理財顧問製造機
理財顧問製造機
2007.06.15 | 人物

如果你是很精明的投資人,就是那種不需要理財顧問、不管市場表現如何都能獲利,總是可以告訴你的親朋好友何時進場、哪支股票該買進、脫手,那你應該會對我現在要介紹的新玩意兒有興趣。

Covestor是一家新成立於紐約的網路公司,主要的服務在提供大眾投資訊息。提供訊息當然不稀奇,特別的是提供的「方式」。註冊成為Covestor會員時,網站會要求你輸入目前使用線上交易帳戶(online brokerage account)的相關資訊,藉由這些資訊,系統會自動產生一個「投資首頁」,顯示你的帳戶資料以及投資組合(portfolio)。聽起來很像投資比賽對吧?其實不然,因為這些都是「真實」的資訊。也就是說,Covertor上所有的「投資首頁」、所有的投資組合,都反映每一個網友生活中真實的投資情形。

在Covestor裡,每個會員的首頁長得都和坊間投資理財網站相當類似,不同的是,你有觀看別人投資情形的權利。任何網友持有股票的資金比例、買了哪些基金、投資報酬率各為多少,全都可以一窺究竟。其他相關的訊息及圖表,比方說哪些會員整體表現優於(outperform)大盤,系統也會自動產生。

打個比方好了。假設A網友的專長是挑選網通產業股票,其他網友便可以「追蹤」他的投資歷史,作為自己投資的參考。不僅如此,Covestor功能豐富,要從「哪個網友」獲得「哪些資訊」,完全由你自己決定。你此時心裡一定在想:這不就是社群交流(social networking)的概念嗎?沒錯,Covestor骨子裡就是社群網站,一個有評價制度(reputation based)的社群網站。

更棒的還在後頭。顯而易見,如果你真的是投資高手,必定會吸引一票粉絲追隨,這些追隨者(在這個網站裡被稱為covestors)不僅能給評價,甚至可以採取實際的行動——「模仿」你的投資風格,來表達對你的支持(同時讓自己獲利)。

容我再度提醒,在Covestor裡,一切都是真的,所謂模仿就是花錢投資你正在投資的東西。你愈成功,追隨者就愈多,久而久之,漸漸變成一個虛擬的理財顧問。不論是天才型的投資隱士或是具有洞見的理財達人,Covestor是一展長才的好地方。等到名聲累積到一定程度,你甚至可以透過系統抽取佣金,你賺錢,追隨你的人就賺錢,然後你又可以多賺一筆。

「創立Covestor的靈感來自一段生活的小插曲,」創辦人之一的塔赫塔(Richard Tahta)說:「我有個朋友在投資產業工作,有次他告訴我避險基金(Hedge Fund)要求產業研究公司把他們建議的投資資訊放在網路上,方便他們即時追蹤。」一個簡單的想法,讓塔赫塔與另外兩位合夥人(Perry Blacher及Simon Veingard)幾個月前決定創辦Covestor,而他們也獲得某些私人資金的幫忙,募得一百萬美元的創業基金。
塔赫塔是Covestor的核心人物,也是一個不折不扣的「連續創業家」(reapeat entrepreneur)。在Covestor之前,他曾參與創辦四個網站。這些網站不但成功,也都和財務領域相關。更值得一提的是,四家都被美林證券之流的知名企業購併。擁有這樣的經歷,塔赫塔對Covestor自然是信心滿滿。

不過聽完塔赫塔的介紹,了解Covestor的優點後,我突然聯想到一件事情:水能載舟,亦能覆舟。Covestor立意是分享真實的投資行為和心法,讓大家都有錢賺。但往壞處想,這樣的機制也可能導致一窩蜂投資特定目標,模仿者一多,市場價格超過預期地上揚,對被追隨的人來說反而有負面影響,尤其當投資標的流動性比較差(highly illiquid)的時候。甚至Covestor可能會成為有心人士哄抬市場的工具。

「想要有好評價,是需要花錢的,況且所有的資訊都和線上交易商同步,要利用Covestor作弊沒有這麼簡單。」針對我的質疑,塔赫塔如此回答。

然而,這個理由仍然無法說服我。Covestor是一個非常創新的服務,但在真正成功之前,我認為這是他們必須克服的隱形難關。 

**Covestor骨子裡就是一個有評價制度的社群網站,
如果你是投資高手,必定會吸引粉絲追隨,
你甚至可以透過系統抽取佣金,
你賺錢,追隨你的人就賺錢,然後你又可以多賺一筆。  **

**Covestor立意是分享真實的投資行為和心法,
但這樣的機制也可能導致一窩蜂投資特定目標,
市場價格超過預期地上揚,對被追隨的人反而有負面影響。
甚至可能會成為有心人士哄抬市場的工具。  **

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