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
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放

AI正以驚人速度重塑世界樣貌,金融產業也不例外。國泰金控作為台灣最大的金融控股公司之一,不僅積極擁抱創新變革,更透過開放分享促進產業共好:在「2025國泰金控技術年會」中分享「GAIA 2.0技術框架」,揭示多代理(Multi-Agent)雲端協作架構,讓AI從知識問答助理進化成可以自主推論、規劃與協作的夥伴,拉開以人為中心的金融科技新世代序幕。

以GAIA 2.0技術框架為基礎,加速集團應用百花齊放

GAIA是國泰金控為實現AI即服務(AI as a Service)提出的關鍵技術框架,歷經一年的發展,不僅成功建立超過200種資料類別的知識庫、彙整50多種生成式AI模型的Model Hub、設有70道安全防護檢查點的AI護欄。

國泰金控
國泰金控副總暨國泰世華銀行數據長梁明喬分享GAIA 2.0技術框架與集團GenAI應用案例
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數據長梁明喬指出:「隨著代理式AI技術崛起,我們在今年提出GAIA 2.0技術框架,目標是讓AI助理(Assistant)進化成AI Agent,可以跨單位整合工具、數據與分工,實現真正的智慧協作。」

舉例來說,為深化集團員工運用AI提升工作效率,我們打造員工AI助手—Agia,協助同仁進行知識查詢、資料摘要等任務,提升效率與生產力;另外,透過AI自助開發平台—GAIA Studio,讓員工以No Code工具,連結內部知識庫,並以視覺化介面或Prompt快速自主開發,打造業務場景所需的生成式AI服務與工具。GAIA Studio 上線三個月已有28個部門自助開發超過40支內部應用AI服務(包含行銷文案、各類產品知識、趨勢摘要等)。

在技術面,具體作法是透過GAIA 2.0框架下的四個模組,包含負責統籌AI Agent任務分配與協作流程的「Agent Core核心框架」、提供安全自主運作環境的「Agent Workspace可控環境」、連結Agent間共通語言的「Agent Protocol串接協定」,以及集中管理AI工具與元件的「Agent Marketplace整合市集」,以加速AI Agent應用研發與部署。

梁明喬表示:「接下來,我們將以GAIA為引擎,打造通用型、業務型、IT型與服務型AI應用,如Vibe Coding、CUBE Intelligence等服務,一步一腳印擴展集團的AI Agent生態圈,型塑智慧金融新格局。」

舉例來說,隨著生成式AI普及,客戶對於數位(助理)服務的期待更高,國泰世華銀行數位品牌CUBE推出「CUBE Intelligence」兩項新服務,包含「升級版」智能助理–阿發,滿足客戶詢問複雜問題的需求,無論客戶提出什麼問題,都可以完整步驟與適當的情緒價值強化與客戶的連結,讓服務更智慧、貼心且符合期待。

國泰金控
國泰金控副總暨國泰世華銀行數位長陳冠學展示「CUBE Intelligence」兩項新服務
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數位長陳冠學表示:「除了升級版阿發,另一新服務是我們也在CUBE App新增『對話式功能搜尋(CUBE Search)』,就像把行員放到CUBE App一樣,讓客戶可以用自然語言輕鬆找到想要的服務,讓服務體驗變得更聰明、更人性也更懂你。」兩項CUBE Intelligence新服務即將在年底正式上線。

跨界合作推動台灣大型語言模型落地,加速生成式AI發展

大型語言模型具備強大的語意理解與內容生成能力,是生成式AI快速發展的關鍵推力。國立政治大學金融科技研究中心主任王儷玲指出:「金融產業因為有獨特的金融語境、法規語意以及在地化的繁體中文知識,國際通用模型並不適用,必須建構本土知識庫、標準化模型機制、AI 法規沙盒及在地算力平台,發展台灣企業共同主導與管理的大型語言模型,方能讓更多金融業者透過微調打造適用模型、加速可信賴的AI Agent服務落地。」

國泰金控數數發中心數據暨人工智慧發展部副總經理劉浩翔進一步補充:「本地大型語言模型的成功關鍵,不僅是掌握充足且高品質的數據,還要透過後訓練微調與人類回饋強化學習的訓練方式去微調出適用的AI模型,藉此提升答案的精準度,尤其是需要跨法規、多層邏輯的嚴謹金融專業知識。」

AI要成功,除了應用場景、模型,算力也扮演至關緊要角色,對此,鴻海科技集團亞灣超算執行長姚延宗表示:「本土算力是支持本土大型語言模型落地的關鍵。」不過,他也強調,AI算力快速迭代且進入門檻高,不是每一間企業都可以自建算力,因此,亞灣超算與NVIDIA合作啟用超算中心,讓金融等台灣企業可以按需租賃所需算力,解決資料共享等敏感問題,加速金融AI應用的多元發展。

國泰金控
產業與學界專家於國泰金控技術年會交流生成式AI如何在台落地應用,左起為:國泰金控副總經理施君蘭、政治大學金融科技研究中心主任王儷玲、國泰金控數數發中心副總經理劉浩翔、鴻海科技集團亞灣超算執行長姚延宗
圖/ 數位時代

總的來說,從GAIA 2.0技術框架的推出、生成式AI的落地應用、到積極參與本土大型語言模型建置等行動,可以清楚看到,國泰金控正由內而外推動全面AI創新:強化內部流程效率與治理能力、以智慧化服務提升客戶體驗,並透過技術開放與跨域合作,為金融產業的數位與AI智慧轉型注入新動能。

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
進擊的機器人
© 2025 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