[洪士灝] 「新創」這件事,政府改革前別想太多
[洪士灝] 「新創」這件事,政府改革前別想太多
2015.03.31 | 創業

黃耀文這篇「不合適的評審,會壞了國發天使基金」講的是一個台灣產官學(產業界、政治界、學術界)長久以來很令人悲哀、糾結難解的大問題。

產業希望政府補助,官員不願落人口實,請學者專家來審查,怕廠商去影響學者,只好隱匿評審名單;學者光靠一張嘴,不需負成敗之責,官員有業績壓力,往往先跟業者談好,滿足上級要的關鍵指標;業者為了拿補助款,只好在學者前面低聲下氣,積極配合官員,提供能讓長官滿足的業績。

這樣的循環,久了之後會如何?兩極化。

A類、需要錢的業者,花很多時間製作文件、運作人脈、練厚臉皮,實踐厚黑學。
B類、有志氣的業者,不願低聲下氣,或是不想拿政府補助款。
A類、求安穩的官員,奉長官指示,找業者要資料,找學者審案,自己沒意見。
B類、想做事的官員,有自己的意見,但很難做事。
A類、人脈佳的學者,擅於察言觀色,什麼案子都可以快速審查、給制式評論。
B類、好老實的學者,不想當審查委員,或是不受長官歡迎。

如果由缺乏專業的政府高層和不思進取的財團在主導產業,那主流當道的就是A類的人了,這是過去這二十年來最大的問題,學者充其量是陪襯性質的。但十多年前開始的高教評鑑,也讓許多學者致力於論文寫作,與產業脫節──因為要按照這樣的評鑑制度玩,等於是自廢武功,所以很多從國外業界返國任教的朋友,後來離開了教職。

如今產業和學術被越搞越虛,在民怨之前,政治人物不得不開始喊新創。可是這些喊說要鼓勵新創的、申請新創補助的、審查新創案件的,有多少是換湯不換藥的呢?

這是文化的問題,但冰凍三尺,也不能寄望立即解決。如今民間和學校新創的風氣已經成氣候,需要的是正確、優質的投資概念,鼓勵有價值的創新,政府如果在沒有準備好之前冒然加入,反而會攪亂行情,甚至造成一窩蜂包裝精美、卻無實質內涵的新創公司來投案,反而棘手。

我3/19在科技部的場子裡放炮,說政府如果找不到對的人和對的方式來審查,那最好還是不要好大喜功,不要一下子拿一大堆錢出來搞大規模的新創。不然錢沒有到該被贊助的團隊身上,或者被平均稀釋掉,可能就把行情搞爛了,不然就是要求新創團隊產出一大堆沒用的專利,或是在技轉上作帳,反而扯後腿,讓劣幣驅逐良幣。

政府該做的是:(1) 贊助那些需要長期耕耘的核心技術研發和創新,這個需要睿智的眼光來做;至於短期的投資,則是 (2) 鼓勵大資本家拿錢出來投資新創事業,他們為了賺錢,自然會找真正的專家來諮商。(可參考本篇貼文)

現在民間領導人物該做的,是去思考如何超越政府,然後教導政府。不要寄望政府能夠一下子做太多事,尤其是「新創」這件事,在政府自己改革自己之前,更不用想太多。學界也不能倚賴政府和校方,要靠自己來創新,要借重民間業界的力量。業界想培養人才、鼓勵新創,可以多找學界裡面對的人合作、直接贊助與產學、新創相關的教授和學生。

本文出自洪士灝個人Facebook,獲作者授權轉載。

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