即使是金融界的老兵,有許多現在才發現到,台灣的金融環境,已經和美國唇齒相依,美國的中央銀行——聯邦理事會(Fed)的降息動作,不但讓美國股市急速攀升,全世界的股票市場,都陸續傳回捷報。台灣的股市,也在接下來幾天內重回5000點大關。
利息對股市的影響,以投資人角度來判斷,最容易理解。當投資人發現把錢放在銀行的利息很低,會考慮把投資轉往股票市場,股市可以重拾動力。
另一方面,企業借貸成本降低,投資意願也會增加。因此各國中央銀行,往往利用利息調升調降來調整經濟,雖然若干經濟學家並不贊成這種做法,但是目前看來,還是中央銀行的壓箱寶。最近8次Fed的降息,下一年道瓊工業指數平均上漲24.5%,連台灣的加權指數,都上漲19.5%。
經濟景氣如果拿飛機來比喻:當經濟成長由景氣走向衰退,就如同飛機要下降時,經濟的機師——央行總裁會調降利率,希望經濟以比較平穩的方式降落,也就是「軟著陸」,如果景氣失速下墜,就是所謂的「硬著陸」。
在天際翱翔超過10年的美國經濟,目前各項經濟指標均顯示已步入衰退局面,葛林史班終於如預料之中開始降息緩和落地,不過時機上比想像中來得快。
在Fed突如其來的降息動作之後,包括美林以及知名券商的經濟分析師都認為,在利率下降之後,股市再向下跌的空間已經有限,原因不只是投資人把錢放在銀行的動機降低,更重要的是:美國股市其實已有超跌現象,降息動作讓投資人瘋狂殺出的動作驟然停息,讓股市有重新回到基本面的機會。
美國企業在資金成本下降以及股市逐漸穩定的情況下,無論要舉債或是發行新股來籌措投資所需的資金,都應該比幾個月來容易。
對於以出口和代工為主的台灣經濟而言,美國和其他國際企業持續投資的動作,是Fed帶來的第一個好消息。
第二個好消息是投資人資金外流的速度將會減緩。過去幾個月內,美元利率超過新台幣利率,再加上台灣的經濟發展也不如預期,投資人認為美金的利率和匯率都比台幣吃香,大量的儲蓄轉入美元,讓新台幣匯率雪上加霜。
如今美元的利率和匯率都不再風光,資金外流的現象應該會改善。 但是在台灣經濟中另一個舉足輕重的力量——外資,卻取決於台灣股市。
摩根史坦利的新指數計算方式,明顯有利於台灣市場。 但是由於台灣股市還是以散戶居多,在本土投資人信心和政治經濟局勢尚未明朗前,外資對台灣的信心恐怕也要打折扣。因此,即使Fed降息創造了較有利的局勢,最終還是得靠自己。
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。
