Google 全新升級 Firebase，App 開發者你心動了嗎？|數位時代 BusinessNext

今年的Google I/O大會上週落幕，其中一項值得被關注的是Google宣佈推出全新的Firebase——一個強大的app後端開發工具。

圖說明
圖片來源：Firebase

套一句在Google I/O上James Tamplin講的：「開發一個成功的app還是太難了！」身為一個app開發人員，尤其是小型的獨立工作室，時間，資源上都是有限的，app工程師應該把重心放在使用者和客戶的使用經驗和加強或更新產品本身的內容。然而，實作上發人員往往開要花無數個小時和時間在研究後端和基礎的架構或瞭解一堆工具的API怎麼使用，造成優化前端開發的時間大大被減少。而使用Firebase好處不勝枚舉，協助app後端開發，增加app的品質。幫助開發人員分析客戶的訊息進而讓app越來越強大和成長。且讓開發者更容易的在app裡提供廣告擴大收入來源。

圖說明
圖片來源：Firebase

Google也強調了Firebase增加新的功能的同時也保有了之前的三大原則：

開發者容易上手，資源豐富。
支援跨平台（Android/iOS/Web apps）。
Integrated tool集成開發工具（簡單來說就是集合所有工具）。

到底Firebase好在哪呢？Google I/O大會上展示最亮眼的就是Firebase Analytics功能，Firebase Analytics提供了許多且實用且分析好的客戶資料給app的開發或是管理人員，提供顯而易見的圖表，例如讓身為開發人員的你可以清楚的看到使用此app的客戶群是鎖定在哪個區域、使用者每天使用頻率、每次使用的長度。還能想要有這些功能嗎？實作上只要輸入兩行程式碼就能導入。

圖說明
圖片來源：Firebase

除了Firebase Analytics功能之外，其中許多受人關注的功能有Cloud Messaging讓身為開發者的你能夠輕鬆的跟客戶溝通，不論是傳送簡單的訊息，或是通知；Remote Config能讓你即時的做一些app上的修改；Crash Report工具讓工程師能夠更容易的找到app的錯誤或；想要做一些版本更新前的測試，你不會要工程師自己手動在每一個版本的iOS測試吧？還有Android系統等著你測試哩！Test Lab功能可以自動幫助你測試模擬新版本到底有沒有一些已知的bug；擔心自己是新創業又窮的工程師沒錢租伺服器來儲存客戶的照片或檔案，別忘了Firebase的老大是誰，Google通通幫你搞定啦，既省錢有安全的管理強度。

開發app就像開發鋼鐵人的盔甲一樣，天才主角史塔克雖然感覺才花幾天的時間就用破爛組合而成，不過背後是需要一堆強大物理化學工程和屬不完的知識結合，才能最後打造完美的鋼鐵盔甲。為什麼Firebase好用呢？？使用Firebase讓你不需要懂那些複雜的後端伺服器問題，你只要擔心你的客戶喜歡什麼顏色的盔甲就好。說起來好像簡單的太過分了。不過基本上Firebase就是提供了許多好用的開發工具，讓第一線的前端開發者這麼喜歡。

資料來源：Firebase、Firebase Overview - Google I/O 2016

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。