在復甦行情中淘金
在復甦行情中淘金
2001.01.01 | 科技

原諒現在這些彷如驚弓之鳥的投資大眾吧!每個投資人,都驚惶失措地納悶道,自己該往哪裡去?經濟發展慢了下來,政治的前景不明,美好的昔日(隨便撿支股票、都享有點石成金之樂的那個年代),已經遠去了;原本的股王之王,現在卻一敗塗地。科技股?2000年的科技股掉了28.5%;電信股?滑落了32.8%。2000年的贏家,竟然是(水、電、瓦斯等)公共事業股、醫療股,和銀行股,直叫人跌破眼鏡!還有什麼比這更令人灰心呢?
嘿!開心一點吧。2001年的景氣即將復甦,前提是,你得先知道績優股要上哪兒找。先恭喜你,因為尋寶圖就在你眼前。

**選股技巧相對重要

**
不用懷疑,現在要投資,是比兩年前困難得多;展望2001年投資前景,並不像2000年Nasdaq的驚險萬狀,也不會大起大落地像道瓊指數。基本上,美國的經濟是很健康的:參與本調查的54位經濟學家,預料美國2001年的經濟成長率是3.1%。緊張的投資人,可能會以攀升的油價,或者自由落體般的美元,構築出世界末日就要到來的連環場景。但是聯邦準備理事會主席葛林史班鎮守一旁,嚴防景氣滑落;而華府各方勢力雖不相上下,膺任總統的小布希,未來只能小心行事,但適度的減稅方案,應該是可被期待的。
華爾街指望的多頭是,在聯邦儲備率(Fed rate)削減後,可帶動景氣的回升。而主流派的華爾街投資人不以為然:只有32%的受訪者,認為2001年的股市會上揚。這是5年以來,最空頭的調查結果;不過現在的投資人,指望的已不是整體的景氣,而是本身的選股技巧。79%的受訪者認為,他們自己會比市場更高明。
股票要怎麼選?不妨先從非科技類高成長個股,以及小、中型資本額的股票開始下手。這些股票,有不少是屬於舊經濟的範疇;由於開放民營與善用科技,舊經濟吸引了新血輪,加入工業與服務業的行列。而考慮海外股的投資者,歐洲的股票,會比亞洲或拉丁美洲的股票更被看好。
雖然與2000年3月的最高點相較,Nasdaq已滑落40%。但是科技類股中,寫軟體的公司、製造資料儲存設備的公司,應該都會大發利市;甚至還可以在主機代管(web-hosting)和網路安全提供者(net-security provider)等.com類股中挖到寶。
如果這些類股都還不夠勁,那麼起落不定且富含.com風味的生化類股,保證讓你又愛又恨。生化類股中,已有350種正在進行臨床實驗的治療方法,又有充足的現金資助這些產品上市。長期而言,投資生化類股,應有豐厚的回饋。
2000年給我們的教訓是:世界一切沒有保證。1990年代咸認定「萬無一失」的好股,轉眼卻成了21世紀大陷阱。今日做投資,少不了的是研究、遠見、以及膽量。有了本專題在手,您起碼三者中有二;如何?就以此來展開新的一年吧!

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