3年打入7國市場、創造120億年交易額,他的下一步卻是將系統打掉重練
3年打入7國市場、創造120億年交易額,他的下一步卻是將系統打掉重練

「成功的IT公司、全球性出名的公司,剛創業3年的平台和現在的平台,我相信沒有一個是一樣的。」ShopBack研發長都榮汰去(2017)年夏天才加入,就做下要把ShopBack既有系統大翻新的決定。

全部要改,才能比過去更成功

ShopBack是2014年成立於新加坡的現金回饋網站,去年也開始正式投入台灣市場,而如果加上今(2018)年初剛啟動的澳洲市場,截至目前為止ShopBack已經打入亞太區7個國家,累計500萬用戶數,同時GMV則是在去年達到新台幣120億元。

只是正當一切看似順利開展的時候,都榮汰卻說要為ShopBack重新打地基。而這個旁人看來有些大膽、不解的舉動,在他口中卻顯得再平常不過:「很多人都問我要改什麼,全部都改、全部要改的。」他指出,過去3年ShopBack把主要的心力放在擴張市場,其實沒有花太多心思在系統革新及新需求的滿足。舉例來說,3年前ShopBack剛起步時,用戶主要集中在新加坡,所以用戶管理系統也是為新加坡設計的,但後來當ShopBack業務遍布亞太7國,舊系統就會顯得難以負荷,是必須要改變的。

而曾任職於EA、NAVER等大企業的都榮汰表示,他之所以決定加入ShopBack這家東南亞新創,正是因為他有信心可以透過研發團隊的建立、強化,和系統翻新,讓ShopBack變得比過去更成功。同時他強調,系統翻新其實沒有那麼不尋常,指檯面上多數科技大公司的系統絕對已經和3年、5年、10年前大不相同。

shopback_20180613_周書羽攝影 (2).jpg
ShopBack研發長都榮汰自去年加入後,開始積極招募研發人員,打算要將既有系統大翻新。
圖/ 周書羽/攝

不停機改系統,建立堅強研發團隊是首要任務

當然,即便不罕見,也絕不會太容易。畢竟ShopBack平台上已經有這麼大量的用戶和交易量,必須要在7x24不停機的狀況下改動,而在這麼重要的系統翻新大工程背後,第一個要具備的就是建立一個夠分量的研發團隊。因此去年夏天加入ShopBack後,都榮汰已陸續在新加坡總部以外,於台灣和越南各成立一個研發團隊。

其中台灣研發中心是從去年11月開始有了第一個研發人員,而截至目前為止則是有9位。都榮汰表示,他的目標是在年底前將整個研發團隊的規模從目前約40人,擴大到70~80人,當中預計有20位會是在台灣。

雖然在台灣研發團隊部屬的人數可能不是最多的,擔負的任務卻一點也不小。ShopBack台灣研發主管陳道陞目前可以對外分享兩個台灣團隊正在進行中專案,一個是偏消費者端應用的新瀏覽器插件開發;另一個則是用於內部系統開發端的工程樞紐(engineering hub)建立。

升級瀏覽器插件功能,提升內部開發效率

開發新瀏覽器插件在第一階段的任務,是要讓消費者即使不是直接進入ShopBack網站,透過瀏覽器搜尋商品時,也可以知道自己想要購買商品的網站是否提供ShopBack現金回饋。而更進一步,未來在第二階段他們則是希望讓這個插件從一個「小幫手」的角色,升級成「顧問」,也就是透過對消費者行為的了解,主動告知消費者同樣商品在什麼地方購買可以有更好的選擇。

陳道陞解釋,這其實就是為什麼他們決定不再將這個插件功能外包開發,而要拿回來自己做的原因。主要就是希望加強對消費者行為的掌控度,進而才可能做到主動推薦。

而工程樞紐的部分,都榮汰預期台灣團隊若能順利在年底前完成,則接下來將可以大大減少三地研發人員的溝通成本,同時提升開發效率和新功能發布速度。陳道陞舉例,過往要開發一個新功能,可能會需要兩到三周時間的跨國溝通,而且最終開發出來的功能也不敢保證一定能用。但透過API和標準的建立,將可以大大提升彼此的開發效率和精準度。

shopback_20180613_周書羽攝影 (7).jpg
ShopBack台灣研發團隊目前可以透露的兩項專案,一是面向消費者端的瀏覽器插件,一是用於系統開發端的工程樞紐。
圖/ 周書羽/攝

另都榮汰補充,他認為還有一點更關鍵的改變將會是,未來所有系統、應用之間的依賴性將可以大大減低,也就是台灣研發團隊可以不必等待新加坡的服務先上線,再開發自己想要開發的功能,或者新加坡團隊也不用擔心新開發出來的功能會不會和其他地區的服務不相容等等,不必互相等待。

ShopBack不會永遠只做現金回饋

至於這些改變最終可以為ShopBack省下多少成本,都榮汰坦言沒有明確答案。但他舉例,今天如果沒有做這件事,系統開發遇到意外狀況的機率就可能提高,而一發生故障需要停機,每分每秒的損失將難以估計。相對地,現在花時間、力氣去做這些消費者不一定直接有感的工作,就可以大大降低意外發生的可能性,對營運一定是加分。

此外都榮汰也想強調的是,將整個系統翻新雖然重要,卻也不是他加入ShopBack唯一想做的。即便ShopBack目前所處的是一個相對比較成熟的應用市場,但他認為這就像LINE不再只是通訊軟體,或者Amazon也不再只是一家網路書店一樣,「我們不是願意一輩子做Cashback(現金回饋)的。」他說,在重新打穩基礎後,還會有太多太多可以做的事。

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