KPMG公布Q3全球創業投資報告：亮眼大型募資增加，卻讓早期新創更難找金援|數位時代 BusinessNext

KPMG公布Q3全球創業投資報告：亮眼大型募資增加，卻讓早期新創更難找金援

雖然2020年第三季有多個超大型的募資案，卻也顯示了成熟企業吸引了大部分的資金，早期新創的投資交易量正持續下降。

創投市場投資額回升，但早期新創募資越顯艱難

大型的募資案件雖然提高了投資額，但一片榮景中，早期新創的交易量卻持續下降，KPMG安侯建業創新與新創服務團隊主持會計師郭冠纓表示：「成熟企業在2020第三季吸引了大部分的資金，但早期新創的交易量卻持續下降。」

儘管在疫情之前，世界上大多數地區的早期募資輪次已經在減少，但最近兩個季度加速了這樣的情形。處於早期階段的新創只會發現募資更加困難，尤其是尚未獲利的新創公司。即使是正在創造營收的早期新創，也由於較長的交易週期以及各種遠端完成交易的相關挑戰而受到了影響。

KPMG預計，這樣的趨勢將持續到2021年，可能會對B輪募資交易產生重大影響。

截至今年第三季，全球風險投資總額達到了732億美元，其中包含了4,861宗交易筆數。儘管新的創投基金數量遠未達到2019年增加的速度，但創投基金的規模卻有所增加。到2020年第三季末，2020年創投募集的資金已經接近超越2019年全年的總募集資金，許多地區的低利率讓許多投資者投入創投市場。

今年第三季出現多個重要IPO案件

除了創投市場之外，出場方面，IPO活動在今年第三季也有所回升。

第三季最大的IPO來自雲端服務公司Snowflake，該公司籌集了33.6億美元，其股價在上市首日迅速飆漲，遠高於前一輪募資價格。3D遊戲引擎公司Unity Software和從事軟體開發的公司JFrog在第三季中也成功完成了IPO。

也有許多成熟企業用不同的方式上市，如美國數據分析公司Palantir及軟體公司Asana皆選擇以直接上市方式掛牌；手機遊戲公司Skillz及軟銀基金旗下的房屋銷售平台OpenDoor則分別宣布通過特殊目的收購公司（簡稱SPAC）上市的計劃。

郭冠纓認為，預計IPO活動將在2020年第四季度進一步增加，「現在許多地區現在開始進入第二波COVID-19大流行，應持續關注能夠幫助個人和企業適應並在『新的疫情常態下』中繁榮發展的公司。健康和生技產業、金融科技、企業生產力解決方案和數位平台的投資熱潮會持續下去。」

責任編輯：錢玉紘

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。

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。」

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。

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。

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。