IBM Watson將成為失敗投資?分析師:過度樂觀、誇大宣傳
IBM Watson將成為失敗投資?分析師:過度樂觀、誇大宣傳
2017.07.17 | IBM

IBM Watson是在醫療領域最早佈局的AI之一。在之前的盤點中,我們也知道Watson希望參與患者診療中的每一個步驟:導醫用智慧音箱、Watson診斷工具、住院看護輔助,還有病患心理疏導……

Watson已經和世界各地的不少知名醫院進行合作,在中國也進入了21家三甲醫院的診療系統。表面上看來,Watson在未來的醫療領域大有可為,但是在最近一年中,我們聽到了更多不同的聲音。

在去年,IBM Watson和休斯敦安德森癌症研究中心(MD Anderson Cancer Center)分道揚鑣,IBM股價受到影響;在今年的7月2日,《富比士》評論員Jason Bloomberg更是發文質疑IBM Watson是否「是個笑話」。

7月13日,傑富瑞投資銀行(Jefferies & Co.)的分析師James Kisner的報告更是給IBM的未來蒙上陰影。James Kisner稱,IBM Watson在未來不太可能給投資者帶來回報,而且Watson的問題並不在於技術開發領域。

Kisner在報告開篇中寫道:

「我們的分析顯示,儘管IBM能夠提供如今最成熟的認知型運算平台,AI調度所需要的大量維護工作將成為其應用過程中的阻礙。我們也相信,IBM會在接下來可能更激烈的AI智慧戰爭中處於下風。因此,根據我們的分析,在IBM上的投資並不太可能會得到超過支出的回報。」

Kisner在報告中著重講述了IBM的過度宣傳問題,並援引了IBM和安德森癌症中心合作破裂這一案例。

2012年,安德森癌症中心與IBM開始合作,它們的目標是讓沃森閱讀病人的症狀、基因序列、病理報告等數據,然後將信息與內科醫生的報告、重要期刊論文整合,幫助醫生製定診斷和治療策略。

今年2月,安德森中心宣布專案終結並向IBM支付3,900萬美元賠款。據悉,研究5年之後,雙方沒有開發出一個可以用在病人身上的工具,技術只能用在實驗性測試中,沒辦法投入使用。

TechCrunch記者John Mannes的經驗,遇到問題的安德森癌症中心並不是個例。在和很多醫療類新創公司的接觸中,他發現不少公司和IBM合作中都會遇到類似的問題。

在Mannes的眼裡,這並不是IBM在技術領域的失誤,而是誇張的宣傳策略和過度樂觀的心態所帶來的結果。 MIT科技評論的編輯David H. Freedman也有相似的觀點。他在評論Watson的文章中寫道:

「IBM在2013年就聲稱『運算的新時代已經出現了』。《富比士》因此認為Watson『現在可以進行臨床實驗』,在幾個月內就能被用在病人身上。」

Kisner報告中發現的另一個問題在於IBM的AI人才不足。在運算新時代中,各個科技公司都必須在AI、深度學習、數據挖掘等領域網羅人才。而對於IBM來說,這個過程在目前並沒有得到足夠的重視。以亞馬遜為例,其公佈的AI相關領域招聘職位超過IBM的十倍。

5w60o8tnz8d9j34j.png
IBM、亞馬遜、蘋果在AI、機器學習、深度學習領域的招聘數據對比。
圖/ 36 氪

在人才招募領域落後於競爭對手的同時,IBM對開發者的支援策略也發生了巨大的變化。在2016年10月,Watson Conversations(Watson支援的聊天機器人)API價格下降了70%。如此大的變動也讓市場對IBM產生了質疑,進一步加快了IBM Watson相關應用開發者的流失,也在一定程度上造成了Watson在應用領域上的不佳表現。

在Mannes的報導中,他還提出了有關Watson訓練數據集的問題。 Watson在醫療領域橫空出世的時候,市場中對於AI訓練數據集的關注還並不足夠,這帶來了Watson發展中的一些問題:

「但是事實在於,AI並不是一個不定形狀的黑洞,把無架構的數據吸進去,就能產生出深刻的見解。可靠的數據渠道、對AI應用領域中商業問題的理解都是必須的。」

據IBM表示,Watson經受了超過300種以上高等級醫學期刊文獻、250本以上醫療書籍、1,500萬頁論文數據研究和MSKCC臨床實踐等數據的訓練。但是在實際應用中,這些數據並不足夠。

況且,在學習已有診斷病例的過程中,Watson也會遇到個人數據缺失的問題。 Watson需要成千上萬被人類醫生完成的診斷病歷作為基礎,但是許多時候,數據並沒有以正確的格式記錄,或者根本不存在,或者裡面缺失了患者的DNA檢測結果;又或者數據來自於幾十個不同的系統,很難被用於Watson的訓練。

不過,數據領域的問題是目前醫療診斷AI遇到的普遍難題,而Watson目前也在經歷改變。儘管安德森中心的專案失敗了,但IBM Watson依舊在從合作者手中獲得數據。據悉,IBM與紀念斯隆-凱特林癌症研究中心、Mayo Clinic、哈佛和MIT附屬研究所、醫療測試巨頭Quest Diagnostics都在相關領域有所合作。

透過IBM Watson這一個案例,我們能發現市場對AI領域出現了更多的反思,幾年前市場中對AI開發的樂觀態度也逐漸有所轉變。

在6月底,MIT科技評論也對IBM的AI醫療「野心」進行了梳理。在文章中,Freedman以醫療產業投資公司Bessemer Venture Partners分析師Stephen Kraus的評論結尾:

「Watson會逐漸在改善醫療診斷結果、降低成本這些領域做出成果嗎?這是可能的……但是這很困難。這不會在今天出現,也不一定會在五年中出現,而且它不能夠代替醫生。」

儘管IBM Watson是市面上最成熟的AI平台之一,他們目前在宣傳、人力和數據方面的問題也為希望進軍醫療領域的開發者提了一個醒。

IBM Watson的未來將會怎樣? IBM將如何處理AI領域日漸激烈的競爭?投資者對於Watson的態度將如何轉變?這都是IBM將要面對的問題。

本文授權轉載自:36 氪

關鍵字: #智慧醫療
往下滑看下一篇文章
終於出現「看得懂的保險」!國泰人壽以「保險視圖」引領資訊透明革命
終於出現「看得懂的保險」!國泰人壽以「保險視圖」引領資訊透明革命

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。

數位時代
diLab 經理林蔚安與團隊歷時打磨領先業界的保險視圖,幫助保戶一次看懂保障。
圖/ 數位時代

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

國泰人壽
視覺化保障達成率,一眼了解保障缺口。
圖/ 國泰人壽
國泰人壽
提供熱門推薦與更加個人化的AI推薦,喚醒補強意識。
圖/ 國泰人壽

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。

國泰人壽
保險視圖一次呈現保戶的整體保險資產,建立更清晰的財務健康圖像。
圖/ 國泰人壽

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。

數位時代
diLab 戰情室跨商品、設計與數據協作,以使用者為中心反覆驗證,用心設計保險資訊呈現方式。
圖/ 數位時代

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!」

數位時代
專案歷時多年,團隊成功以敏捷方式快速迭代,實現保險資訊透明化。
圖/ 數位時代

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

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
進擊的機器人
© 2025 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