[Al洞見]Google憑AutoML，將把AI 新創公司的一些活路堵死|數位時代 BusinessNext

[Al洞見]Google憑AutoML，將把AI 新創公司的一些活路堵死

Google cloud AutoML 相較於 TensorFlow 更具擴散的能力，TensorFlow 是軟體工程師才會用的工具，但 AutoML 把人工智慧的易用性擴大到所有不太懂人工智慧的人。

1. 用 AI 協助企業做決策

AutoML 最大的突破性和破壞性在「用AI協助企業做決策」這個領域，將為這個領域帶來突破性的發展，Google也將率先橫掃這個領域的商機。

原因在於，企業以往想要採用人工智慧的困難主要在「人才稀缺」，即使找到了 AI 人才，真正要引入企業流程中的下幾步是「建模」和「調教」和「接入企業流程」幾個步驟，這是最耗費專家時間和心力的兩個步驟，AutoML 厲害的地方在於，把這些步驟很大程度地自動化和抽象化。

2. 即使不是人工智慧專家也可以輕易使用上手

把AutoML掛到Google Cloud促進普及化，如此幾塊拼圖拼起來，即使不是人工智慧專家也可以輕易使用上手，也在最高層的戰略上接軌到 Google 一直追求網路外部性和規模經濟的商業策略，直接解決人工智慧應用需要企業客製化、難以規模化的難題。

AutoML 在資訊技術的發展堆疊上，最大的意義在於把人工智慧技術的抽象層級再提高一層，就好像C語言的發明，讓程式設計師從此以後不用懂太多底層電腦的架構就可以寫程式一樣，現在使用 AI技術不用懂太多機器學習。

所以 AutoML 相較於 TensorFlow 更具擴散的能力，TensorFlow 是軟體工程師才會用的工具，但 AutoML 把人工智慧的易用性擴大到所有不太懂人工智慧的人。

3. Google憑著AutoML，將會把 AI 新創公司的一些活路堵死

如同之前分析，很多 AI 公司的商業策略是三部曲：圈住稀缺的AI人才，包裝AI題材，跟資本市場要錢。但是當Google 循著Democratizing AI 這個理念，把所有人工智慧技術讓不懂人工智慧的普羅大眾也可以使用時，好日子就沒了！

當多數AI新創公司還在煩惱每家企業客戶都需要客製化該怎麼規模化時，Google 透過平台效應已經殺進來了，後續要是再整合G Suite這些企業工具，Google 之後就連企業內部的決策也取得網路外部性了。

結語：Google像是住在城堡裡的一隻灰犀牛

Google和其他數位科技巨頭就像是住在城堡裡的一隻灰犀牛，城下町的民眾們每天安居樂業地耕田，直到有一天護城河的吊橋放下，灰犀牛衝了出來，跑到城下町毀我大屋踏我田，橫掃一圈之後回到城堡裡，慌亂的居民只能低著頭災後重建，然後不知道下次灰犀牛何時出來放風。

本文由程世嘉授權轉載自其Facebook。

《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，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

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