蘋果ResearchKit怎麼用？開發者看過來|數位時代 BusinessNext

金色的MacBook、多彩的Apple Watch或許已經讓大家看到頭暈目眩了，以至於都騰不出更多的心思去關注ResearchKit這個看不見、摸不著的東西。不過，和前兩者相比，也許ResearchKit才是真正能對人類生活產生深遠影響的產品，所以接下來我們就透過蘋果的技術文件來看看ResearchKit可以怎麼用。

enter image description here

首先，ResearchKit是一個開源軟體框架，蘋果做它的主要目的之一就是讓開發者和研究員們能藉助iPhone龐大的用戶基礎和先進感測器來收集數據做醫療研究。

說到用大數據來做疾病研究，這並不是一個新鮮的概念，像基於雲端的腫瘤數據分析平台OncologyCloud的母公司Flatiron在去年就獲得了Google Ventures在醫療領域的最大一筆投資，1.3億美元。而ResearchKit之所以更讓人興奮自然是因為這背後潛在的數據規模。

想像一下，在你讀這篇文章的時候，全世界不同種族、性別、年齡層的iPhone用戶能產生多少不同類別的身體數據，如果沒有ResearchKit這個平台，全世界的研究機構恐怕既無力去收集這樣規模的數據，更沒法將其結構化。現在，有了ResearchKit之後這一切都變得可行了。

根據ResearchKit技術文件中的描述，除了已經內置了可客製化的調查和知情權益模板外，在數據收集方面，ResearchKit目前支持4個分類5種任務類型。

從上圖中我們可以看到，ResearchKit目前支持研究員通過各種感測器獲得步態、敲擊、6分鐘的步行、空間記憶以及發聲這些類型的數據。當然，在這些預設的模板之外，蘋果也鼓勵開發者創建出更多的新模式來吸收數據並和社群分享，進而一起推動醫療研究進步。

根據任務的不同，透過ResearchKit獲得的數據既可以被結構化也可以生成文件儲存在硬碟上，或者發送到指定的後端工具上進行分析。由於ResearchKit和HealthKit是打通的，這也就意味著研究員們可以獲得像每日步數、卡路里、心跳等各種各樣的數據。

現在，如果你身邊有正在遭受哮喘、帕金森氏症、糖尿病、乳癌和心血管疾病折磨的病人，那麼App Store上已經有了支持ResearchKit的應用可以在為病人提供一定幫助的同時收集病症數據供研究員們使用。

不難看出，這種讓開發人員和研究人員互相配合，借助iPhone收集數據的方式對雙方都有益。病人能在一定程度上透過應用獲得幫助，而研究人員也能在這個過程中獲得數據。只是我們希望接下來能接上ResearchKit 平台的應用能越來越多，進而積累更多的數據最終幫人類治癒那些懸而未決的病症。

圖片出自蘋果
本文出自PingWest/cyzhou

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。

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。」

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。

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。

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。