創業這件事,沒有所謂「準備好了再上」
創業這件事,沒有所謂「準備好了再上」
2015.12.25 | 創業

照片來源:Petr Dosek

作者馮彥永,Java 語言愛好者,Cubie Messenger、Zaoo 共同創辦人。原文刊載於馮彥永的 Facebook,《數位時代》獲授權轉載。

編按:本文是馮彥文針對《數位時代》本週三刊登的〈[創業一堂課] 台大財金系專家教授陳嫦芬:社會不該盲目鼓吹年輕人去創業!〉一文做出回應,建議各位讀者可以先閱讀後再回來看這篇文章。

同意不應該 “盲目的” 鼓勵年輕人創業,盲目地做任何事情都不對。但,我覺得這篇寫的理由完全不對,準備不足只是個偽命題,只是用來把想做事的人匡住讓他們不要輕舉妄動。我舉幾個反對的理由:1. 什麼叫做準備充足?我覺得這把創業比喻成聯考一...

Posted by Yenwen Feng on Thursday, December 24, 2015

以下是馮彥文的回應(文章形式經過編輯):

同意不應該「盲目的」鼓勵年輕人創業,盲目地做任何事情都不對。

但,我覺得這篇寫的理由完全不對,準備不足只是個偽命題,只是用來把想做事的人框住讓他們不要輕舉妄動。我舉幾個反對的理由:

1. 什麼叫做準備充足?

什麼叫做準備充足?我覺得這把創業比喻成聯考一樣,好像都要一口氣準備到最好再去應試。我以為這種看法出了社會就沒人當真了,人生中能準備好再去的大概只有考試而已,到了考試以外的人生規劃如家庭,職場,甚至健康都沒有所謂的最好時間點,我們就只能隨時備戰不是嗎?

如果要準備充足才行,那幾個反例如 Facebook,Apple,Google,Microsoft 的創辦人都是學生或是輟學創業。照陳老師的說法是,我們怎麼知道人家沒有準備?那我要反問一句,為什麼覺得台灣年輕人就沒準備?

其實我相信很多年輕人都沒準備只是有夢想,就像美國很多輟學生大部分也都不是創業成功一樣。問題不是大部分不是,而是如果他是的話呢?為什麼不能給這些人機會試試看?

另外一個看法是天才論,這些人是不同次元遙不可及的,那我就要舉我學弟大河馬為例子(編按:「大河馬」指的是cacaFly共同創辦人邱繼弘。),他就是從學生一路跌跌撞撞,但最後上手後一直到現在都做得很好。我可以舉出更多沒經驗成功或失敗的例子,但那個比例我想跟所謂有經驗成功或失敗的比例差不多(這裡的有經驗我其實不知道怎麼定義,就說比較老好了)。

因為沒有人可以確切定義那所謂需要的經驗是什麼,通常都只是且戰且走,而這也是 Paul Graham 提到創業到頭來看的是 Relentlessly Resourceful

2. 如果創業是「一群人想像不同的未來而實現它」

A startup is the largest group of people you can convince of a plan to build a different future.
––Peter Thiel

如果創業是「一群人想像不同的未來而實現它」,那照這個思路來看,本來就沒有準備不足的問題,因為沒有人試過的事情又有誰可以說是否準備地充分呢?

3. 大公司學到的,創業常常派不上用場

如果我們談的是預備知識如籌資,開發,行銷等,反而有了自己的產品才是你突飛猛進的機會,因為為了自己產品的上市,你才會竭盡所能地學習與用盡所有的方法。之前在大公司學到的事情常常會派不上用場,如你在一個成功的公司如 Google 做行銷,在大家的鎂光燈下做行銷與默默無名從頭來開始做行銷是完全不一樣的。

真正需要的預備知識我覺得看完 YC 的「How to Start a Startup」影片就夠了。

4. 不敢做別人沒做過的事情,只會離成功越來越遠

這是一個悖論,創業九個失敗一個成功,可是如果目標只是放在自己不要成為那九個之一而想要準備足再創業,那這樣只會讓你不願意冒險,一旦不願意冒險再回到第一點 Peter Thiel 說的,你不敢做別人沒做過的事情,那你只會離成功越來越遠。

5. 一事無成又怎樣?

創業到 35 歲一事無成又怎樣?(我四十歲了),我也看過很多人四十歲在大公司工作,又有什麼可以說嘴的事蹟呢?什麼叫做回頭路?回去哪裡呢?大公司才是安穩的地方?(我想這時代已經不是這樣了吧。)

最後想摘錄一段 Peter Thiel 的話給有興趣做創業指導的人:

The paradox of teaching entrepreneurship is that such a formula necessarily cannot exist; because every innovation is new and unique, no authority can prescribe in concrete terms how to be innovative. Indeed, the single most powerful pattern I have noticed is that successful people find value in unexpected places, and they do this by thinking about business from first principles instead of formulas.

(另外我覺得很奇怪公司賣外國人不是就不管員工死活或是沒創造價值,這是兩回事吧,不知道他為什麼要做這樣的連結,不過這是另外一個議題。)

關鍵字: #創新創業
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