講者： 陳嘉文總經理

地點：國立臺灣大學 天文數學館202演講廳

內容摘要：

從歷史演進看產險創新：精算與大數據的融合契機

陳嘉文總經理從17世紀倫敦大火談起，帶領聽眾回顧產物保險的歷史脈絡，並指出隨著電動車、自駕車、氣候變遷等新風險興起，產險商品設計已逐步融入大數據與科技元素。他強調，現代產險商品不僅涵蓋自然災害與交通工具，更延伸至食品安全、外送平台、衛星與資安等領域，展現產險對即時社會風險的高度敏感與回應能力。透過保險制度，社會得以運轉無礙——「沒有保險，車子不敢上路，飛機不敢飛上天。」

數學、精算與AI：三種風險預測邏輯的對話

針對數學系學生，陳總經理特別區辨數學、精算與大數據在風險建模上的核心差異：數學著重理論推導與靜態規律，精算則結合商業趨勢進行長期預測，大數據與AI則仰賴即時動態資料，進行靈活預警與行為分析。他以2021年防疫險的理賠挑戰為例，指出傳統模型在突發變局下的侷限，也呼籲產業需融合三種邏輯，發展能應對未來不確定性的保險科技。

AI時代的精算師與職涯思維轉型

在AI逐步重塑職場的當下，陳總經理勉勵理工學生思考如何與AI協作而非競爭。他提出「AI加」「AI與」「AI減」三種職涯路徑，提醒學生要將AI視為輔助工具，發展不可被機器取代的整合與判斷能力。精算師正是融合數學嚴謹、商業實務與科技應用的跨域專才，從雞蛋到衛星、從防疫險到農業保險，都是其風險設計與預測的舞台。他鼓勵學生：「讓數學與科技成為你改變世界的語言。」

【演講內容全文】 

數學精算到大數據的啟發

三井住友海上集團明台產物保險公司陳嘉文總經理

　　此次數學沙龍邀請到「明台產物保險公司總經理陳嘉文」以「從精算到大數據：產險業的轉型與挑戰」為題，進行一場結合理論與實務的精彩分享。演講中，陳總經理從保險產業的歷史發展談起，進而延伸至精算與大數據在商業實務中的應用，並提出對未來自動駕駛、AI職場衝擊及職人精神的深刻洞見，為在場學生帶來豐富啟發。

歷史與創新並進的產險產業

　　陳總經理以歷史為切入點，引導聽眾認識產物保險（簡稱「產險」）的發展脈絡。這門業務在英語中對應的術語為 property and casualty insurance，在日本稱為「損害保險」，與「壽險」並列為保險產業的兩大支柱。不同於僅有數十年歷史的科技產業，產險自17世紀即已萌芽，其商品設計與社會功能伴隨歷史演進不斷更新與擴張。

　　他指出，1666年倫敦大火燒毀大半木造建築，成為火災保險發展的起點；1903年萊特兄弟發明飛機後，隨之而來的航空風險亦催生航空保險商品；汽車保險則起於19世紀末德國與美國汽車量產時期，回應車禍頻繁與財損、人損的實際需求。到了21世紀，隨著電動車、自動駕駛與共享交通興起，車險商品也逐步整合大數據與車聯網技術，進入使用型保險的新時代。

　　在臺灣，1999年九二一大地震造成大規模住宅倒塌與居民無家可歸，突顯地震風險保障的缺口。陳總經理指出，政府與業界當時推動住宅地震保險制度，設立中央再保基金支撐的共同承保機制，使得地震險自此成為房貸過程中幾乎不可或缺的選項。截至今日，已有約四成住宅完成投保，反映出風險意識的提升與制度化成果。

　　現代產險商品涵蓋範圍相當廣泛，除了自然災害與交通運輸工具，亦延伸至科技設備（如手機）、衛星、無人機、資料資安，甚至是防疫期間應運而生的防疫保險。陳總經理特別指出，即便防疫險看似屬於健康風險，實則其停班損失、隔離費用與商業中斷等屬財務損失，乃由產險業承保，反映出其對即時社會風險的快速回應與調適能力。

