大數據分析終於產生價值——談軟體機器人（bots）的趨勢|數位時代 BusinessNext

沒有介面才是好介面

發現「Penny」時，我很興奮地向同事展示，它是一款個人的財務管理 App，連結使用者的銀行帳戶後，能夠記錄收入和支出，甚至追踪消費目的。 Penny 沒有華麗的軟體介面，它模擬了通訊軟體的文字溝通，讓使用者感覺像與虛擬助理互傳訊息一般，以既定的指令語句，例如「My spending graph」（我的支出圖表）來呼喚結果。限制使用者的輸入內容正是 bots 成功之處，在過去，硬體公司的載體聯網後，期望蒐集與分析資料能夠協助使用者做出更好的決策，但機器學習分析後的結果與呈現，往往包含太多的選項，使用者不知道該查看收支圖表、還是了解消費分佈，無法解決即時的資訊需求，打不到痛點，最後又淪為無用的龐大資料。又例如，Siri 等個人虛擬助理推出時，眾人一陣瘋狂，但無邊無際的問題造成一來一往的效率低落，有多少人得以藉此管理日常生活呢？而 bots 整合資料後，在框架指令的前提下，直覺地提供使用者真正在乎、真正重要的資訊。

圖說：個人財務管理 Penny 的介面

如果你有配戴運動手環，例如 Fitbit，在 App 上會看見你一天走了多少步、燃燒了多少脂肪，但你是否能夠想像，一個軟體機器人直接向你說：

「你這週只運動了三小時，但應該再運動五小時，以下這些是可以運動的空閒時段，以及附近的健身房位置」

這樣直接呼應需求的推播提醒，才是資料透過機器學習後，對使用者而言具有價值的應用。

平台的 bots 生態系

除了 Penny，新聞媒體 Quartz 也推出原生機器人訊息 App，透過互動問答了解讀者的閱讀習慣與愛好，這些獨立運作的 bots 不受平台限制，終止服務的風險較低。

然而平台內的 bots 則享有使用者介面統一、平台的推廣力量與平台的資料爬梳等優勢。通訊軟體 Telegram、企業溝通平台 Slack、Facebook Messenger 與微信公眾號都正在打造自家的 bots 生態系。 Telegram 內的 bots 目前大多是輕巧的小工具，例如圖片搜尋、查看天氣和匯率換算。但相較嚴謹的企業平台 Slack 上有許多商務服務 bots，例如檢核團隊績效的 Nikabot、掃描收據後自動彙整差旅支出的 birdly、整合 Google Anaylytics 等數據分析軟體的 Statsbot。微信內的公眾號則是真人與 bots 參半，提供即時的客戶服務，快速訂機票、訂餐等等。Facebook Messenger 的野心自去年 F8 年會揭開序幕，宣布支援訊息內的第三方服務，除了我自己很愛用的 GIPHY 這類趣味的內容工具，隨著 Facebook 出現愈來愈多商家頁面，Facebook Messenger 也串接商家與客戶的訂單細節、物流追蹤等工具。

圖說：差旅支出軟體機器人 Birdly

由於介面類似，自然而然文字型的 bots 圍繞著通訊軟體，但隨著開發教學工具與社群的出現降低了門檻，相信將看見多元模式的軟體機器人出現，解決特定需求，機會也將拓展至物聯網和車聯網等新平台。

另一個 bots 出現時機的重點則是，年輕一代的使用行為完全虛擬化，他們在社群媒體上的互動就代表了「社交」，未來虛擬實境成熟，可能根本沉浸在另一個世界，軟體介面不該再是指令，而需要「互動」才能滿足需求。

亞洲的硬體優勢讓物聯網公司風湧而起，許多公司也體悟到軟體為主、硬體為輔，期望替使用者記錄生活細節、創造價值。過去我們掛心每一個裝置都各自擁有獨立 App，難以整合，其實更需要思考蒐集來的資料如何和使用者產生長遠連結。當獨立 App 開發者、平台的生態系與使用者行為都已成熟，bots 絕對是現在與未來，提供有價值資訊的趨勢。

當許多企業還在討論 AI 能做什麼，富邦人壽更關注：AI 如何被第一線同仁使用？而這也是「理賠智慧助理」能從黑客松發想、走進理賠現場，成為真實工作夥伴的原因。

為什麼富邦人壽會選擇從最複雜、也最不易標準化的環節–理賠–切入、嘗試將AI從「回答問題的工具」轉變成進入核心營運流程的「決策輔助夥伴」？

保險理賠為何難以AI化？答案藏在大量非結構化資訊裡

相較於客服問答或行政流程，理賠工作最大的挑戰在於資訊高度分散且缺乏標準格式：從診斷證明、病理報告、手術紀錄到醫療收據，每份文件不同醫院格式都不同，內容還充滿專業醫療術語；理賠人員不僅必須理解文件內容，還需要同步比對保單條款、法規要求以及醫學知識，才能做出適當判斷。

