保險科技:讓保險公司利用數據重新建立競爭優勢
保險科技:讓保險公司利用數據重新建立競爭優勢

哪個產業的決策是數據導向的?保險業絕對是其中之一;大多數保險公司擁有大量數據,但試圖將數據應用於營運時,卻面臨巨大的挑戰。保險業需要採取一些行動,才能解決這種困境。

推薦閱讀:保險科技浪潮來襲,從小孩「被退貨」看市場新商機

考量歷史數據的數量和價值,第一優先的任務,是將已儲存在資料庫中數十年與精算、保單、理賠和詐保相關的數據釋放出來,為未來進行承保、定價、作業處理、產品開發、偽冒防制等業務時,提供有利的参考資訊。在理想狀況下,這些歷史數據幾乎可以無限地利用時間和資源進行數據挖掘、搬移、儲存、資料挖掘、資料倉儲和分析,這種運用資料的方式將會很有效。

然而,任何保險公司都沒有無限的資源和時間,可投入在舊數據中尋找有價值的資訊,特別是眼前還有許多其他緊急的問題或商機要處理;此外,當市場上新保單銷售數字的持續下降,以及所有事物都朝向「亞馬遜化(Amazonification)」(即滿足客戶對即時、簡易的線上購物體驗的期望)加速發展時,企業對客戶的深入了解,以及有效運用數據來優化獲取客戶(customer acquisition)、提供個人化體驗、簡化購買流程的時代與壓力已經到來,而且無處不在。

面對如此艱困的環境,解決之道是什麼?這裡提供3種因應策略:

策略1:不要眷戀歷史資料,重新蒐集數位數據

根據摩根史坦利(Morgan Stanley)和波士頓企管顧問(BCG)共同發表的報告〈Reinventing Life Insurance Agency Distribution Globally〉指出:缺乏效率是保險業面臨的主要挑戰,特別是「老派作風的銷售流程」,既繁瑣且與要求數位體驗的客戶期望不符。 歷史或過時的數據不會隨處可見,但競爭優勢可以無處不在。基於這個論述,建議保險公司採取「數據轉傳(dataforward)」的思維,向前看而不往回看。

最好、簡單的方法是:重新開始。 透過乾淨的數據集和現代技術重新發展以數據驅動的策略,保險公司不僅可擺脫傳統數據的泥沼,且可充分利用人工智慧和機器學習等先進技術,以建立競爭優勢。此外,現代消費者多已透過線上與保險公司進行互動,因此可經由良好設計的數據蒐集方式,來深入了解客戶在搜尋什麼商品?真正的需求是什麼?這類的作法對吸引和轉換潛在客戶、設計和交付更好的產品與服務至關重要。

策略2:蒐集高質量數據,建構查詢和運用數據的能力

保險公司要能在2020年代取得成功的關鍵:「擁有高質量的數據(quality data)」以及「擁有查詢(query)和運用(use)數據的能力」。

而最快且有效的方法是提供數位化的服務體驗,同時使用現代技術從頭開始建構建全新、乾淨的數據集。但有兩個問題須先釐清:

  1. 什麼樣的數位服務體驗,可以產生最有價值的數據?
  2. 保險公司應該自行建構或向外採購所需的技術。

無論保險公司是何種商業模式,舉凡那些訪客瀏覽過公司的網站、訪客來自何處、以及訪客在搜尋或瀏覽什麼等行為相關的數據都是無價的。透過這些互動所產生的洞見(insights)將可為許多決策提供参考依據,最終都有機會使潛在客戶和保險顧問以更容易地與公司進行業務往來。

保險公司可以根據業務需求,也可以由其他類型的數據獲得更多有價值的數據。例如,與理賠和保單相關的數據便可應用在精算和審核,以便找出共通性及改善產品、定價和預防詐欺。精準的保單定價將會直接影響利潤,因此,將內、外部數據與預測分析工具結合使用,可使保險公司能夠快速地回應市場需求,同時能夠偵測出潛在的詐欺行為。根據BCG的分析,相較於能更了解客戶需求而驅動客戶購買商品的競爭對手,無法適應新的定價模式與破壞式的定價技術的保險公司將會喪失競爭優勢。

