「目前處理大數據的技術還是在非常早期的階段，很多技術還不是很方便，這就好像我們現在回頭談70年代的電腦一樣。」

薛文蔚說，「昨天的垃圾，是明天的黃金。」隨著硬體科技不斷進步，現在儲存資料的代價很低，所以有各式各樣沒有目的的資料被儲存起來，才會形成這3-5年很紅的「大數據」概念。

**大數據面臨的挑戰是，很快獲得很多資料，卻難以想像要如何處理資料。**當資料量很大的時候，要怎麼做才能快速處理這些大數據？

三年前，薛文蔚遇到中國供應商的單品項管理問題，必須同時處理40萬個品項，乘上1萬個通路時，預測出來的值是幾百億點。然而，現行的資料運算架構主流根本沒辦法處理，才讓他進而去解決架構所產生的問題，直接從運算模式下手。

（圖說：核桃運算創辦人薛文蔚推出即時資料分析引擎，推翻工程師長久以來對資料運算的看法。圖片來源：郭芝榕攝影。）

顛覆資料運算模式

「我們現在還在用1945年所設計出的電腦運算模式！」（也就是范紐曼架構）薛文蔚解釋，以前記憶體很小，把資料當成外來物，程式和原始碼是一等居民，支配資料。每次要運算時，都要把資料從硬碟內搬移至記憶體運算，再搬回硬碟，花費很多時間在「搬移」。

目前大多數使用者端的資料庫和程式都以這種邏輯設計出來，薛文蔚說，這樣的工作台模式適合資料運算嗎？

所以，核桃運算3年前設計出不必搬移資料的「in-place computing model」，試圖要顛覆資料運算的模式。記憶體從32位元前進到64位元是一個很重要的觀念改變，用空間換取時間，用有效率的方式對映到現有的CPU和記憶體，創造出一個無限的空間，把程式送到資料儲存地運算，避掉資料搬移的過程。

例如，HTC就推出64位元處理器的智慧型手機Desire 820，可以把資料放在雲端、伺服器和物聯網上。

（圖說：核桃運算顛覆資料運算的模式，開發出資料運算引擎BigObject。圖片來源：取自核桃運算官網。）

此外，核桃運算在做運算時，會用各式各樣的轉換技術做分門別類，例如分開性別和收入，並善用關聯，讓4G記憶體可以跑100G資料，比MYSQL快100至1000倍。

薛文蔚指出，「**只要一台64位元的電腦，就能處理幾十億筆資料，未來也可以用在手機上。**降低一般人使用的門檻，展現平民化的大數據運算力量。」可處理關聯式分析、多維度分析。

未來，嵌入式裝置愈來愈多，大數據將是隨處可見的技術。他更進一步指出，未來的使用者將會是資料導向，10年後可能變成人人都對資料「有感覺」，資料科學將成為基礎知識，而非現在的專家系統。

大數據四大類：應用、產品、工具、底層科技

薛文蔚是台大資工系第一屆畢業，在哥倫比亞大學念資工博士學位，1995年就開始創業。他將大數據分成應用、產品、工具、底層科技四大類，目前切入大數據領域的新創團隊，大多都是大數據應用，包括手機、物聯網，有一大部分落在社交媒體，用心理學分析關聯度，例如兩個人的相似度。

做大數據的平台和科技比較少，薛文蔚說，底層科技還有許多可發展空間，會形成一個生態系統。台灣的強項在硬體，像是固態硬體、永久記憶體、快閃記憶體等等，核桃運算也許會進一步結合硬體，讓運算模式更快速。而10年後，底層的硬體可能會被生物記憶體所取代。

近年談 AI 轉型的金融業者不少，多半從技術切入，闡述架構藍圖與導入策略。富邦人壽則選擇從行政端著手，先問哪個場景最攸關保戶，再決定 AI 該往哪裡導入。「關鍵在於回歸以人為本的核心，專注於客戶體驗。」保單行政處處主管蔡佳蓉副總經理指出，核保、理賠與客服，是服務價值鏈中與保戶互動最直接的三大關鍵，自然成為富邦人壽 AI 布局的起點。

以 AI 賦能核保，審查時間省六成

開始一張保單的旅程，核保是第一步，攸關保戶是否能儘速取得保障。投保過程中，若涉及既有病史或體況，核保便須介入評估，綜合審視商品條款、投保規則與法律規範，以決定是否承保，可說是一項高度專業的決策工程。

「以一份新契約為例，客戶的病歷資料可能厚達百頁。核保員得逐頁翻找診斷紀錄、用藥史與手術紀錄，判斷其對承保的影響。但大多數核保人員並不具備醫護背景，這方面的專業判斷力全靠長期經驗積累，導致傳統作業十分耗時。」蔡佳蓉解釋。

