3D 列印你的藥|數位時代 BusinessNext

麻省理工學院教授 Jung-Hoon Chun 今日在台北時代基金會暨麻省理工學院（MIT）全球產研計畫台灣年會上介紹近年來有關 3D 列印技術的發展，提到其中一項其所屬的實驗室在1980年代就已經開始開發的3D列印技術，近年的驚人發展與應用。

（圖片說明：未來的藥錠或將改變型態，epSos.de 分享於 flickr，CC by 2.0）

一般所熟知的 3D 列印技術近年來在製造業掀起大規模的進展，並且將預計影響到一般製造業的產業結構。Jung-Hoon Chun 教授特別提到，5月在一項 MIT 與 GE 的合作上，討論了目前 GE Aviation (奇異航太)正在測試一系列的飛機引擎零件將試著使用 3D 列印技術來製造，除了可以大規模降低成本、改善零件結構並輕量化、改變飛機引擎設計外，也可以加快生產效率。然而，這類技術不是只能用於製造，並改變你我的交通未來而已。這樣的技術如今也已經被用在製藥業上。

早前，格拉斯哥大學化學系教授 Lee Cronin 在 2012 年於 TED 的演講提過他對未來製藥業的想像，他認為未來的藥物將會為了特定的單獨病人製造(而非現有大量製造再配藥的模式)，透過 3D 列印技術，製造藥的單元可以小到在當地藥局或家裡就可以製造並可以隨時提取。

這樣的技術並不只是想像或實驗室產品。MIT 教授，同時也是製造與生產力實驗室主任的 Jung-Hoon Chun 在今天於台北提到，該實驗室正在與製藥商 Aprecia 合作，授權使用 MIT 所發展出的一系列 3D 列印技術來製造藥物。

Aprecia 製藥在今年稍早已經公佈他們的計畫，將在俄亥俄州的實驗室嘗試使用 3D 列印技術製造快速溶解的製藥配方 Zipdose 。 Zipdose 使用 MIT 的 3D 列印製程，透過某種「水凝狀流體」(aqueous fluid) 當作中介，連結特定藥物的粉末組成。 Aprecia 在其網站強調這樣的製程可以協助製作奈米等級的藥劑，更能精確治療疾病目標。事實上，也有類似的製造方法正被應用在製作糖果上。Zipdose 依賴電腦輔助，透過 3D 列印技術，將一般的藥錠以 3D 列印的方式，一層層堆疊製造，也因此不同於傳統使用高壓或製模的方式所製造出的實心或部分空心藥錠，可以製造出具有空心結構性的藥錠，也可以製作出每一層成分不同但可以互相連結的藥錠，用以局部產生特定藥物反應。這種藥錠特別能夠「快速溶解」，適用於某些需要讓人類快速吸收的環境。

根據 in-PharmaTechnologist.com 的報導，Aprecia 已經投資超過 2,500 萬美金在新的 ZipDose 技術上，預計可以提供製作最高 1000 毫克的藥物。Aprecia 已經在 2014 年 10 月將相關的製藥技術送至 FDA (美國聯邦食藥署) 進行驗證。

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。