眾家好漢會診AMC
眾家好漢會診AMC
2001.02.01 | 人物

華信銀行總經理盧正昕:
「要找願意長期經營者合作」

現在許多國外投資銀行談資產管理公司(AMC),都只想「買便宜賣貴」,而沒有想增加附加價值進去。我認為專業的資產管理公司,應該是將問題加以改善,並經過中長期培養,將資產體質改變。
譬如說,若收購後5至8年,等培養好後再處理,並賺個20%左右的獲利,這樣還算合理;但現在大部分投資銀行,多希望買下來一、兩年內就賣出,然後一下子賺30%或50%的差價,這就好像別人家的女兒養爛了,我花3萬買個女兒回來,只是把他打扮得漂漂亮亮,然後50萬賣出,送去做酒家女賺錢一樣。我倒情願是把小孩買回來當養女,好好帶大,等我年老時能做麵線給我吃。
所以,我認為專業的資產管理公司進來,應該是要把經營團隊、產品弄好,將公司創新、國際化後再處理。

中華開發工業銀行總經理胡定吾:
成立產業型AMC基金」

資產管理公司(AMC)的成立對台灣之所以那麼重要,是因為台灣的銀行貸款活動已停滯了很久。當銀行都喪膽不敢放款,而證券市場狀況又不佳時,如何活化銀行的放款就變得很重要。
目前中華開發的想法,是認為可以先成立一家資產管理公司,但與其相關的基金卻可以有很多。像我們就曾與中鋼討論過,研究是否能成立一個產業型的AMC基金,像是以鋼鐵產業為主的AMC基金就是一個例子。今天鋼鐵產業在台灣面臨罕見的寒冬,透過這種方式,我想可以舒緩鋼鐵業的資金緊峭狀況,至少也可以救南台灣的產業。
我們也曾與美林、摩根、奇異等多家有意成立AMC的外商公司洽談,在AMC公司下可以成立很多的產業基金,透過基金方式處理不良資產。當然,目前要成立產業AMC基金仍有法令上的限制待解決,因為金融合併法中,只對不動產的土地及廠房移轉有明確規定,但是對於生財工具如機器等動產,卻沒有明確的法律規範。
國內非常迫切需要成立資產管理公司,像日本曾經有幾年處在銀行放款停止的痛苦期,有的是銀行吃了太多呆帳,都喪膽了,不敢放款;有的銀行則是受傷失血嚴重無力放款。如果國內金融界發生這種情況,將使得沒有國際市場募資能力的中小企業營運更困難。因此,能將銀行不良資產移除的AMC,有讓銀行注入活血的功效。

政大財務管理學系副教授姜堯民:
「除了法令,更應重視市場面」

現在大家在談資產管理公司(AMC)時多集中在法令層面,但到底是否有市場更重要。首先,銀行若沒有壓力,資金不缺乏,根本不會想要把貸款放出來,因為放自己這裡賺比較多,不良資產賣出去還得打折;另一個是銀行為了爭排名,往往不願意主動把資產賣出,除非政府有強制規定,否則市場流動性恐不高。
AMC是壞帳與資本市場間的橋樑,目的是使資金流動更有效率。而為了加速流動性,大家對資產管理公司的配套措施上也曾提出許多建議,像證券化就是其中之一。但我認為區分以「優質貸款」為主體的不動產放款抵押證券(MBS,Mortgage-backed Security),和以「不良貸款」為主體的證券化很重要。
現在大家所提資產管理公司(AMC)的資產證券化,是針對不良貸款的證券化。但在國內尚未發展以優質不動產為主體的證券化(MBS)的情況下,就先推出以不良貸款為主體的資產證券化(AMC),恐怕後者將會影響前者的發展。原因在於,若AMC的資產證券化推得不成功,則整個市場對不動產證券化的印象會被打壞,未來可能牽連到以優質不動產為主體的證券化;若AMC推得成功後才推MBS,由於優質資產證券化的風險小,報酬也較低,可能會影響購買意願。因此,我個人不贊成貿然率先推行AMC的資產證券化。

關鍵字: #Google
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