AI導入保險產業的發展趨勢

生成式AI的快速發展，顛覆了以往對人工智慧的想像，實務面已從一本正經地胡說八道進化到啟動產業的典範轉移，愈來愈多企業評估導入AI來提高效率、降低成本、增加收入或改善客戶體驗。

大語言模型、AI代理人等技術的突破，帶來創新的應用方向，保險業可透過內容生成或服務生成等作法，提高服務效率和品質。甚至利用AI技術優化服務設計的過程或改變原本的運營模式，實現更高效、更個性化、更智慧的保險加值服務。

保險業面臨數位轉型需求與挑戰

根據國發會統計資料，台灣的勞動人口快速老化，目前人口年齡中位數為44.4歲，到2030年時將快速拉高至48.4歲，2050年時更將高達56歲；除了面臨勞工短缺、國民健康等議題，人口老化和少子化也會導致保險市場縮減和需求變化。再加上近年來疫情和地緣政治的不確定性，匯率波動和資產負債管理等風險，這些因素都對保險公司的營收和成本造成壓力。

麥肯錫針對保險業提出Insurance 2030可參考的創新發展方向，包括IoT運用（整合IoT收集客戶數據及需求、制定新產品及創新行銷應用）、AI預測（以AI預測分析掌握客戶需求與偏好）、智慧自動化（流程自動化加上AI提升到智慧自動化）、分群化（針對特定族群打造專門的客製化保險）及微保險（提供短期或只涵蓋特定範圍的微保險）等。

另外，安永會計師事務所（Ernst & Young）也建議保險業擁抱變革，重新思考業務內容，發展安全合規和數位化的運營模式，透過生成式AI的資訊處理、資訊檢索、內容生成等核心組件，開拓更多的保險應用及商機。例如，客服機器人可輔助企業內部進行教育訓練與銷售模擬，以及協助客戶問答、保險諮詢、產品推薦等，透過語音辨識以及文字轉語音等功能，大幅提高客戶的服務體驗。藉由AI科技賦能，保險公司可提高產品設計、市場行銷、核保及理賠等環節之流程效率和品質，建立更緊密的客戶關係，

產業數位轉型趨勢說明

越來越多保險公司想擴大商品或保單組合，例如根據指數(如氣溫、降水、風速等)或特定大範圍事件來觸發理賠和自動付款，而非傳統保險以特定損失作為理賠基礎。另外，將保險產品或服務嵌入到其他產品或平台中，透過無縫的體驗，提供給消費者。比如，當線上訂購機票或旅館住宿時，會出現相關的保險選項，如旅行不便險、取消險等，就是嵌入式保險的例子。

參考企業導入AI等數位轉型應用之流程，保險公司通常會面臨或重複以下步驟：確定需求和目標、評估技術可行性和成本、選擇導入方式、測試方案和部署、監測和優化效益等，說明如下。

．確定需求和目標：依據企業的使命和競爭優勢，分析潛在需求和問題，並設定具體目標和指標。

．評估技術可行性和成本：依據企業的現行資源、能力和限制，評估不同技術的適用性、可行性和成本效益。

．選擇導入方式：依據企業的需求和目標，選擇最適合的導入方式，例如自行開發、購買SaaS工具、採用開源平臺、委託業者開發等。

．測試方案和部署：依據企業的需求和目標，建立且驗證AI模型、發展解決方案，並將其部署到實際的業務場景中，以實現導入之應用價值和效果。

．監測和優化效益：根據企業實際需求，監測和評估AI的績效和影響，並根據數據和回饋，持續改進和優化。

隨著人工智慧、生成式 AI 和機器學習（ML）的快速發展，陸續已整合到各種技術中，協助企業自動化地創造出全新、原創的內容（AI-Generated Content，AIGC），例如文字、圖像、音樂、影片等。甚至能夠自動化地提供符合用戶需求和期待的服務體驗（AI-Generated Service，AIGS），例如搜尋、推薦、翻譯、摘要等。

因此，當保險公司要導入更創新或更易用的服務流程時，應採用以人為本的服務設計思維，關注在如何創造和提供有價值的應用，以滿足使用者的需求和期待。例如，將一些重複性、低附加值的服務流程自動化(如保管、定價、理賠等)，節省人力和時間成本。或者，針對金融保險領域需求，快速產生個性化和靈活的創新保險商品，或增加服務的多樣性，提升客戶體驗。

