靠AI生成超逼真模特兒，95% 的人都無法分辨！從試穿衣服到棚拍都沒問題|數位時代 BusinessNext

AI生成超逼真模特兒，95% 的人都無法分辨！從試穿衣服到棚拍都沒問題

傳統型錄製作相當耗時費工，現在連模特兒都可以靠AI生成！讓換衣服、試裝到印刷的工作流程加速許多，而且與真人相似度極高，大約95%的人都無法分辨。

Artificial Talent

位於美國芝加哥的 Artificial Talent 是全球第一個 AI 模特兒公司，透過 AI 及 3D 技術，經過數千個真實頭部、臉部分析後，其開發的 Adonis® 臉部生成引擎可大規模生成完全客製化的逼真 AI 模特兒，進而幫助零售品牌降低成本、縮短產品推出時間，並協助解決目前廣告相關社會責任議題（族群平等與多樣性）。

企業用戶可先與該團隊聯繫討論以現有 AI 人像素材組合塑造或是客製專屬品牌模特兒，並將服飾寄給 Artificial Talent 進行拍攝及 3D 塑型。團隊完成合成後，企業用戶將收到登錄帳戶資料並像查看傳統照片那樣檢查及確認所需照片。

這時候你可能腦中浮現的是過去看起來僵硬、虛假的臉部模擬圖，但事實上經過測試，即使在已告知兩張照片其中一張是 AI 模特兒的前提下，仍有 95% 的測試者無法分辨出模特兒真實與否。

Lalaland

Lalaland 是一家位於荷蘭的新創公司，主要為服飾電商提供逼真的AI生成模特兒及合成照片服務。

企業用戶可先上傳新產品設計圖片，接著根據品牌形象、產品人物誌（Persona——行銷規劃或商業設計上描繪目標用戶的方法，用來分析並針對不同用戶類型設計策略）設定身形、年齡、膚色、種族等以塑造所期待的AI模特兒，接著在發布使用後，更可以針對成單成效、AB測試等評估，回到第二步驟優化圖片，改變姿勢及妝容等再次成圖。

Lalaland 指出，從實體拍攝轉至AI模特兒後，將節省70% PDP攝影費用，整體成圖時程較過去加快230%，點擊率（CTR）增加 140%，進而提升轉換率，並使營收增長 15%！

用AI模特兒打造雙贏

電商、時裝零售商通常會為同一種款式服裝提供多種顏色選擇，有時甚至一件連帽上衣就提供多達 10 種顏色選項，透過這類 AI 生成模特兒服務，企業即可利用 Photoshop 等相容工具，輕鬆點擊按鈕於幾秒鐘內為模特兒換上不同顏色的衣服。

電子商務消費者都希望能在下單前便全方位地了解產品在自己身上可能呈現的樣貌，以減少退貨麻煩。為滿足消費者的期望，少量、單一的模特兒展示圖片模式將成為過去，在不大幅提升模特兒、照片組數以控制成本的情況下，AI 生成模特兒或將成為最佳選擇之一。

本文授權轉載自：FC未來商務

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。