專業,就是用對方聽得懂的話,去告訴他不懂的事情
專業,就是用對方聽得懂的話,去告訴他不懂的事情

很多年前我去了某一間蘋果電腦經銷商做神秘客,很剛好有一對母女來向店員詢問使用上的問題,以下是他們的對話內容:

媽媽:「您好,我的電腦用蘋果系統開機時,聽音樂有聲音,但切換到 Windows時,就沒有聲音了,該怎麼處理?」
店員:「哦~ 因為 Driver 啊!」
媽媽:「那...那該怎麼做呢? (疑惑)」
店員:「很簡單啊,把 Driver install就好了!」
媽媽:「哦哦...」

接著就轉頭準備要離開,我想是因為店員那副「這什麼蠢問題」的態度,讓媽媽覺得自己很像一個笨蛋,所以不想再問下去了,但這時女兒想說這樣問題沒有解決,所以又補了一個問題:

「那我們該怎麼 install呢?」

這個店員更厲害了,他回:

「我們每台Mac都有bundle的system disc,你丟進cd-rom就會auto-run了!」

於是乎,兩個人一起轉頭走掉了 ;

在一旁的我立即了解到,這家經銷商的店員專業能力真是沒話講,但實際上卻無法幫助公司太多,因為專業必需要能變成實際的效益才有用;這位店員的問題是他使用了過多的專有名詞,而這些專有名詞,正是這一次顧客服務過程的隱形殺手。

隔行如隔山,過度的專有名詞使用,常常會嚴重影響工作績效、團隊溝通、顧客服務...許多方面,而這恐怖的炸彈,通常有三個特質:

###在出其不意的地方出現
每一個行業總是會有自己的行話,在同一個領域待久了,總是會不自覺自己在使用專有名詞;我曾經聽過一間餐廳的客訴案例,在三位客人都點了促銷的豬排套餐之後,點餐人員就直接用對講機跟廚房說「客人三位都是豬」,聽起來雖然有點好笑又無奈,但這不就是內部用語所害的嗎?

###你的理解 ≠ 我的理解
因為每一間公司的營運、組織方式都不相同,同樣的職務名稱如:整合行銷企劃、專案顧問...等,實際上在做的工作內容可能大不相同;有一次我和某間企業洽談社群行銷合作,和對方職稱為「整合行銷」的人員碰面之後,才發現不是他負責的項目,他說,在他們公司,負責社群的人職稱叫「網路專案企劃」;就因為每間公司都能發明自己的新名詞,所以沾沾自喜於這些創意之前,也要想一下極有可能造成溝通障礙的風險。

###沒有人會告訴你
我喜歡喝星巴克,點完餐後有時店員會跟我說「好的請等一下,我先幫你『傳杯』」,第一次聽到的時候我人在高雄,以為這是品牌在地化的貼心行為 -「我先幫你 『傳』 (台語,意思為 準備) 杯」,後來才發現全國的星巴克都偶有發生,由於工作的領域很在意溝通技巧,所以我就詢問了店員,才了解「傳杯」 的意思是「將點好餐的飲料杯子傳給做飲料的店員」的動作。

我想大部份的時候,我們都會因為無傷大雅,選擇不在意而帶過,但就是因為這個「帶過」,常常讓許多重要的會議或對談,擱淺在無形之中,因為「我聽不懂,而我也不會告訴你我聽不懂」。

在蘋果零售經銷商任職期間,有時候我會聽到這樣的對話:

客人:「你好,我想買電腦。」
店員:「想買桌機還是筆電?」
客人:「唔...筆電好了。」
店員:「那你要 Pro還是 Air ?」
客人:「啊…唔...Pro好了。」
店員:「那要 Retina的嗎?」
客人:「...........」

最後客人走了,店員還嫌客人不識貨,其實這一切,都是因為 「太專業」所害,切記,真正好的專業,是用對方聽的懂的話,去告訴他不懂的事情。

(本文出自於「POWER FOR POINT」,原文請點此)。

首張圖片來源 / Camillo Miller via Flickr

關鍵字: #Mac #專案管理
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