AI不能衝高保費，還有價值嗎？

金融業談AI，多數討論最後都會回到一個看似合理、卻未必適用於所有產業的問題：這項投資，能不能帶來收入？對銀行與證券業而言，這個問題相對容易回答，因為交易頻繁、產品週期短，AI很容易被直接對應到手續費、交易量或資產規模的成長。然而，當同樣的問題被丟到保險業桌上時，氣氛往往變得微妙起來。

原因並不複雜。保險不是即時交易，而是一種長期的信任關係。保費的形成，並不取決於一次觸及或一次推薦，而是建立在信任、理解與長期互動關係之上。在保險的產業特性下，AI即便再聰明，也很難被期待「立刻多賣幾張保單」。於是，一個更尖銳、也更誠實的問題浮現：如果AI無法直接帶來保費，它在保險公司眼裡，還有價值嗎？

多數保險公司導入AI的第一站，幾乎不約而同落在業務行銷。原因很直覺：如果AI能幫忙找客人，這看起來最接近收入來源。於是，各種客戶分群、名單排序、潛在客戶預測模型，成為最常見的應用場景。但實務經驗很快會帶來一種微妙的落差。AI的確能「找到很多人」，名單變得更長、推薦看似更精準，業務人員每天能接觸的對象也變多了。然而，成交率並沒有等比例上升，甚至在某些情況下，業務反而更疲累。

這並不是AI做錯了什麼，而是問題本身就問錯了。因為在保險業，「找到客人」從來不是最困難的事，真正困難的是找到對的客人。

保險業有一個長期存在、卻很少被明說的事實：不是每一張保單對公司而言都具有同樣的價值。繳費穩定度、保障結構、服務成本、未來行為，這些因素往往比保費金額本身更關鍵。有些客戶保費不高，卻長期穩定、理賠行為理性，是公司最理想的風險組合；也有些客戶初期保費亮眼，卻高度敏感、頻繁異動，長期下來反而成為組織的隱性負擔。這些差異並不會在「找到多少人」的指標中被看見。因此，當AI被用來擴大觸及面，而不是用來深化對客戶價值的理解時，它只是在加速既有的問題，而非解決問題。

不少公司都有過類似經驗：AI模型根據行為資料，成功找出一群「高度互動、回應率高」的潛在客戶，業務團隊也確實感受到接觸效率提升。然而，幾個月後回頭檢視，卻發現這群客戶的保單留存率偏低，服務成本卻不成比例地提高。這時候，問題往往不在模型準不準確，而在於一開始就把「容易成交」誤認為「值得經營」。AI非常擅長放大既有指標，但是如果指標本身沒有反映長期價值，放大之後，只會讓問題更快顯現。

這也是為什麼，真正成熟的AI行銷策略，第一步不是建模型，而是先回答一個老問題：什麼樣的客戶，才是公司真正想要的？

AI可以分析資料、找出模式，卻無法替企業定義價值。在保險業，這個界線尤其清楚。因為「好客戶」的定義，往往牽涉到公司風險偏好、產品結構與長期經營策略，而不只是行銷指標。如果公司本身對「理想客戶輪廓」沒有共識，那麼AI再強大，也只是在幫助不同部門各自放大自己的視角。行銷看到的是觸及率，業務看到的是成交機率，服務單位看到的是案件量，而沒有人真正為整體價值負責。在這樣的情況下，AI不但無法帶來保費，反而可能讓組織更分散。

回到最初那個問題：如果AI無法直接帶來保費，它還有價值嗎？對保險業而言，答案或許並不在「有或沒有」，而在「用什麼標準來看」。

保險公司每天投入大量資源在那些不會直接帶來保費的事情上：風險控管、理賠一致性、員工訓練、流程穩定。這些投入，很少被質疑「為什麼沒有立刻賺錢」，因為大家都知道，它們是公司能否長期存在的基礎。若用同樣的邏輯來看，AI的價值，也許不在於創造新收入，而在於避免組織在錯誤方向上持續消耗資源。

當AI被用來協助辨識不適合的客戶、預測高服務成本的行為、提醒風險組合的偏移，它的價值反而開始變得清楚。這些應用未必會讓營收曲線變陡，卻能讓成本曲線變得平滑。這也是為什麼真正成熟的保險業AI應用，往往不是在前台炫技，而是在後台默默運作。它不負責說服客戶，而是負責提醒公司「哪些事情不值得再做」。

如果保險業願意接受一個現實：AI可能短期內無法帶來保費，那麼對AI的期待反而會變得更健康。它不再被要求成為成長引擎，而是被視為經營工具的一部分。在這樣的前提下，「找對客人，比找到客人更重要」不再只是一句口號，而是一個必須先被定義、再被模型支持的核心價值。AI不能替公司決定要什麼樣的客戶，但它可以幫助公司更忠實地執行這個選擇。對一個以長期承諾為核心的產業而言，能夠少走冤枉路，本身就是一種競爭力。也許，這正是AI在保險公司眼裡，最真實、也最被低估的價值所在。（作者為東吳大學財務工程與精算數學系教授、保險事業發展中心總經理）