保險業 AI 進入自主決策新戰場　企業治理成關鍵

生成式 AI 快速進入金融業後，企業關注的問題也開始改變。過去多半思考「AI 能幫我做什麼」，如今當 AI 不只提供建議，還能自主判斷、呼叫工具、串接系統，甚至直接執行任務，企業更需要回答的是：哪些工作可以交給 AI？又該如何確保每一項決策與行動都在企業可掌握的範圍內？

滕嘉敦引用 SAS 與 IDC 於 2026 年針對全球 28 國、2,699 名企業決策者進行的調查指出，具備完善 AI 信任與治理機制的領先企業，取得高 AI 投資報酬率的機率，是非領先企業的 15 倍；兩者取得高投資報酬率的比例分別為 62% 與 4%。

但 AI 能力提升，並不代表企業會自然增加對 AI 的信任。調查也顯示，有 79% 的企業經常透過人工方式介入 AI 決策，主要原因包括缺乏可解釋性與情境資訊。當 AI 從提供內容與建議的 GenAI，進一步發展為可以自主執行任務的 Agentic AI，使用者信任度也由 76% 降至 66%。AI 自主程度愈高，企業對可解釋性、權限管理與責任歸屬的要求也隨之提高。

從 GenAI 到 Agentic AI AI 開始走進保險核心流程

陳新銓指出，2026 年保險業的重要發展趨勢之一，是從零散的 AI 試驗走向大規模 AI 轉型。AI 不再只是特定部門使用的輔助工具，而是逐步整合進業務行銷、報價與核保、理賠管理及保戶服務等日常營運。應用場景也從業務員智慧助理、個人化行銷，延伸至風險評估、核保決策、理賠、防詐、文件摘要與保單缺口分析等領域。

AI 要進一步參與核保與理賠，前提是企業必須先處理資料與既有系統的問題。不同部門若採用不同的資料定義，資料品質不一致，或企業既有規則無法與模型及流程串接，即使模型本身能力再強，也很難形成穩定、一致的判斷。因此，資料治理並非 AI 專案後端的準備工作，而是 AI 能否進入核心營運的重要基礎。

以理賠作業為例，AI 的應用已從文件辨識進一步延伸至審查與決策支援。AI OCR 可協助辨識事故原因與診斷證明、整理摘要、進行 ICD-10 判斷及病歷翻譯；後續再結合理賠規則與 AI 防詐模型進行風險評分，依照風險程度協助派案，提高調查命中率及理賠作業效率。

打造企業「AI 大腦」 先釐清哪些工作交給 AI

面對 AI 技術快速演進，盧希鵬則提醒，企業除了關注未來 AI 還能做到什麼，也應該重新思考哪些事情不會因技術改變。

對保險業而言，信任、風險判斷、長期關係與責任，仍是產業最核心的基礎。因此真正需要釐清的，不只是 AI 能不能完成一項任務，而是哪些工作適合交由 AI 處理，以及哪些責任仍必須由人承擔。

盧希鵬以 SCALE 描述企業「AI 大腦」的運作架構：Scan 掌握客戶、風險與市場變化；Choose 依據公司的規則與風險偏好進行判斷；Act 讓 Agent 執行工作；Link 串接人、資料、系統、Agent 與企業生態系；Ensure 則負責權限、稽核、人類接管與責任管理。

這套架構反映的，是企業導入 AI 時必須同時處理資料、決策、執行與治理。盧希鵬以韓國 DB Insurance 為例說明，該公司與 SAS 合作建立 AI 詐欺偵測網路後，分析時間從數小時縮短至 2 分鐘，偵測準確度提升 99%，可處理案件量增加 30 倍。背後的關鍵並非單一模型，而是將多年累積的保單、理賠及客戶資料整合，並把分析能力接進既有調查流程。

換言之，AI 要真正進入企業，不只是增加一項工具，更需要能夠連結既有資料、企業規則、權限與核心系統。這也決定了 AI 最終能否實際應用在核保、理賠與客戶服務，而非停留在概念驗證階段。

當 Agent 開始「動手」 治理從模型延伸到執行風險

當 Agent 能夠直接參與工作流程，AI 治理的範圍也隨之擴大。企業關心的不再只有模型是否準確，還包括 AI 為何做出特定判斷、擁有多少權限、哪些動作可以自行完成，以及在什麼情況下必須交由人工處理。

滕嘉敦以新加坡金融管理局（MAS）於 2026 年 7 月發布的 SAFR（Safeguards for Agentic Finance at Runtime）為例指出，金融業對 Agentic AI 的治理思維，正從「模型風險」進一步延伸至「執行風險」。

SAFR 的重點之一，是在 Agent 提出行動與真正執行之間設置即時檢查機制。企業可依照 Agent 的身分、權限與內部風控規則，決定是否允許自動執行、拒絕執行，或轉交人工審核；系統同時保留完整的執行紀錄，以利後續稽核與追溯。這使 AI 治理從模型上線前的審查，延伸到 Agent 每一次實際執行工作的當下。

SAS 的 AI 治理架構同樣涵蓋測試驗證、版本控管、可解釋性、業務控管機制、模型評分卡、資料血緣、可追溯紀錄、人機互動及監管治理等環節。企業因此不只需要知道 Agent 能完成什麼工作，也必須清楚掌握其權限範圍、決策依據，以及發生異常時的接管與追溯機制。

對保險業而言，下一階段的 AI 競爭焦點，將逐漸從導入多少工具，轉向企業能否把資料、模型、規則、流程、人員與 Agent 有效整合，並建立相應的治理制度。只有當 AI 能在清楚的權限與責任架構下進入業務、核保、理賠與保戶服務，企業才有機會真正把 AI 從試驗帶進日常營運。

盧希鵬最後提出 3 個值得企業高階主管思考的問題：企業的 AI 大腦架構是什麼？哪些工作可以交給 AI、哪些責任仍須由人承擔？以及，當未來一名主管可能同時管理 10 個人與 100 個 Agent 時，企業的治理是否已經準備好？

從 GenAI 走向 Agentic AI，保險業面對的不只是技術能力的升級，也是企業管理方式的改變。當 AI 開始真正參與決策與執行工作，如何在效率、信任與責任之間取得平衡，將決定企業能否進一步從「使用 AI」，走向真正「經營 AI」。

SAS 台灣暨香港金融事業群業務顧問部門負責人 滕嘉敦

台灣科技大學資訊管理系特聘教授 盧希鵬

SAS 金融事業群業務副總經理陳新銓