[朱平] Kiva Zip & Social Capital
[朱平] Kiva Zip & Social Capital
2014.12.20 | 創業

在台灣社會企業的浪潮中,我們似乎忘了許多社會上的問題,需要更創新的NPO/NGO來解決,不能僅靠社會企業的模式。

謝謝NPOst公益交流站商台玉、馮瑞麒與鄭國威的邀請,讓我參加NPOst首屆年會,並因此認識許多很精彩的朋友,包括Kiva Zip的主持人Jonny Price,讓我對Kiva Zip有更深的了解,當天也立即參與Kiva Zip借給四位微型企業人的借款(每人150元台幣)。

試想一位更生人(或任何人)想自食其力,需要30萬元台幣的資金,你會無息借錢給他嗎?答案大概是不會有人借給他。但如果借款人是以下這些情形:

1.有15個好朋友願意無息先借他150元。

2.找到社會上有代表性聲望的人,像嚴長壽或詹宏志先生做他的Trustee(推薦及受託人,但無借款給他),他們公開說明相信借款人的人品及信用,證明借款人獨立創業的真實性,但並不保證借款人能100%還款。

3.只向大眾無息借款很微小的150元。

請問你會「借」他150元嗎?我相信絕大多數人都會借款給他,原因如下:

1.每個人都有想幫助人的基因,幫助任何不求人、靠自己能力創業的人,都值得支持。

2.借款人已有15個本身的好朋友相信他,而分別無息借款150元。加上有兩位我們尊敬或熟習的好友願意「挺」借款人,成為他的受託人,如此更增加我們對借款人還款的信心。

3.僅是150元,即使因故不能還,損失微不足道。

在這種向大眾募資貸款的網站,這位更生人能在很快時間內,向全世界2千人分別無息借款150元,就達到需要的資金。在成功借到30萬元台幣的第六個月後,他開始分24期,每月還給每個人6.25元。

這就是Kiva Zip,新的P2P(Peer to Peer)微型無息貸款。每個人都有能力借出150元,如此能讓原來向銀行借不到錢的微型創業者,在大眾幫助下,募資到不需利息的第一筆資金,更讓貸款人成為借款創業人的客戶,鼓勵彼此的參與及互助。每個人都有不能用金錢衡量的「社會資本」(Social Capital,一個人的人脈網絡、信用、尊敬度等)。上例中,嚴長壽及詹宏志先生,可以說是台灣社會資本最富有的人之一,若成為受託人,大眾會更相信借款人。

我與Ming在2009年開始推廣Kiva,並在Kiva成立Nonzero Club小團隊。我剛上Kiva查閱,Nonzero Club已有237個會員,總共借出87萬6千元台幣給1,116個不同的借款對象,平均每個會員借出4.8個貸款。

我要向這237個會員致最大的敬意,因為你們是有行動力、真正認識自己、一群準備好的非零朋友!給自己這樣的期許:「如果能參與Kiva,我一定能參與所有我認為有意義的事,做一般人不會做的事,也一定會過一個我所選擇的生活。」

參與Kiva是自我效能的再一次驗證。我時常說的:「成功絕不是偶然,不成功也絕不是偶然。」就是這個道理!

【Homework】

1.請有緣、準備好的人,至http://www.kiva.org網站開始借出25美元,並參加Nonzero Club
2.請上YouTube搜尋以下主題:Kiva Zip Introduction、President Bill Clinton supporting Kiva Zip

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