在10月號的《Fast Company》上看到吉姆‧柯林斯(《基業長青》與《從A到A+》的作者)一篇文章,解析這個現象為「The built-to-flip economy」,中文我姑且稱之「落跑經濟學」。
台灣有沒有類似的事呢?剛好,最近也是一缸子騙局。柯林斯認為,美國這10年榮景導致這種「一輩子海削一票」的機會主義者,產生「一切向股價看」的經營手法──著眼資本市場牟利、反推企業發展模式。
這是柯林斯所謂的「向下盤旋」路徑:光隨著外在環境起舞,忽視專注基本能力的創造──一種由外而內(outside-in)的方式,而「向上盤旋」的發展正好相反,是由內而外(inside-out)、從建立內部創造力開始。
要怎麼辨別一家企業是否值得信賴?答案是,看看這家公司的CEO,究竟是個Creator(創造者)還是個Reactor(反應者)。
「專注組織能力的創造」,台灣企業該做些什麼?許多CEO也正在焦慮中,但面對中國這個龐大的世界工廠,答案其實也很清楚,低價量產拼不過,別無他途,只能提升價值。
提升價值,價值由誰決定?消費者。如何提升價值?宏碁集團董事長施振榮的「微笑曲線」兩端的高附加價值區,一端是服務,另一端是設計。這兩部分,全都是直接面對消費者的介面,而消費者看重的又是什麼?當不同的產品間、機能愈來愈近似,決定的關鍵就在「感受」。
這個極抽象但關鍵的新市場行為,我們稱之「靈魂經濟學」。《數位時代》從製作「數位美學」欄目開始,近來的「認同感經濟」、「幸福感企業」到這一次「設計」的專題,都是「靈魂經濟學」中的重要課題。
當我們看到BMW以設計能力快速超越賓士,三星靠設計在手機市場打敗SONY,見識到這種小資本、無污染的創造力,帶來的價值有多大。
代工台灣有沒有發展設計的DNA?如果從捷安特開發8000美金的腳踏車,浩漢設計摩托羅拉的PDA手機,華碩剛上市全世界最輕巧的筆記型電腦,答案其實非常明確。
培養有設計力的組織,要如何開始?請看實踐大學設計學院院長官政能的報導。一個專業的設計人,起點是志氣,最終將得到尊嚴。毫無疑問地,他是Creator。
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。
