「能和不同領域的人定期meeting,是發現自己不足最有效的方法」
「能和不同領域的人定期meeting,是發現自己不足最有效的方法」
2007.01.15 |

「能和不同領域的人定期meeting,是發現自己不足最有效的方法,」今年就讀台大電子所博七的林建志指出。從博二到博七超過五年的時間,林建志都是台大與聯發科技整合無線通訊實驗室的一員,實驗室從草創初期到揚名國際的這段過程,幾乎就等於他博士班的經歷。 每月兩次與實驗室指導教授們的進度會議,是他快速累積專業知識的來源。跟一般博士班學生只跟著指導教授做論文的方式不同,這個實驗室結合了各領域專長不同的教授,每次的進度會議大約都有五到六名教授主持。

**自己得給自己壓力

** 以林建志為例,他的研究領域主要在無線硬體部分,但包括高頻、訊號、系統等方面,每次的會議都必須準備充分,才能面對各領域不同教授的問題,「meeting是壓力的來源,但這些壓力是自己給的,」他指出,透過每次的會議,不僅能從教授們提出的問題中找到自己思考的盲點,更能因此督促自己涉獵更多領域的知識,「各教授都有不同的專長與方法,每次往來都可能是一次新的學習經驗。」正由於五年來紮實的學術訓練,二○○五年,由他做的關於超寬頻的研究論文,獲選為ISSCC(國際固態電路會議)論文。 除了在本身學術的研究之外,身為實驗室的一員,最大的收穫則來自國際交流。林建志指出,除了不定期邀請國際級的大師來演講之外,每年也會定期到國際各大學做國際訪問,「國際訪問其實對研究本身幫助不大,但學習的是國外大學討論的方式,」他指出。 印象最深的,是之前參訪美國柏克萊大學的經驗,他們非常重視「圓桌討論」,不同專長背景的學生會組成小組,從各自的領域提出對問題的解答。此外,美國大學也非常重視文獻探討,從文獻蒐集、討論、分析,再從既有文獻中找到創新的想法,進而針對創新想法做全新研究,產生原創數據,相對地,台灣因受限於研究資源與條件,往往只能拿國外的數據來模擬找出可行的方法,研究原創性較為不足。 這套重視討論的做研究方式,隨後也成為實驗室中的重要精神。由學生們自主式的討論,從各自領域中提出解答,讓研究更完整,他舉例,曾經和三、四位同學一起研究過3G系統,貢獻各自專長彼此交流後,不僅解決問題,更因此建立起多元的能力。

**一切得靠個人摸索

** 「當博士生一開始會很迷惘,既找不到論文方向,對未來也無所適從,」林建志指出剛念博士班的心情。由於相較於碩士班,博士班的時間更長,畢業論文的要求更高,也不像碩士班時期有學長帶頭做研究,一切要靠自己探索。 他指出,過去幾年,大約每學期會與聯發科相關人員正式開會一次,由指導教授提出未來想做的研究領域與聯發科討論,聯發科也會提出本身在產業中看到的機會,但短期內暫時不會投入人力的研究領域,雙方討論後,也讓他漸漸找到論文的方向。 透過學術與產業交流,也可讓他建立起對未來科技發展更寬闊的視野。聯發科技設計技術、資訊暨製造工程副總經理張垂弘就指出,當面臨實際產業內的問題,會回過頭來請實驗室的教授與學生進行論文研討(paper study),從學術上已有的理論中找出可行方案,協助解決實務面的問題。 林建志指出,透過這樣的模式,一方面可以了解產業最新動態以及廠商關心的重點,慢慢修正自己的研究方向讓成果更有價值,另一方面,也可因此讓自己更清楚未來的發展。 經歷過台大電子所博士班七年的學習與訓練,在未來的職場與人生的發展上,林建志比別人更多了一份信心。

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