我們的能源生活體驗
我們的能源生活體驗

周六拜訪上海閔行區一個熱門景點:「體驗式」生態與能源教育「環保達人」倪歡老師的家。跨出計程車門時,上海的雨勢突然大了起來。等待的當下我心中有個疑問:在下雨天,太陽能板仍然可以發電嗎?

圖說明

答案是可以的。她帶我看了家裡的太陽能發電系統,即便在陰雨天,仍然有42瓦的發電功率;足夠支撐魚菜共生系統虹吸過濾裝置所需的電量。更重要的是在這些實驗背後,還有一套政府的補貼作為:她每發1度電,就算當場用掉它,還會額外獲得中央財政支付的0.42元補貼;如果白天沒有用電,或者發的電比白天用的電還多,餘電將自動上網賣給國家電網,政府根據浮動的收購價格來買回。

倪歡老師曾經在中國的WWF擔任過許多職務;推動這些個人計畫的同時,也動員社區婦女參與並訓練他們的孩子擔任解說工作。

她的家裡面有著兩種不同的PM2.5監測器,顯示著室內空氣品質狀況。「我們大部分的生活空間其實是室內。然而室內的PM 2.5問題卻往往被大家所忽略。」對治這種困境的,是循環扇加上不同構造的濾網:自製的空氣過濾系統。家長們大多願意自費添購昂貴的室內PM2.5監測器:他們想知道孩子一整天所待的生活空間,到底是否會對他們的孩子有潛在危害?倘若有嚴格的數據證據,他們也可以運用這些數據資料來跟校方交涉,請他們編列預算採購空氣過濾的裝置。

圖說明
打開玻璃門走到室外,我們看到柱子上掛著的,是一個專屬的鐵盒子,裡面鎖著電力系統公司提供特定帳戶的充電座。倪老師用這個充電座在替自己的電動車充電。

戶外的物業公司在他們的社區外,建置了一排電動車的停車位。租下這些停車位的居民,需要一次付清所有的費用,停車位加上充電系統。這裡面涉及到白天與晚上不同時段,工業用電與民生用電的區隔。

看著這些電費的Excel表格,倪歡解說著發生在家裡的改變。原本她都是晚上洗衣服,白天起來曬;當有自有發電的補助之後,她決定白天洗衣服,因為與其把電減價賣回給電力公司,不如自己用完;在白天洗衣機可以用自己所發的電來運轉,帶來更多的效益。她還打算採購遠距可以關閉與啟動的電源插座,這樣可以找到方法更加順利地調配家中電氣設備,在對的時間來用電。

在這個瞬間,我突然想起了Google Nest。這個知名的公司遭逢無法順利推出第二個產品的窘境。倘若沒有這些由下而上、「後現代」主婦們的計算意識,他所面對的就是一個巨大的困境:沒有人願意購買高貴的物聯網產品,用新的角度來面對最基本的、最容易「視而不見」的家戶空間。真正讓人們計算本能甦醒的,不是買另外一個產品與服務,而是政府的補貼。一旦你開始計算,你才會需要幫手來幫你算得更精、算得更好。

台灣有各式各樣的生態與環保先驅與達人們,散布在各個角落。舉例來說,大地旅人的江慧儀和孟磊,既是樸門永續設計的引領者,自己也同樣身體力行導入了太陽能板與各種永續生活技術。與台灣的這些先行實踐者相比,倪歡的經驗更像是直接對應到政府補貼政策的聰明消費者。

如何去克服種種阻攔、說服電力公司、物業管理、社區、鄰居的舉報、修改遊戲規則與建立組織,來串接改變未來的新生活?這種制定政策的藝術,就像武俠一代宗師出手的風格一樣,將考驗眾人的智慧,把達人轉變成聰明消費者。而中國的消費者經驗、Nest新創公司的挑戰與其他更多的能源與環境故事,例如英國藝術家與污染對話、韓國首爾省下一座核電廠電量的經驗,都該成為我們思考未來時思想的連結資源,在極端氣候的時代重新定義我們的能源生活。

圖片提供/Flickr-Centre for Alternative Technology

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