好工程師在任何國家的薪水都很高,ShopBack:選台灣不是為了省錢
好工程師在任何國家的薪水都很高,ShopBack:選台灣不是為了省錢

對現金回饋平台ShopBack來說,因為在台灣市場的起步較晚,所以就交易量規模來看,台灣是ShopBack目前進入的亞太7國中,排名是屬於後段班的。

但即便不是最重要的市場,他們卻決定將新加坡之外的第二個研發中心設在台灣。

研發中心選址台灣不是為了省錢

過往外國企業來台成立工程研發中心,除了著眼於台灣有大量工程人才,也或多或少透露在台灣設立研發團隊有高CP值的想法。不過對此ShopBack研發長都榮汰特別強調:「我們選台灣不是為了省錢。」

都榮汰是韓國人,過去曾任職於韓國電商平台Coupang、EA,以及曾擔任韓國網路公司NAVER在中國的平台研發實驗室主管,再加上目前任職的新加坡公司ShopBack,可以說他對中國、東北亞和東南亞的幾個國家都不陌生,看過的工程師履歷更不下萬份。

而他從個人經驗得到的結論是,工程師個人之間的差距,會比國與國之間的差距更大,他也不認為真的會有哪個國家的人才CP值特別高。

「好的工程師在什麼國家薪水都很高。」他表示,ShopBack今天的重點如果是要找便宜人才,其實不一定要選擇台灣,因為在中國、韓國雖然有很多工程師的薪水非常高,但也有很多便宜工程師。

ShopBack
ShopBack在台設立研發中心,目前已經找到9位工程師,而年底前的目標則是20人。
圖/ shopback

目前ShopBack在台灣找進來的9名工程師中,擔任ShopBack台灣研發主管的陳道陞先前任職於趨勢科技,累計已經有18年的工程研發經驗。他表示,團隊中年資比他更深的至少超過半數,所以他可以確定的是,ShopBack的研發人員好用,但絕對不便宜。而這也是為什麼ShopBack估計,未來三年在台灣研發團隊的投資金額可能會上看億元的原因。

相信好的工作環境比薪資福利更重要

不過陳道陞提到,雖然他們對自己提出來的薪資福利很有自信,相信在市場上是有競爭力的,但內部卻也有一個共識:「我們不會把薪資和福利作為留才的真正的條件。」他認為好的環境比好的薪水對軟體工程師來說更具吸引力。

而他所謂的好環境包括:可以跟高手一起合作,共同成長;公司本身營運具有成長性、未來性;以及第三點,具有彈性發揮的發展空間。事實上,這三點也是當初陳道陞決定加入ShopBack的關鍵。

都榮汰當初離開大企業,轉而投入ShopBack這樣的新創公司,背後也有類似思考。「我離開NAVER的時候,我很明確五年後的我(會是什麼樣子)。」他說:「 連我的上司都跟我說,五年以後你會有我的桌子。」

不想追逐熱門科技詞彙,更重視腳踏實地

有趣的是,雖然他們想強調自己是一個可以提供挑戰環境和成長空間的新創公司,卻不打算拋出時下最熱門的科技名詞,如區塊鏈或AI去創造更大的工作想像空間。都榮汰說:「很多公司說我們是AI、區塊鏈,但實際上我懷疑他們到底五年後能不能生存?」

他不是想貶低這些技術,事實上他相信在幾年之後,AI和區塊鏈都會是常用的技術,只是在他看來,這就像前幾年也炒得相當熱的大數據一樣,很多熱門科技詞彙其實都帶有很大的行銷目的。以區塊鏈來說,他想問的是:實際上作為一家創業公司,用區塊鏈怎麼爭取事業目標?

他不反對工程師做夢,也鼓勵工程師學習和嘗試新技術,但他認為最終還是要腳踏實地。就好像現在他們正在翻新ShopBack的底層系統,聽起來或許一點都不吸引人,但對公司的營運卻很重要,而且也可以實實在在的從客戶端和營運面看到改變帶來的成果。

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