當保險商品回應社會風險

　　保險商品的設計本質上是一種對社會風險的制度性回應。陳嘉文總經理舉出多個貼近時事的例子說明產險與公共安全的緊密關聯。

　　例如，隨著食品安全事件頻傳，餐飲業者需投保產品責任險與公共意外責任險，避免因食物中毒或場地事故面臨鉅額賠償風險。而在體育領域，近年臺灣為籌備亞洲賽招募選手時，部分職業運動員擔心參賽受傷將影響收入而拒絕出賽，凸顯職業選手失能保障的重要性。明台產險早在十多年前即從日本引進「運動失能險」，專為此類需求設計保單，提供競賽期間的收入損失保障。

　　此外，外送平臺的興起也帶來新的保險型態。Uber Eats、Foodpanda 等平臺勞動者在法定上並非雇員，卻每日面對交通事故風險。陳總經理指出，臺灣過去並無專為此族群設計的責任保險，明台遂參考國際經驗引進「外送責任險」，為非典型就業者提供應有保障。他強調：「若無保險支撐，許多創新商業模式根本無法成立。」

一場海難背後的保險爭議

　　為了幫助學生理解產險在歷史事件中的角色，陳總經理也分享了鐵達尼號的保險爭議。他引述英國作家的研究指出，白星輪船公司旗下的奧林匹克號與鐵達尼號幾乎一模一樣。奧林匹克號因撞擊軍艦而受損、無法理賠，公司財務因此陷入危機。有人懷疑，該公司將兩艘船調換名稱，讓受損的奧林匹克號以「鐵達尼號」之名出航，藉海難事故取得保險金。

　　這項說法雖無法證實，但種種巧合令人玩味。例如，事故發生當晚距離最近的加州人號未參與即時救援，卻被發現船上載有大量貨物卻無乘客；且該船位於事故點僅24公里處，彷彿早有預備。這些細節揭示保險在高額理賠情境中，可能成為企業決策背後的重要動機。

沒有保險，現代社會寸步難行

　　在段落結尾，陳嘉文總經理用一句話點出保險制度的本質功能：「沒有保險，車子不敢上路，飛機不敢飛上天，船也不敢離港，銀行更不會發放房貸。」保險不僅是個人或企業損失的補償工具，更是一個社會與經濟得以運作的制度保障。他強調，現代生活中看似理所當然的活動，其實背後仰賴一整套風險分攤與預測機制的支持。

　　他也提醒同學，產險雖不像科技產業一樣具有光環，但卻在社會各層面默默發揮著不可或缺的作用。無論是居住安全、交通網絡、商業投資還是政策執行，保險與風險管理皆在背後發揮關鍵力量。對於未來有志於數據科學、金融分析、公共治理或精算實務的學生而言，產險產業是充滿挑戰與機會的實務場域。

日系保險公司的在地經營與國際佈局

　　明台產險隸屬於日本三井住友海上集團，總部設於台北市仁愛路，近年完成整棟大樓的智慧化改造。陳總經理提到，公司現有八位日籍同仁，包含董事長與多位策略委員會成員，顯示其深厚的國際背景與企業治理多元性。自 2005 年三井住友集團併購以來，明台產險成為百分之百日資公司，並積極導入日本保險業在商品創新、客戶服務與風險管理方面的精緻經驗。

　　三井與住友皆為日本戰後重組的舊財閥，在全球擁有龐大事業體系，旗下包含新光三越百貨、三井Outlet、豐田汽車（Toyota）等知名品牌。其保險事業部門三井住友海上（MS&AD）集團亦為亞洲領先的保險機構之一。陳總經理指出，作為跨國集團的一員，明台在亞洲區國際會議與技術交流中扮演重要角色，也為員工提供廣泛的語言訓練與海外研習機會。