未來,根據即時數據(fresh data)收費的按需型保單(on-demand policy)應有機會爭取到目前尚未購買保險或保險保障範圍不足的消費族群,既能增加新的營收來源,也能降低獲客成本。

策略 3:與保險科技業者合作以快速建立競爭優勢

進行全面的「自行建構」與「向外購買」的分析,可以協助保險公司進行多面向的比較,包含成本與效益、開發以數據為中心的解決方案、或與供應商合作之間的成本等;但是有些項目是難以量化的,例如錯失的機會成本和用戶體驗也應併入考量,特別是市場上充滿著許多與現有保險者競逐相同市場的數位原生型的市場破壞者,這些考量尤其重要。

但許多保險公司是否能做出決策,只取決於一個問題:公司是否擁有或可以僱用的資料科學家、資訊專家、客戶體驗專家等專業人員,能在公司內部執行數據分析的任務? 顯然,大部分的保險公司都缺乏這些人才。

目前較為可行的解決方案是與保險科技業者合作,要比公司獨立開發要快速、風險更低且更容易成功。此外,保險科技新創業者還可提供現代化的基礎架構、持續的創新、定期的軟硬體更新、取得先進的技術與人才等益處,這些資源可幫助保險公司持續聚焦於原本擅長的銷售保單和客戶服務等領域。

保險公司原來擁有的數據不會消失,且仍具有價值;短期來說,重新開始建構數位數據是正確的解決方案;舊有的平台可進行現代化改良,舊的數據可往後台搬移,當有新的數據產生時可一併投入使用。隨著時間演進,當保險公司擁有合併數據來源(包括第三方的數據源)以及根據多元數據集產生新洞見的能力時,未來將可創造更多的商機及優勢。

詳細內容,請參考:「Insurtech: An opportunity for insurers to start fresh with data」 / By Jean-Nicholas Hould / Digital Insurance / Feb 03, 2020

責任編輯:陳建鈞

《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。

(觀點文章呈現多元意見,不代表《數位時代》的立場

往下滑看下一篇文章
從人、流程到工具:TVBS解構新聞業AI轉型方程式
從人、流程到工具:TVBS解構新聞業AI轉型方程式

在生成式 AI 驅動下,新聞產業正加速進入新一輪轉型。這股技術浪潮不僅改變了內容產製模式,也重塑了讀者獲取資訊的入口。面對這場產業變革,台灣科技媒體領導品牌TVBS 展現強勁的轉型動能,不僅積極布局 AI 應用,更憑藉創新專案獲得「nDX數位創新獎助計畫」肯定。

為加速經驗擴散並促進產業交流,日前,TVBS 攜手數位經濟暨產業發展協會(DTA)舉辦「AI in the Newsroom-TVBS轉型實戰分享」發表會,現場匯聚媒體與科技領域專業人士,從實務案例出發,深入剖析 AI 導入新聞現場的應用模式,共同見證 TVBS 如何以 AI 為核心引擎,重新定義數位時代的媒體影響力。

TVBS-1.jpg
圖/ 數位時代

從「人」出發:從超級個體到超級組織,啟動 AI 原生轉型

TVBS 集團成長長簡西村表示,早在生成式 AI 浪潮成形之初,TVBS 便已啟動轉型布局。不僅於 2023 年成立AI未來科技部,專責 AI 應用開發與轉型推進,更由董事長親自主持每週一次的 AI 策略會議,確保決策與執行節奏高度一致,並進一步盤點出「人、流程、科技(PPT)」三大轉型關鍵,逐步落實將 AI 導入各項營運環節。

從「人」的角度來看,TVBS 以 AI 提升效率與創造價值為目標,提出超級個體與超級組織的轉型藍圖。其中,超級個體指的是能善用 AI 工具的記者,例如:透過 AI 分析海量資料、自動生成初稿或經營個人品牌,透過與 AI 的分工協作,不僅提升產出效率,也讓記者得以回歸深度核實與現場採訪等核心職能。

