金融科技創新八法過頭關,金融業不願改變,將被大眾遺棄!
金融科技創新八法過頭關,金融業不願改變,將被大眾遺棄!

金融科技創新八法一讀通過了,然而,此前才有金融業者說,「金融科技就是光明正大的搶銀行!」聽到這樣的話從金融界的業者講出來,其實是他並不了解金融科技的真正發酵的原因,來自消費者對現有制度的不滿意。

2008年的金融風暴讓消費者不再相信銀行等金融機構,加上移動互聯網帶來的方便,讓傳統零售業起了很大的變化: 高效率、低手續費與良好體驗才是消費者真正想要的。金融業,對大眾而言,只是特許的另類零售業。

因此,大眾用同樣標準檢視金融業,不禁要問金融業者:「為什麼因為國家特許,金融業就可以收很高的手續費,當起中間人?」「為什麼因為業績需求,金融業的理專就可以亂操作,賺我的手續費?」「為什麼明明我駕駛習慣很好,我的車險費用還是非常的高?」「為什麼我需要資金,卻跟銀行借不到錢?」

因為有這些需求在,引發資訊業的人利用互聯網與物聯網科技,加上利用大數據協助的風險控管,顛覆了傳統的金融產業的做法,開始了一步步的創新。

這樣的金融科技,在全世界的大國與地區,如美國、中國、歐盟都展開了相應的動作。在此之時,我不禁要問:

台灣如果現在不因應,會不會未來被其他國家逼迫著去開放?

相信很多人會跟我一樣,心中的答案是肯定的;而一旦到了被逼迫開放金融科技的那時候,台灣只能做這些強權的金融殖民地了。

之前台灣金融科技公司召開了好幾場這方面的研討會,我參加了,而監理沙盒機制是當時討論的重點。因為台灣的法律是正面表列:「我沒說你可以做的,你都不能做」,這其實跟創新的精神是背道而馳的。

創新需要嘗試新的事物,跟過去不一樣很正常,而法律又是依據過去經驗而定的,正面表列很難考慮到未來的需求,而沙盒機制就是協助新創企業實驗,找到較好的方式,同時也讓法律支持未來的可能性。

就像中國大陸的改革開放一路升級之所以這麼成功,就是他們從鄧小平時代就開始使用試點的方式:先在試點實驗,試點實驗成功才擴散至全國;而中國大陸的試點,就是一種沙盒機制。

很開心在曾明宗、余宛如跟許毓仁三位立法委員的奔走下,金融創新監理沙盒的機制受到重視,而現在對應的金融科技創新八法一讀通過了,更是鼓舞人心,終於達成讓台灣避免成為強權金融殖民地的第一步。

如果有些金融業者還以為自己可以靠法律保護,繼續維持舊的制度,不管大眾想要更方便、更有效率的事實,大眾到時必然會選擇願意其他擁抱金融科技帶給他們方便與體驗的業者,而這些不願改變的金融業者,必然被大眾所遺棄。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長800至1000字,兩天內會回覆是否採用,文章會經編輯潤飾,如需改標會與您討論。
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