為此，富邦人壽建構「核保智能助理」，運用生成式 AI 摘要病歷，解決過往判讀大量專業英文病歷的痛點。這可不是把資料丟進 AI 資料庫就好——蔡佳蓉分享，導入過程中的挑戰之一，是為特種個資去識別化，需先透過個資遮罩工具處理病歷；此外，針對 AI 常見的「幻覺」風險，團隊也反覆調校提示詞，讓摘要報告力求精準正確。

她強調， AI 定位為「初篩與重點整理」的助手，最終決策權仍歸於核保員。透過 AI 摘要、核保員決策的人機協作模式，體況審查平均作業時間成功從 40 分鐘縮短至 15 分鐘，核保效率提升六成，讓核保同仁能將心力集中於高風險案件與例外處理。

以 AI 輔助判讀，加速理賠條款今昔對照

同樣面對大量資料判讀挑戰的，還有理賠。理賠是保險公司實踐承諾、展現服務價值的重要時刻，但隨著醫療技術不斷進步，許多保單條款當年訂定的手術項目，到了今天可能已發展出全新的治療方式。理賠人員需要從大量醫療資料中，判斷新技術是否符合條款約定，過程相當耗時，也需要高度的醫療專業知識。

對此，富邦人壽導入「理賠智能助理」，整合醫療資訊與內部顧問醫師的專業意見，協助理賠人員快速比對保單條款與客戶所接受治療的對應關係。例如，當醫療科技演進產生新的手術方式時，AI 可協助理賠人員快速了解該疾病與手術的進行方式，並檢索相關條款與內部規則，提供理賠判斷建議，縮短過去需逐一查找資料的時間。此外，系統亦能協助摘錄擷取診斷書、病理報告及醫療費用單據等理賠文件審核重點，大幅縮短人工判讀比對時間，讓理賠人員更專注於專業判斷與保戶溝通，加速理賠服務效率與一致性。

客戶服務處處主管張婉茹指出：「AI 除了加速理賠作業，也能將資深理賠人員的專業經驗與判斷邏輯濃縮為高效吸收的知識庫，協助新進同仁快速掌握案件重點與判斷依據，縮短學習曲線，並提升理賠判斷的一致性與品質。」透過 AI 助理減輕資料整理的負擔，理賠人員得以將精力回歸專業決策與客戶溝通。

以 AI 客服加速分流，前線服務更到位

在核保與理賠之外，最大量的服務場景是客服。張婉茹表示，隨著數位原生世代逐漸成為保戶主力，客戶傾向先自主操作解決問題，不會直接撥打電話；一旦選擇撥打電話，就代表問題已超出自助服務能處理的範圍。

對此，AI 客服的導入，不只是回答問題，更是協助客戶找到最適合服務管道的「智慧導航員」。「我們是第一線面對客戶，因此 AI 客服最重要的不是回答得多，而是回答得正確。」張婉茹表示，富邦人壽在設計上特別重視回答來源的可信度，透過既有知識庫與 FAQ 資料治理機制，讓 AI 優先扮演「理解需求、引導服務」的角色，確保保戶獲得正確且一致的資訊。

事實上，富邦人壽的文字客服早於大型語言模型盛行前便已上線，目前文字客服平均每月處理超過六萬則訊息，智能助理能即時理解客戶需求，將保單查詢、資料變更等簡易服務導引至 App 或線上平台快速完成；面對理賠、保單變更或保障內容等較複雜的需求，則由真人客服接手提供專業協助。讓簡單問題快速解決、複雜問題由專人服務，將有限的人力資源投入最需要專業與溫度的服務情境，讓分流機制發揮實際成效。

從核保員手中的病歷、理賠人員桌上的單據，到線上客服的迅速回應，富邦人壽的 AI 布局，始終緊貼第一線作業現場。張婉茹表示，科技發展不一定要一次 end to end 全到位，應該是不停小步快跑，慢慢把應用場景擴大。去年底推出的全新富邦人壽 App，將「簡單、貼心、隨行」的理念落實在使用者介面體驗上，就是一次階段性集大成的成果。

但無論 AI 如何加速資料判讀、優化流程，專業判斷與服務溫度仍是機器無法取代的核心。「要有專業，才能判斷 AI 的產出品質。」富邦人壽兩位主管也強調，科技迅速發展下，富邦人壽導入 AI，不是要取代核保員、理賠人員或客服人員，而是希望讓每一位同仁把時間花在最有價值的地方。當AI承接了流程中繁瑣的資料負荷，人員就能更專注在判斷、溝通與服務，讓同仁的專業與心力回歸到最需要判斷力與人情味的溝通之上，這才是真正以客戶為中心的 AI 轉型。也是富邦人壽實現「AI Everywhere」的旅途上不忘的目標。