數學、精算與大數據：三種觀點的風險預測邏輯

　　對數學系的學生而言，陳總經理特別強調精算、數學與大數據三者的異同：

數學：以歷史資料進行推導與建模，建立關係與規律；

精算：在數學推理基礎上，結合商業風險與趨勢進行未來預測與商品設計；

大數據與AI：利用即時性、高頻率的資料，建立動態模型做出預測與行為分析。

　　他說明，雖然三者皆與風險建模與預測有關，但其資料來源、建模方法與應用目標卻大相逕庭。數學強調從歷史資料中抽象出規律，藉由推導與建模建立變數間的關係與結構，例如透過機率論與統計方法推估事件發生的機率分布，為風險評估奠定理論基礎。精算則在數學的基礎上，更進一步結合商業風險管理的邏輯，強調對未來趨勢的預測與商品設計的合理性。例如在設計保單時，不僅考量目前的損失機率，還需估計通貨膨脹、科技演變、人口老化等長期趨勢對理賠成本的影響。簡言之，數學偏向靜態關係建模，精算則強調未來風險的動態預測。

　　相較之下，大數據與人工智慧的核心價值在於「即時性」與「高頻率」。這類方法仰賴大量非結構化或結構化資料，例如即時交易紀錄、感測器資料、社群媒體訊息等，透過機器學習等技術建構預測模型，捕捉瞬息萬變的行為模式與風險輪廓。這類模型不再單純仰賴先驗機率假設，而是持續修正、動態更新，對於回應快速變動的市場環境尤為重要。

　　陳總經理以2020年疫情期間的「防疫險」為例，具體說明上述三者之間的差異。當時多數精算模型係基於過去傳染病案例進行風險估算，但由於COVID-19防疫政策迅速變化、社會行為難以預測，加上保單設計未能涵蓋突如其來的大規模申請，導致保費與實際理賠呈現極端錯配，形成保險業「人算不如天算」的典型案例。

　　此現象凸顯傳統精算模型的侷限，也提醒業界需導入更多即時資料與AI模型，進行更靈敏的趨勢預警與風險反應。「當環境變化速度超過模型更新的速度，過去的推估就容易失準。」陳總經理強調，未來的保險科技將是跨領域人才合作的成果，結合數學邏輯的嚴謹性、精算判斷的實務性與AI技術的靈活性，方能真正建構出面向未來的不確定性管理體系。

使用行為定價的創新：行車大數據與「使用型保險」

　　隨著科技進步與數據蒐集能力提升，產險業也逐步進入「使用行為驅動定價」的新時代。陳嘉文總經理以車險商品為例，說明近年推動的「使用型保險」（Usage-Based Insurance, UBI）如何整合行車大數據，實現更公平與動態的保費設計。

　　2020年COVID-19疫情期間，美國多數民眾居家防疫，車輛行駛里程驟減，使得車禍發生率隨之下降，多家保險公司甚至主動退費給客戶。這一現象突顯「實際使用里程」才是決定風險的關鍵因素，催生出根據個人駕駛行為與里程制定保費的保險設計。

　　此後，明台產險在日本母公司三井住友的技術支援下，開發出以行車紀錄裝置與App為基礎的UBI商品。這類產品透過安裝有SIM卡功能的行車紀錄器，實時上傳駕駛的行為資料至雲端，包括平均車速、急煞次數、急加速頻率、駕駛時段等指標，並計算出個人風險PR值作為費率依據。陳總經理指出：「傳統以星座、年齡等統計變項區分保費，並不一定準確；唯有透過實際駕駛行為數據，才能讓保費更合理、公平。」

　　未來進入自動駕駛階段後，風險責任主體亦將轉移。由於車輛將由系統控制，保險的對象將不再是駕駛者個人，而是汽車品牌與自駕系統的產品責任。屆時，產險業的焦點將從個體行為風險管理，轉向軟體設計與演算法安全性的風險控制。

大數據自動理賠：從旅平險到農業保險的創新實踐

　　除了車險外，大數據也正逐步改變其他保險產品的服務流程與理賠模式。陳總經理提到，過去旅平險若發生班機延誤，投保人需主動蒐集航空公司開立的延誤證明、登機證明等文件，再郵寄或親送至保險公司進行理賠申請，流程繁瑣，金額也常僅數千元。

　　為解決此一痛點，明台產險串接全球航空資料系統，一旦偵測到航班延誤，系統便自動傳送簡訊給投保人，請其填寫帳戶資料，保險金即自動撥付，大幅簡化理賠流程並提升用戶體驗。

