區塊鏈落地最大挑戰,IBM全球區塊鏈實驗室總監:不在技術而是商業模式
區塊鏈落地最大挑戰,IBM全球區塊鏈實驗室總監:不在技術而是商業模式
2018.06.05 | IBM

2018年號稱區塊鏈落地關鍵年,但至今多數區塊鏈專案仍處於概念驗證(POC)階段。對此IBM全球區塊鏈實驗室總監Nitin Gaur表示,觀察不少經過POC階段、最終卻無法繼續進入商轉的專案後發現,區塊鏈落地最大的挑戰在於商業模式,而非技術。

IBM區塊鏈POC案例超過400件、8%已商轉

IBM為區塊鏈聯盟Hyperledger主要成員,該聯盟在2017年推出專為大型企業設計的區塊鏈框架「Hyperledger Fabric 1.0」,IBM也推出企業區塊鏈解決方案。

至今,與IBM合作的區塊鏈POC已超過400件,其中有8%已商轉。例如,IBM和全球海運龍頭快桅(Maersk)合作,利用區塊鏈技術追蹤貨櫃流向,大幅減少昂貴和耗時的紙上作業和通關手續;又或者是和沃爾瑪(Walmart)合作,將區塊鏈用於全球食品供應鏈,確認食品來源及流向。

不過,從這些合作案中,Nitin Gaur也發現區塊鏈要在商業場景落地,仍有不少挑戰待突破。

挑戰一、當每個節點都承擔部分責任,如何課責?

區塊鏈最大的特點在於,各企業作為節點共同參與帳本的記錄和確認,將責任分散在每間企業,而非像過去其中在單一企業或政府。

Nitin Gaur以食品溯源為例,當酪梨要從秘魯運到美國,中間只要稍有耽擱酪梨就會壞掉,而透過區塊鏈,從酪梨農場、海關、港口到收貨者,每個角色都是不同節點,對酪梨的品質好壞都有責任。另一個例子是,當各家銀行透過區塊鏈合作,只要一間銀行做過「客戶風險屬性評估」(KYC),該結果也能分享給其他銀行,而不用重複做,相關金融服務流程(如開戶)也能因此簡化。

雖然區塊鏈解決過去不同企業合作面臨的缺乏信任、時間冗長等問題,卻也產生另一個問題:責任歸屬。舉例來說,若因為某間銀行KYC沒做好,導致其他銀行也出問題,那責任歸屬應如何釐清?這或許是目前區塊鏈在產業落地面臨最大的挑戰,「所以商業模式很重要」Nitin Gaur認為這些都不是技術的問題。

Blockchain
區塊鏈解決了過去企業合作面臨的缺乏信任、時間冗長等問題,卻也產生責任歸屬新的問題。
圖/ shutterstock

挑戰二、數位法幣是區塊鏈交易最後一哩

另外Nitin Gaur也提到,目前有90%的區塊鏈技術都只用到分散式總帳的對帳功能,沒有完全發揮區塊鏈潛能。他認為,區塊鏈的價值在於「價值轉移」,也就是可以把數位資產轉移給他人。

而要做到這點,數位法幣和數位身份是兩大關鍵。他認為,「交易」作為區塊鏈核心概念,會涉及清算和結算,如何把資產數位化?將資產和個人數位身份做連結?做實體資產交易時,作為分身的數位資產如何同步轉移?這些都是尚待解決的挑戰。

而在金流部分,他認為最後區塊鏈生態系少不了數位法幣的角色,可加快金流速度。不過他也提到,數位法幣至少還要十年才有機會實現,因為這必須和各國主管機關和央行合作。僅管困難,卻是不得不面對的挑戰,「數位法幣可以解決交易結算最後一哩路。」他說。

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