韓國自來水為何沒人敢喝?逾9成家庭煮沸再飲用,只有4.4%家庭直接飲用
韓國自來水為何沒人敢喝?逾9成家庭煮沸再飲用,只有4.4%家庭直接飲用

雖然韓國家家戶戶都有自來水,然而源於歷史經驗,幾乎家家戶戶都不會直接飲用自來水,都得要多一道煮沸的過程,因為他們不相信自來水是乾淨的。

儘管政府一再保證,韓國的自來水安全標準遠超過世界衛生組織(WHO)的要求,但是,只有4.4%的韓國家庭會扭開水龍頭直接飲用,其他逾9成的韓國家庭不是將自來水煮沸後再飲用,就是買瓶裝水、或家裝淨水器。

雖然,這不代表韓國人對自己國家的自來水沒有信心,只是沒有相信到可以直接飲用而已。那麼,是什麼讓韓國人無法對飲用自來水產生一定的信心?答案是,源自於過往的歷史經驗。

一直以來,韓國都是以煮沸的方式飲用水,大多數的家庭很晚才開始使用自來水,都是從井裡或是河邊、溪邊打水回家煮沸後飲用,即使是在20世紀的1970年代,全韓國也只有不到一半的地區有自來水可用,一直到1990年代,才普及到每家每戶。所以,歷史的經驗,讓韓國人在飲用水的使用上,習慣性的要煮沸,不管是來自井裡,還是來自水龍頭。

歷史經驗 打擊信心

打自井裡的水,要煮沸,是因為擔心水有雜質,直白的說,就是不乾淨。不過,來自水龍頭的水,可是官方保證安全無虞的,但是,韓國人依然不相信自來水是乾淨的。這也是源自歷史的經驗。

1989年8月,報紙的頭版新聞是:政府抽樣調查結果全國自來水受到重金屬和細菌污染。

1991年3月,慶尚北道龜尾市斗山水廠洩漏了約30噸苯酚:一種劇毒且具有腐蝕性的化學物質,污染了東南部地區的飲用水源-洛東江。

隨後每隔幾年,在韓國就會出現在特定地區的自來水污染的新聞,例如,最近的是2019年仁川的自來水出現銹紅色,第二年夏天又發現水生昆蟲幼蟲等。每一次,都會喚醒韓國人記憶深處的慣性:水要煮沸,再飲用。

隨著時間的流逝,不論是水源、水質乃至於淨水的技術都有所改進與提升,自來水的水質潔淨問題已無可爭議,然而,水質或許無可挑剔,但是,韓國人依然無法放心的打開水龍頭就直接飲用水。

這是因為即便是沒有水源、水質受污染的問題,但是,從水廠將水輸送到到家家戶戶的管路線道,可是綿延不絕的長,且很多供水系統的管線可能比很多人的年紀都要「年長」。以首爾為例,52.1%建築的年歲都超過30年。

水污染記憶 難以抹滅

管線的老與舊,也是讓韓國人「覺得」自來水並不乾淨。

而這種「感覺」,是歷史經驗造成,是韓國幾代人的傳統習慣與現實中水污染事件層層疊疊累積的記憶,很難在短時間內出現逆轉。

所以,儘管韓國政府一直努力改善自來水的品質,也致力於更換老舊管線,然而,都不能建立多數韓國人的信心—直接打開水龍頭喝水。

水,對多數韓國人而言,最好還是煮沸再飲用,比較安全,當然,用錢買來的瓶裝水除外。

(本文出自工商時報

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