參考人機互動領域專家之觀點，類似AI Agent（人工智慧代理）的概念不斷被提出，利用數據、演算法、機器學習等方法模擬人類智慧，進而自動化、智慧化地執行特定的任務。例如，generative agent architecture 是一種用於行為模擬的框架，透過如GPT、BERT等大語言模型，接收來自外部的輸入，並以文本形式輸出，進而配合其它工具和外掛程式，來擴展其感知和執行的能力，以適應不同的場景和需求，達到像人類一樣處理各種複雜的任務和問題的智慧。

 許多專家更進一步提出可實作的參考框架，如下圖一。其將AI Agent定義為大型語言模型（LLM）、規劃（Planning）、記憶（Memory）以及工具使用（Tool Use）的集合。其中LLM是大腦核心，規劃、記憶以及工具是完成任務的三個關鍵組件。首先，AI Agent具備將大型任務分解為更小的、可管理的子目標之能力，從而能夠有效處理複雜的任務。透過收集和分析使用者的資訊、需求和行為模式，推斷其意圖和偏好，從而生成個性化的產出或方案。

其次，AI Agent需具備短期及長期記憶功能，以便能夠追蹤、存儲和檢索資料、知識和經驗。並且，應具備執行能力，夠根據預設的參數和目標自主地採取行動，並可呼叫外部API來獲取額外資訊或學習所需之專屬資訊等。最後，AI Agent應有回饋能力，透過對資訊的回饋分析，針對過往流程/行為進行自我檢視和反思，進而調整、優化執行的計畫和策略，提高最終產出之品質。

圖一 AI Agent的系統參考框架

圖片來源：https://lilianweng.github.io/posts/2023-06-23-agent/agent-overview.png

未來挑戰

人工智慧等數位轉型應用為保險業者在流程效率及客戶體驗開闢新途徑，透過機器學習自行生成內容，結合前後文意產出符合多數人期待的內容。然而，在真實情境中，當面臨公開資料不足或模型無法處理之議題，仍可能會得到答非所問的結果。

許多實務案例指出， AI應用落地面臨人才、數據、效益等議題，挑戰仍大。企業的使命是創造需求，但是，如何讓客戶用更低的代價滿足需求或達成目標，才是勝出的關鍵。國際研究機構指出，AI結合Human Intelligence是當前較佳作法，除了利用AI強大的計算和數據分析能力，同時結合人類的創造力和判斷力，共同解決複雜的問題和創造新的價值。這種解法可以充分發揮AI和人類的優勢，同時避免AI的局限性和風險。

然而，如何將AI落實，除了找到對的人才，更重要是提升企業的AI素養。不只是IT團隊，每個人都應該培訓AI相關的知識、技能和態度，瞭解新技術如何應用到工作任務中，集思廣益地討論人工智慧和人類智慧如何有效整合，來幫助公司提升競爭力、改善客戶體驗，減少AI的抗拒和恐懼。

無論是人工智慧還是其他數位轉型技術，都依賴大量正確的數據。當前的挑戰在於，數據的規模、多樣性和速度不斷增加，不斷增加在治理、整合和分析上的困難。保險業者需投入心力確保數據的品質、一致性和準確性，減少數據的重複和錯誤，並提高安全和隱私。此外，面對跨領域或不同文化之差異，專家也提醒需注意模型的適用性議題(如蘇經天博士提出語言厚度和語言薄度的現象)。「語言的厚度」是指人類語言其實是很豐富的，可表達出很多想傳遞的訊息，然而實務上可能會受到許多因素制約，真正表達出來的只有一小部份。而「語言的薄度」是指有太多東西是語言表達不出來的，受限於語言本身的詞彙和結構，以及文化背景和社會經驗等差異，可能對人們表達和理解訊息，造成限制。

從AI導入保險業的趨勢觀察，AI，正方興未艾。

封面圖片來源：unsplash(https://images.unsplash.com/photo-1637763723578-79a4ca9225f7)

參考資料來源

1. https://www.mckinsey.com/industries/financial-services/our-insights/insurance-2030-the-impact-of-ai-on-the-future-of-insurance
2. https://www.ey.com/zh_tw/insurance/digital-transformation-in-insurance-industry
3. https://lilianweng.github.io/posts/2023-06-23-agent/
4. https://scalehub.com/the-future-of-insurance-with-ai-and-human-intelligence/
5. https://www2.deloitte.com/tw/tc/pages/about-deloitte/articles/pr20240123-global-insurance-outlook.html
6. 蘇經天，新AI與新人類：學習、認知與生命的進化新路程，2023。