當多個超級個體串聯,便進一步形塑出超級組織,透過 AI 全面提升團隊的數位戰力,成為 AI Native(AI原生)媒體組織。TVBS 的願景是,讓每一個議題皆能發展出專屬 AI Agent,負責資料處理與初稿生成,而人扮演總編輯角色,負責內容品質與倫理把關。如此一來,不僅能實現全天候、高頻率的內容更新,更可透過多 Agent 協作,同時產出文字、影音、Podcast 等不同形式的內容,實現一次生產、全平台分發的目標。

從「流程」出發:讓AI嵌入新聞產製,縮減 30% 作業時間

從「流程」的角度來看,AI 唯有真正嵌入新聞產製流程,才能發揮最大效益。然而,哪些環節最適合導入 AI、導入後流程該如何重塑,往往只有第一線新聞人最清楚。為此,TVBS 邀請新聞部同仁組成「文科種子」團隊,並由主管從日常工作情境出發,親自示範 AI 應用,讓記者實際感受到 AI 帶來的效率提升,進而翻轉「不好用」的既有印象,吸引更多資深同仁投入 AI 應用開發。

TVBS新聞部網路新聞中心總編輯楊致中強調,「AI不是要把新聞人變成工程師,而是要讓新聞人重新回到專業現場。」因此,這群橫跨編輯、記者、編譯等不同職能的種子成員,從使用者視角出發,與工程師並肩協作,以使用情境取代傳統規格書,讓技術團隊得以深入理解採訪流程中的真實痛點,進而開發出涵蓋多語翻譯、初稿生成、重點歸納、多稿比對、標題與內容優化等 AI 應用,整體作業時間平均縮短逾三成。同時,新聞部也與 AI 部門建立每週開會機制,持續提出痛點及回饋使用經驗,推動產品快速迭代。

TVBS-3.jpg
圖/ 數位時代

另一方面,TVBS 也連續三屆舉辦員工限定的「AI 黑客松」,各部門同仁由日常工作中的痛點出發,發想出更貼近第一線需求的 AI 解決方案,讓 AI 逐步成為組織共通的語言,不僅有效提升工作效率,也進一步形塑出 AI 驅動的創新文化。

從「科技」出發:打造混血系統 AI WIZE,讓AI真正貼近使用需求

從「工具」的角度來看,如何在滿足使用需求的同時兼顧技術快速迭代,成為關鍵課題。為此,TVBS 提出混血系統概念,由新聞人與 AI 部門協助,共同開發出專為媒體場景打造的 AI WIZE 平台。

TVBS-2.jpg
圖/ 數位時代

TVBS AI未來科技部副總監吳楨文說明,AI 技術迭代速度極快,若仍沿用傳統「使用者提需求、工程師寫程式」的開發模式,不僅溝通成本高、也難以快速及時優化,容易導致使用體驗不如預期。若是直接使用外部 AI 工具,在產出結果不穩定的情況下,使用者常常要反覆調整提示詞與修正細節,反而會增加時間成本,使 AI 應用淪為新的負擔。

為解決這樣的困境,TVBS 在開發 AI WIZE 時,結合系統化與人才混血兩大策略,由工程師在「深水區」把關系統架構、資訊安全與成本控管,而新聞人則在「淺水區」透過 AI Studio 等自然語言工具定義應用場景,並將新聞專業封裝成可重複使用的 AI Agent技能,同時透過持續回饋機制,讓 AI Agent 不斷學習與優化,使工具更貼近日常工作需求。

簡西村最後強調,人機協作不是選擇,而是必然路徑。TVBS 期望透過這場 AI 轉型,打造兼具速度、深度與可信度的新型媒體競爭力,並以自身實踐經驗為基礎,帶動台灣媒體在 AI 浪潮下強化整體產業競爭力,重新定義媒體的「真實」價值,開創新聞產業的 AI 新時代。

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
AI全球100+台灣20
© 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