更複雜的是，就算是相同疾病或手術名稱，不同案件背景也可能導致不同理賠結果，因此，理賠長期被視為高度依賴專業經驗與人工判斷的工作，很難透過傳統自動化工具處理。

近年來，隨著理賠案件量持續增加、醫療技術快速演進，以及新舊世代交替帶來的人才培育壓力，如何兼顧理賠品質、作業效率與知識傳承，成為刻不容緩的議題。

富邦人壽開始思考：如果AI無法取代專業判斷，是否能先協助理賠人員更快掌握資訊、縮短搜尋時間，讓專業人才把時間投入在更高價值的分析與決策工作？這個想法在富邦集團導入微軟Copilot Studio並舉辦黑客松活動後獲得實踐機會，理賠團隊將構想轉化為可驗證的AI提案，並在主管支持與跨部門合作下，於2026年1月正式導入理賠現場。

「黑客松讓我們有機會快速驗證想法，也讓AI應用從概念走向實際場景。」富邦人壽理賠部資深襄理郭乃瑀如是說道。

數位時代為此特別專訪富邦人壽黑客松獲獎團隊「ClaimAIngels」的成員，深入了解這項 AI 專案如何從創新提案一路走進理賠第一線，成為同仁日常工作的決策輔助夥伴。

AI成功落地的關鍵，不只是模型，還有資料與流程重建

從創意發想到實際上線，最大的挑戰不是技術，而是如何讓AI真正符合第一線需求。

富邦人壽理賠部資深襄理林庭樂指出，團隊一開始便深入訪談理賠同仁，發現大家真正需要的並不是AI幫忙做決定，而是協助整理資訊，因此將理賠智慧助理專案聚焦於三大領域：手術等級建議、病理報告判讀輔助，以及國外醫療文件翻譯與摘要，目標是協助同仁降低資料蒐集與查詢時間，讓理賠同仁可以快速掌握案件重點。

但要做到這一步，必須先建立可信任的資料基礎。

由於醫療資料來源眾多且格式不一，團隊投入大量時間整理歷史案件、建立醫療名詞對應關係、標註資料來源與判斷依據，並透過跨部門討論及醫師顧問協作，逐步建立一致的判讀標準。林庭樂表示：「這項工作看似基礎，卻是AI能否提供可靠建議的關鍵，更重要的是，它讓過去散落在資深同仁腦中的經驗知識，逐漸轉化為可被組織保存與運用的數位資產。」

富邦人壽理賠部專員陳子聆便感受到明顯改變。她說：「過去遇到新的手術名稱，往往需要花費一到兩個小時查閱條款、搜尋歷史案例並向資深同仁請教，現在，透過理賠智慧助理協助，資料搜尋時間縮短50%以上，能將更多心力放在案件分析與專業判斷上。」

理賠部理賠審核科資深襄理王羽藍則形容，理賠智慧助理更像是一位隨身秘書。她說：「它會先幫我們整理案件重點，也能提醒是否遺漏重要資訊。無論是判讀國內外醫療文件、核對醫療收據，或分析病理報告內容，都能快速提供參考依據，讓我們把時間投入更重要的專業決策。」

除了資料基礎建設，金融業導入 AI 的另一個關鍵挑戰是風險與合規。

因應金融監理要求以及個資保護需求，團隊在設計理賠智慧助理時建立多層防護機制與使用護欄，並持續優化提示詞設計，以降低AI幻覺、資料外洩與誤判風險，確保AI始終在可控範圍內運作。

不過，對富邦人壽而言，上線並不代表結束，而是優化的開始。

團隊發現，理賠智慧助理初期使用率表現亮眼，但隨著時間推移逐漸下降，為了找出原因，團隊同仁與第一線理賠同仁召開多場討論會議，讓其了解，生成式 AI 並非一次建置完成就能長期發揮效益，必須持續蒐集使用回饋、改善建議，進而調整功能設計。

郭乃瑀表示：「根據同仁回饋，團隊目前正規劃新增實支實付手術給付比例分析等功能，目標是讓AI更貼近實際工作流程、滿足使用者需求。」

從單一專案到組織能力，理賠智慧助理帶來的真正改變

隨著理賠智慧助理逐步成為理賠同仁的日常工作夥伴，其帶來的影響也不再侷限於效率提升，而是開始擴散至組織文化與創新模式的改變。

郭乃瑀表示，過去AI專案多半由資訊部門主導，但這次經驗讓大家發現，真正了解痛點的人其實是第一線同仁，因為只有其最清楚哪些流程最耗時、哪些資訊最難取得，以及哪些環節最適合導入AI。「隨著理賠智慧助理成果逐漸顯現，愈來愈多部門開始主動詢問專案推動經驗，如資料整理、風險控管、流程設計與使用者導入等做法，加速 AI 創新在組織內部的擴散與落地。」

對富邦人壽而言，理賠智慧助理並不只是單一 AI 工具，而是一次工作方式與文化的改變：從第一線提出需求、跨部門共同打造，到持續優化與回饋機制，AI 不再只是科技部門的工具，而逐漸成為工作現場的一部分，也讓數位轉型成為一種持續發生的創新能力。