當做內衣的都說自己是AI公司：人工智慧泡沫化台灣也逃不掉，但這未必是壞事|數位時代 BusinessNext

當做內衣的都說自己是AI公司：人工智慧泡沫化台灣也逃不掉，但這未必是壞事

AI正熱，熱到每個產業都要和AI扯上關係，但去年底開始中國與美國相繼有創投與企業大老表示：AI產業泡沫化可能性極大。

人工智慧泡沫化，台灣也逃不掉

趨勢科技全球資深研發副總暨人工智慧加速計畫主持人周存貹也很肯定，「AI領域的確出現投資過熱的吹捧現象，泡沫一定會發生。」「兩年內AI產業可能會泡沫化，這是全球市場性的，也會影響台灣。」台大電機系教授暨AI新創優拓資訊共同創辦人黃鐘揚也這麼指出。

中研院資訊科學研究所研究員，台灣資料科學協會理事長陳昇瑋也表示觀察到了台灣人工智慧領域泡沫化跡象。

從研發端來看，許多號稱人工智慧服務的背後，還是仰賴大量人力，人工智慧並沒有外界想像的那麼神奇強大。「這領域還處於『工人智慧』階段，很多服務的背後還是靠人力解決。很多弱AI的問題也都還沒有辦法解決。例如最近正夯的聊天機器人多數還是用人力建資料庫。」陳昇瑋說。

從需求端來看，企業的需求還沒有到達大爆發的時期。「不管是B2B或B2C領域，企業願意投入在人工智慧技術上的資源並不多。」黃鐘揚表示。黃鐘揚指出，AI應用要大爆發可能要5-10年後，但投資人沒有辦法等這麼久，在失去耐心與信心後，自然會撤資抽腿。

另外，也有業界人士認為這是一種比例問題。「AI泡沫，我覺得是因為這產業未來會很大，所以現在投資額也大，那失敗的泡沫的金額也會較於其他產業大。」

在這樣的背景下，對於正有意導入AI技術或向AI轉的公司而言，要怎麼看待這個泡沫呢？

我們不要看到失敗的90%，要看留下來的10%

對於企業或新創團隊來說，這是一個思考投入的成本與機會大小的問題。「的確，AI泡沫化後，可能有90%的人失去工作或換研究領域，但我們更應該看重剩下的10%，這10%若能生存下來，會獲得巨大的成功。」周存貹指出。

更重要的是，現在的各式人工智慧開源平台與工具，降低了機器學習等領域投入成本和.Com泡沫比較之下，泡沫就算爆掉了損失也不會太大。

那對嚮往這領域的學子而言呢？人工智慧泡沫化對於正往資料科學領域發展的學生而言，需要警惕嗎？

首先，資料科學並不等同於人工智慧！台灣對於資料科學人才求才若渴，各行各業都在找相關人才，需求量非常大。「每個產業都需要資料科學領域的人才，不只有IT產業，相關人才絕對不嫌多。」陳昇瑋認為。

陳昇瑋也指出，台灣在資料科學應用很落後，現在的熱潮只是在「矯正」而已。「資料科學分析可分為描述、診斷、預測與指示四個階段，台灣產業很多連第一個階段都沒有做到。資料整理得好可以輔助決策，不會僅是報表而已。」

業界人士指出，「如果有太大的排擠現象，才是問題。要不我樂見其成。」學生未來要對台灣有貢獻，台灣得要有相對的環境跟產業支持。雞生蛋蛋生雞。所以要是人才供應充足，回流比例也會增加，這應該是好事。

不過，專家還是提醒學生需要更多的理性與清醒。「自己要想清楚自己的路，而不是盲從，一窩蜂大家這麼做就跟著做。」黃鐘揚說。

在台灣，多數人的第一份保障來得很早，可能來自父母，或是出社會後自行投保。然而，直到今天仍有許多人即使手握數張保單，仍說不清自己到底保了什麼。條款繁複、名詞艱澀，導致投保當下似懂非懂，過一陣子就全忘了。保險資訊的不透明，讓風險管理變成了一場全憑印象、依賴業務員的信任遊戲。

自從國泰人壽推出 App 3.0，以「陪伴」重塑保戶與保險的關係，下一步，更要讓資訊變得透明、易讀、好上手。於是，「保險視圖」誕生了—由國泰人壽戰情室 diLab（Digital Insurance Lab）領軍打造的這個平台，試圖翻轉保單難懂的問題，將散落於規範、條款與系統的資訊重新整理、轉譯與可視化，讓保戶終於能「一圖看懂」保障全貌。

「我們希望做到的不只是查詢工具，而是讓保戶真正理解風險、開始做決定。」diLab 經理林蔚安說，這項專案從發想到上線歷時多年，可說是完成了連同業都不敢想像的艱鉅任務。這場透明革命如何開始？國泰人壽又如何讓這個看似困難的挑戰落地？

資訊透明：讓保險回到能被理解的語言

「保險商品本身就很複雜，很多人買了保險，打開保單還是看不懂。」林蔚安指出，國泰人壽累積 800 萬保戶，團隊在梳理客戶旅程時發現，即使擁有多年的資歷與服務經驗，卻未能讓保戶更清楚自己的保障；大多僅在與業務員討論時略有概念，事後又陷入陌生感。因此，「保險視圖」的構想，就是要讓保戶能在同一平台掌握所有保障與資產資訊。

