相信有不少男人和我一樣,當兵退伍後那十年,最常做的事,就是把過去在小學、中學、高中、大學的所學,逐一掏出來檢視,然後把三分之二的記憶扔掉。因為不這樣,簡直無法料理眼前的生活。
舉例而言,當時的我事隔十多年居然還背得出「翳惟總統,武嶺蔣公,巍巍蕩蕩,民無能名」起首的〈總統蔣公紀念歌〉全文,因為這是我國中考高中的模擬考題;但你如到了80年代末期還真相信有任何政治人物能「民無能名」,你肯定只能到今天已解散的警備總部上班。 政治知識的自我成長,和生活大環境相關,相對容易;但背來的歷史、地理、三民主義、物理、化學、數學公式,卻根深蒂固地黏在腦海裡,仍主宰著思維。更糟糕的是:「背」這個思想習慣要改掉,看起來容易,實質上則是無比艱難;相對而言,我有很長一段時間,不曉得如何讓自己有「創意」,因為「背」過的東西和「背」本身,絲毫沒有給你任何索引。
這就是台灣教育的本質──你所有「權威們」認為你應該要學的(所以一旦權威不權威了,你就慘了!),卻從不啟蒙你「如何自我發現」,進而「自我學習」,直到進入社會,企業要你掏心挖肺地貢獻出你的創意,這才發覺:我是誰、是哪樣的人(或虛榮點說:「人才」)連自己都不太清楚;眼前一片冷感的事物,我如何對它有創意?
所以,當你痛苦地開始知道「揚棄」,上帝就會給你些回報──慢慢地,你開始體會到如何吸收、裝填、潤發。有一天,從睡夢中驚醒:我終於會「學習」了,因為在這樣或那樣的學習裡、在廢寢忘食的投入中,你感到眼前知識與自己互動的私密愉悅,而這一年,我三十二歲。 即使時到今日,政治解嚴、知識開放、教改啟動,但類似我這種「發現的焦慮」,仍常存在我的朋友、同學、同事,甚至採訪對象的心裡。「我是誰?我從哪兒來?我將往何處去?」這著名的畫家高更提問,仍深深糾結在現代工作者心中,因為不管經濟如何富裕、政治怎麼民主,台灣教育仍是各種脫胎換骨版的「文憑主義」,仍然只問:「你該學什麼!」,而不問:「你想學什麼?」
對於已就業多年的工作者,該如何解消這不易啟齒的焦慮?最好的方法,就是「進修」,而且是離開生活軌道、拋鄉別子的「異地進修」,這是一種半強迫自己的「揚棄」,自己創造出一種新的生命情境,強要求自己由「非台灣人的眼光」看世界,然後由世界的角度,回頭探尋自己的渴望,進而瞭解自己。
對邁向創意經濟的台灣來說,已經很多人感受到「沒創意」的真實苦澀,該怎麼辦,我的建議是:找個國外學校的課程,出國去吧──進修,是蛻變的開始;發現,是成長的發端!
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。
