黑天鵝、灰犀牛是什麼?差異在哪?當危機降臨,靠這3招化險為夷
黑天鵝、灰犀牛是什麼?差異在哪?當危機降臨,靠這3招化險為夷

黑天鵝(black swan)原本是指一種從未被發現的天鵝,但後來因為它的寓意: 過往重複千百遍的真理(天鵝都是白色的),只要一個反例出現就會被顛覆,而被拿來形容「從未發生過,影響卻非常劇烈的事件」 ,像是金融海嘯、川普當選、新冠肺炎。

舉例來說,次級房貸危機爆發之前,分析師會跟你說,現在買房是最好時機,利率非常低,而且根據過去幾年的經驗,未來景氣只會愈來愈好,不用擔心借錢還不了。在這個例子中,分析師幾乎沒錯,因為從他開始工作,景氣就一直是往上漲的,從未衰退,就像是天鵝一直是白色的,直到雷曼兄弟(Lehman Brothers)倒閉,債權人跟著還不出錢,股市泡沫化,分析師才知道股市是會崩盤的(發現黑天鵝),而且大蕭條還會持續數十年。

Lehman Brothers
投資銀行雷曼兄弟(Lehman Brothers)倒閉。
圖/ 截圖自Twitter

延伸閱讀:艱難熬過黑天鵝,美國後疫情時代有這4大現象!有哪些可以向歷史借鏡的趨勢?

黑天鵝不是風險,影響極大卻無法預測

《黑天鵝》作者納西姆.塔雷伯(Nassim Taleb)指出,黑天鵝效應有3項特性:

1. 稀少性: 這種事件不是不存在,只是從未發生。為什麼沒發生過?因為發生的機率太小,可能只有0.0001%,所以非常稀少。

2. 極度衝擊: 一旦發生,影響極大,像是次貸危機一爆發,股市蕭條持續十幾年。

3. 事後諸葛: 因為稀少,所以不只你沒遇過,可能連你的爸爸和爺爺也沒遇過,所以它沒辦法變成經驗。缺乏經驗,決策時就沒有資訊,因此不可能預測,不存在先見之名。想發現黑天鵝,只有在它出現後才有可能,所以是事後諸葛。

黑天鵝最常被誤用的情形,就是認為它可以被預測,但這其實是混淆了黑天鵝和風險。所謂的風險是指,過去曾經發生過的問題,變成經驗,讓人在做相似決策時,可以預測它會出現並提早防範;反之, 黑天鵝因為稀少性,是一種可能從未發生過的事件,沒有發生過,就很難想像它要怎麼發生,因此無法預估,無法預測

黑天鵝重要但不急迫,你更該擔心灰犀牛

諷刺的是,許多人辯稱黑天鵝是可以預測的,像是次級房貸發生之後,分析師紛紛表示,金融商品連業內人士都看不懂,怎麼可能不出問題?或是前美國總統唐納.川普(Donald Trump)當選,名嘴才說他的數據分析團隊很強,是致勝關鍵。 但當「真的」可以預測的風險發生時,卻沒人想要阻止。這種現象被稱為「灰犀牛(Gray Rhino)」

《灰犀牛》作者米歇爾.沃克(Michele Wucker)解釋,灰犀牛跟黑天鵝很像,都會產生劇烈的影響,但兩者相反之處在於,前者機率大、可預期,後者機率小、不可預期。然而,灰犀牛雖然機率大,可預期,但就像是人在看見一隻犀牛往你衝過來,會嚇在原地無法動彈,許多領導者雖然能看見灰犀牛,卻因為種種原因推遲決策,最終失敗。 因此沃克認為,相比黑天鵝,領導者更應該先處理灰犀牛

shutterstock_631514021_boss.jpg
圖/ Dmytro Zinkevych via shutterstock

舉例來說,氣候變遷就是典型的灰犀牛現象。微軟(Microsoft)創辦人比爾.蓋茲(Bill Gates)在新書《如何避免氣候災難》指出,化石燃料的過度排放造成溫室效應,讓地球的平均溫度上升,預估到了21世紀中葉,氣溫上升的致死率會與新冠肺炎(黑天鵝)相當。然而,即使已有眾多數據支持氣候變遷的威脅,多數龍頭企業依舊無法停止使用化石燃料。

黑天鵝會傷害所有人,比的是誰恢復更快

有一則笑話是這樣說的,兩個人到樹林裡遊玩,突然出現一隻黑熊向他們跑來。其中一人馬上跑了起來,回頭卻看見另一人在換球鞋,因此大喊「換鞋有什麼用?難道能比熊快?」換鞋的人卻說,不用跑贏熊,只要跑過你就行了。先不管出現的是黑熊、老虎或是黑天鵝,道理都是一樣的, 傷害一定會造成,你只要恢復比別人快就行了

塔雷伯在《反脆弱》裡提出,應對黑天鵝的3種方法:

1. 快速恢復: 面對黑天鵝,許多人第一時間會想把自己變得非常強硬,讓黑天鵝傷害不到你。然而,黑天鵝由於無法預測,所以傷害常常會比你想像的還要大,因此再強壯,還是會受傷。所以與其讓自己變強,不如培養恢復力,就像黏土不怕被摔碎、砸爛,因為它可以再黏回原本的樣子。

2. 減輕傷害: 在日常生活中保有餘裕,不要追求最佳、最適化。這次新冠肺炎使許多企業的供應鏈出現狀況,就是典型的例子。由於專業經理人會避免一切無效率、浪費的行為,所以不會囤積過多的存貨,生產流程也要緊密相連。但這種「完美」其實很脆弱,一旦面臨突發狀況,因為沒有多餘的時間和資源,全部行程都得往後移。如果突發狀況是黑天鵝這種擴及整個產業的事件,由於別人也沒時間和資源,就會發生大缺貨或斷鏈的現象。

半導體
圖/ shutterstock

延伸閱讀:全球晶片荒!半導體短缺來自「長鞭效應」?一文用「紙尿布」白話詳解

3. 小賭怡情: 黑天鵝帶來的衝擊極大,但這個影響可以是壞的,也可以是好的,就像塔雷伯就從金融風暴中獲利數億美金。而他的方法是槓鈴策略,指一面做出極端保守的行為,像是當公務員,一邊又極端冒險,像是投資。這裡的冒險不是把薪水全部拿去投資,而是把一小部份薪水拿去投資在黑天鵝事件上,就像塔雷伯賭金融風暴一定會爆發。如此一來,就算黑天鵝沒發生(賭100次可能不會發生1次),因為賭金小,所以不影響生活,但一旦黑天鵝出現,因為影響極大,所以投資再小,也會發生驚人增長。

延伸閱讀:

  1. 一張圖找出企業的潛在危機!擬定防範策略,不怕下隻黑天鵝
  2. 庫存變多,反而是好事?疫情衝擊全球供應鏈,一圖看有「韌性」的企業都怎麼做

本文授權轉載自:經理人
責任編輯:文潔琳、蕭閔云

關鍵字: #疫情動態
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