第一步，是處理「看不懂」這件事。diLab 從資料盤點開始，依照生涯階段與保障屬性，將保單內容重新分為「我的健康照護」、「我的保險資產」、與「我的壽險傳承」三大方向，讓保戶以更貼近日常的邏輯理解保障結構，例如「住院時有哪些保障？」。

「調研時發現，國內幾乎沒有成熟案例可參考，國外雖有概念但差異極大。」林蔚安表示，圖表複雜，反而增加理解負擔，因此團隊反覆推敲呈現方式，「要放什麼、怎麼放、放到什麼程度，光這個架構就討論了數個月！」每一個看似微小的改變，背後都是無數次的反覆測試與訪談，「我們帶著不同版本的草稿詢問保戶，在沒有業務員引導下是否看得懂。」最終，團隊定調以金字塔結構建構視圖基礎，從保戶自己的健康保障，到未來可運用的累積資產，最終到照顧家人的壽險傳承。沒有看似花俏的圖表，只希望讓多數保戶好理解的簡單呈現。

但挑戰不只在前端設計，還有保險條款轉譯。傳統保單以商品邏輯分類，與使用者思考「何時會用到」的方式完全不同。為了讓資訊更貼近生活情境，「保險視圖」不再以條款分類，而以場景情境作為基準。例如保戶生病住院時，介面會按照基礎醫療、意外、癌症、重大疾病、長照與壽險等六大結構分層呈現，先呈現核心，再逐層深化，視覺化整體保障全貌，並同步提供現金價值與現金流資訊，形成一套完整的理解脈絡。

風險洞察：AI協助人們看清保障缺口

當保險資訊透過直覺式的設計變得透明，下一個挑戰就是讓保戶理解「自己目前的保障夠不夠」。

因此「保險視圖」也導入保障目標試算功能，保戶只需回答幾題簡單問題，如：住院希望住單人房或雙人房、對疾病治療的費用承受度等，系統即可推算個人的保障目標。接著，AI 會即時計算保障達成率與缺口比例，將複雜的理賠與條款結構轉換成直覺的百分比。「醫療保障達成率 60％」、「癌症保障達成率 45％」，藉由直觀的數字圖表呈現，讓保戶能一眼看出自己保障的完整程度。

此外，平台不只呈現差距，還會以情境推估可能的支出。例如住院五天、手術一次的費用與實際理賠差異，讓保戶真正感受到風險的具體樣貌。「保戶不再是聽到『癌症住院很貴』這種抽象說法，而是看得到具體數字。」透過以場景為基礎的推算，使保戶終於能對模糊的風險概念有畫面，並對理賠內容有更直觀的理解。

平台也提供「熱門推薦」與「 AI 推薦」兩種建議模式。前者以性別、年齡作為分析基礎，後者則依個人資料與既有保單做更客製化的配置。保戶可在平台初步理解現況後，再與業務員討論，透過數位賦能、與有溫度的人性服務建立互補機制，也讓業務溝通更聚焦、更有效率。

領航轉型：戰情室以創新實踐「以人為本」

保險視圖歷經多次迭代上線，雖仍在推廣階段，但初步成效已浮現。以今年 4 月關稅議題為例，資產型保單查詢需求明顯攀升，保戶登入次數從每週平均 4 萬次提升到 5 萬 6 千次，大幅成長40%。以往查詢保單價值需透過業務員協助或臨櫃辦理，如今登入平台即可取得資訊。

此外，視覺化呈現保障缺口後，有保戶回饋「看到達成率 70％，就想補到 100％」，顯示視覺化真正促進了主動管理的行為轉換。

能完成一份視覺化介面不難，但能把 60 多年累積的保險商品結構、條款邏輯與資料系統重新整合再轉譯，背後極度仰賴組織文化。尤其，保險視圖的誕生，從構想到落地，專案歷時 4 年，期間國泰以「區塊化堆疊」的方式逐步發展服務功能，包括資產總覽、健康與壽險視圖、缺口試算與 AI 推薦，每一步都需要長時間協作與反覆推敲。

林蔚安形容：「戰情室就像加速器。」其角色是串聯商品、數據、數位、UI與UX設計、開發工程與行銷等多個團隊，以使用者中心作為共通語言，讓跨部門能在同一個目標下推進。「大家的專業不同，但只要目標一致，就能共同前進！」

展望未來，透明化只是起點。林蔚安指出，下一步是讓更多保戶願意使用平台，使行為軌跡形成數據基礎，再透過個人化推播與 App 串接，發展國泰人壽保戶更完整的數位體驗。「這條路很難，但值得做。」他分享，有一次泰國人壽數位團隊來台交流，第一眼看到保險視圖就說：「這真的很不容易。」但也因此，更突顯國泰人壽勇於創新、以人為本的服務精神。同時，保險視圖也不會是終點，卻會是打開未來保險模式的一把關鍵鑰匙。國泰人壽以具體行動落實「Better Together 共創更好」，在每一項細節中重塑保險服務的日常價值。

保險視圖：https://cathaylife.tw/VoeoOdb