李開復認為台灣發展AI沒機會，林之晨：最缺的是人才|數位時代 BusinessNext

李開復認為台灣發展AI沒機會，林之晨：最缺的是人才

創新工場董事長李開復說，「台灣沒有機會發展AI產業」，這樣的說法，你認同嗎？之初創投合夥人林之晨提出另一種觀察，他認為比起美國和中國，台灣確實是處於落後的，尤其是人才這一塊，但這也正是迎頭趕上的機會。

林之晨：AI團隊不見得要出走

對此，之初創投創辦人暨合夥人林之晨認為，他大致都贊成李開復的想法，不過，台灣的AI新創團隊，不見得都得要離鄉背井，選擇去美國和中國發展才有未來。

林之晨認為，目前的討論前提是，台灣還繼續要和美、中、以及未來的印度這些重量級國家在同一個舞台上較量，但我們已經不像過去PC時期，擁有天時、地利、人和這樣的機會了。

因此，他認為未來的30年，台灣的命運應該退到中量級舞台，當好第二領先群國家中的領頭羊。如果是這樣的話，那麼戰略上就應該是跟美、中學習，但不需要跟他們比較，或是害怕落後他們。

「可以比較的對象是新加坡。」林之晨說，以東南亞市場來看，新加坡確實是其中的領先者之一，雖然以AI發展而言，比較算是羽量級國家，不過動作積極、包袱也比較少。對台灣來說，落後美、中雖然是天經地義，卻還是要積極跟上，不要讓新加坡專美於前。

台灣發展AI，最缺人才

至於該怎麼做，才能讓台灣更適合AI創業，林之晨表示，關鍵點將會是人才培養。他強調，雖然我們有優秀的AI新創公司出現，像Appier已經可以在國際上競爭，但這樣的特例，我們能有多少？

就算新創公司已經開始成長，如果想讓成績再升級，需要大量懂得技術和國際市場人才時，「台灣能夠找出一千個、一萬個人才嗎？」林之晨有些悲觀地認為，這也正是下一個Google、Facebook很難在台灣出現的原因。

他舉之初創投曾投資的盾心科技為例，創辦人也是去了美國和英國之後，看見不少影像辨識技術後才決定創業。如果台灣總是要讓團隊耗費這麼高的門檻往外找人，那麼能利用AI創造新產業價值的機會就會降低。因此，比起台灣的市場現實、老舊法規，他認為人才問題也是政府該注意的。

林之晨認為，面對未來產業變化時，國家該怎麼面對，其實並沒有標準答案。像是美國就選擇透過教育方式，提供小學、中學各種「STEM課程」（科學Science 、科技Technology、工程Engineering和數學Mathematics），另外光是coding學校，全美可能有幾百間。台灣如果現在開始面對，討論AI人才這件事並不算晚。

他期許科技部，「可以讓全台灣每個年輕人有AI的實務經驗，有點像30年前開始把電腦課帶到學習，確保每個人都有AI的應用能力。」

不過，相較於兩位科技、創投業人士看法，科技部目前對台灣AI產業則深具信心，先要用50億打造運算主機供產、學界使用，還要以20億建立機器人Maker中心，提供試驗場域。部長陳良基更多次表示，科技部未來還要在全台設立三至四個AI研究中心，結合大學頂尖師資，聘用交換學者。透過三種面項打造環境，就能吸引和創造更多人才出現。

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。