維基經濟下的台灣危機
維基經濟下的台灣危機
2007.08.01 |

今年六月三日龍應台基金會主辦的思沙龍座談會上,台積電董事長張忠謀認為,台灣企業首要命題是創新商業模式,而非兩岸開放。大家都知道,台灣的成功經驗起自於代工,久而久之,台灣在國際經濟上也就自我限定於此一角色。當這種角色所帶來的利潤愈來愈低的時候,台灣並沒有尋求轉型,而是在一樣的商業模型運作之下,變本加厲。最後產業利潤愈來愈低,員工工時卻愈來愈長。

當中國崛起,台灣承續傳統的思維,看到的是夕陽產業的脫困之機。但英特爾(Intel)在大連設廠卻有著明顯的遠見。如果我們了解英特爾始終掌握開放式創新策略,不僅是一家生產工廠,也是價值中心的話,就可以非常清楚,它這一步棋,絕對不是著眼於節省成本,而是搶著占領一塊開放式創新的處女地。中國有的不僅是廉價勞工、大學知識份子,更重要的是「未來」。現在大家可以同意,關係或關聯的建立,包括顧客、供應商、員工,在維持競爭力上,比創新更為根本,也更為長久。而根據佐格比民調機構(Zogby International)的調查,美國有四分之一的人認為,未來十年,中國將成為創新發明的世界領袖。

然而,要讓台灣的眼光從短視的「兩岸開放」轉變成創新商業模型,卻又是臨淵羨魚。首先,我們習慣線性合作,只有上下游的連接,或同業之間的扶持,缺乏創造與拓寬價值的廣度。在生產上的創新是游刃有餘,但對於產品、甚至組織的整體規劃卻一籌莫展,但這些才是讓企業在當前國際商業環境中存續的關鍵。品牌管理就是一例。品牌所蘊含的是整體的組織文化,因此也絕對不可能以購併得來。
**
善於要求員工卻吝於分享**

中國人有所謂「海納百川,有容乃大;壁立千仞,無欲則剛」。照理說,這種分享的胸襟,和將全球視為研發的平台、研發人員不必一定為我所控管的開放創新,不謀而合。然而,華人企業的經營模式卻往往反其道而行:對分享興趣缺缺,但充分運用中國人勤奮努力的個性,極度開發(exploitation)人力資源,卻成了保持競爭優勢的唯一方法。

事實上,台灣產業居於科技產業鏈當中風險最高、報酬最少的位置,也有其苦衷。單打獨鬥、激烈的競爭,使得企業不得不現實功利、求速效而失遠利。這使企業不欣賞任何一項離開目標的研究。而台灣企業往往離不開降低成本、銷售業績,這些短期、量化、與遠景無關的目標。狹窄思維積重難改,結果就是企業無法推動革命性的研發或商業模型的改良,只能就在最低水平享受微薄但可能量大的利潤。

這種欠缺創新的企業文化,當前遇到了一個更為嚴峻的難關,就是創新的周期愈來愈短,創新者與非創新者的差距將會愈來愈大。過去一家創新公司要能夠達到在國際上呼風喚雨的地步,沒有幾個十年是不行的。例如一八七六年貝爾發明電話,但電話真正成為全民的工具,發揮具體的商業效能,恐怕是二次世界大戰之後的事了。然而,現在科技要達到那樣的程度,所需的周期明顯縮小。用經濟學的術語來說,就是創新的時間邊際效益比以往更大。

沒有創新的傳統難以劇變

不但如此,創新的風險比以往更低。例如一八八○年代美國出現前所未有的鐵路熱潮,但一八九○年代卻是美國歷史上公司破產最多的時期,因為鐵路的投資太高,一旦挹注資金,就無法轉型。但現在不同,透過開放式商業模型,公司可以迅速調整經營方針,歷史包袱不再成為新組織的負擔。受惠於這種邊際成本遞減的效益,使得創新更為值得嘗試。然而,如果企業長久以來沒有形成創新的文化,驟然創新,談何容易?

今天Web 2.0、甚至過去的Web 1.0之所以為人樂道,就是因為它們在既有體制之外創造了生機,但如果它們永遠處於商業的邊陲,無法成為現有企業致勝的手段,就會很快失去動能。Web 2.0尤其重要,因為創造力在Web 2.0的回饋比起以往更大。不管是合作對象還是顧客來源,都透過Web 2.0向全球無限延伸。

大家也許知道摩爾定律:每十八個月,CPU的運算能力加倍。如果摩爾發現這個定律,但他所創立的公司並不是設計以適應它,那麼英特爾就不過是另外一家普通的科技公司罷了。但摩爾看到了此一趨勢,而英特爾的開放式創新設計,就是以靈活變化為特色的新商業模型,用以配合他對計算機能力的預測。

所以Web 2.0固然帶給我們很多驚喜,但這機會是給全球的。當我們正準備運用Web 2.0出奇致勝,全球也一樣看到了這個機會。根據網路效果,誰能夠快速轉型,首先行動,誰就脫穎而出。台灣企業的僵化體制、在適應變化上較歐美公司為弱,讓我們為台灣的未來擔憂。 

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