　　同樣的邏輯也被應用於農業保險。因應氣候變遷帶來的颱風與豪雨風險，明台推出「氣候參數型農業保險」，只要監測到特定地區氣象站紀錄風速達特定標準，即自動觸發理賠程序。不需人工勘查與申請，即可撥付補償金。陳總經理坦言：「因為農民年齡普遍偏高，手機使用率有限，我們在設計時就納入直接匯款的機制，讓簡訊僅作為通知工具。」這種「資料驅動、無申請」的理賠機制，展現大數據應用於產險流程再造的潛力。

防疫險風暴下的精算挑戰

　　談及近年產險業最廣為人知的商品，非2021至2022年間的「防疫險」莫屬。陳總經理指出，防疫險的誕生本意為提供染疫者經濟補償，初期以合理的費率設計與理賠條件進行銷售，但當疫情政策趨向開放、確診人數暴增時，許多公司猝不及防地遭遇巨額賠付風險。

　　防疫險的風險失控，除了突發的疫情變異與社會行為難以預測外，更與保險設計本身的「對價錯配」有關。初期產品以「確診即賠」為主軸，吸引大量民眾搶購。有些保戶甚至在同一時間購買多張不同公司的保單，出現單人持有十張以上的極端案例。另一方面，政策延遲停售、主管機關對保險公司的「不得雨天收傘」期待，以及業務員廣泛傳遞停售訊息，皆加劇市場壓力，導致理賠支出大幅超過保費收入。

　　這場防疫險風暴，成為產險業面臨即時社會變化、輿論壓力與保單設計邏輯碰撞的實戰案例，也突顯傳統精算模型在極端事件中的侷限性與未來整合即時資料模型的必要性。

精算師的未來定位與理科背景的優勢

　　陳總經理指出，根據勞動部統計，目前臺灣產險業僅有約48位合格精算師，壽險業也僅125位，屬於極為稀缺且高專業性的職種。相較於醫師、會計師、律師等傳統「三師」，精算師既具備高薪潛力，又少有夜班與高壓環境，更適合理工科背景者發展。

　　他以自身經歷為例，強調臺大數學、統計、物理、土木等學系的學生在微積分、機率論、統計學等基礎科目上具備絕對優勢，對於精算考試可謂「一盤小菜」。相較之下，保險系畢業生雖熟悉產業結構，但往往在數理門檻上面臨挑戰，反而使理工學生在專業職場上更具競爭力。

精算師的視野：從寵物到衛星，從雞蛋到AI

　　為展現精算師工作的廣度與深度，陳總經理舉出多種獨特保險商品作為例子：從應對少子化趨勢的寵物保險、因應專業責任風險的會計師責任險與律師責任險，到涵蓋電動車、無人機、資安、甚至人造衛星的財產與營運保險。他笑稱：「精算師是上至天文、下至地理，什麼都得懂的角色。」

　　此外，綁架與勒贖保險、藝術品保險、旅平險搭配財產損失保障等，也都屬於精算設計的延伸領域，顯示現代精算師需不斷拓展風險想像力，與時俱進。

AI時代的職場對話：從親子交流看新世代職涯焦慮

　　在演講尾聲，陳總經理回到「AI新職人」的主題，以自身與子女的日常對話為例，分享對下一代職涯選擇與社會變化的觀察。他指出，AI不再只是未來的趨勢，而是當下正快速滲透職場各個層面的真實力量。面對AI與自動化所帶來的工作模式重組，他提醒學生：「未來的競爭，不是人與人之間的競爭，而是人與AI之間的分工與協作。」

他提出三種可能的AI職涯路徑，供學生思考：

AI加（AI plus）：將AI能力整合到自身工作中，提升效率、擴大影響力；

AI與（AI with）：與AI並肩作業，懂得如何判讀AI產出、提供人類價值的補充；

AI減（AI minus）：被AI取代，職位消失。

　　他提醒學生：「最可怕的不是AI會做什麼，而是你只會做AI也能做的事。那些可以被機器取代的職位會逐步消失，但那些能與AI共構價值的人，會成為未來的關鍵人才。」

　　面對這樣的未來，陳總經理認為，理工科學生具備數理邏輯、抽象建模與跨域整合能力，是最有潛力適應並領導AI時代變革的一群人。他勉勵學生：「將AI視為你的工具，而不是你的對手；讓數學與科技成為你理解世界、改變世界的語言。」