商傳媒｜葉安庭／綜合外電報導根據《Harvard Business Review》報導，保險業者在擁抱人工智慧（AI）科技的同時，卻普遍面臨數據不足的窘境，導致AI的雄心遠超越其數據處理能力，形成一個「AI數據鴻溝」（AI Data Gap）。這意味著，企業在信任AI系統執行理賠審核、詐欺偵測或保單撰寫等關鍵任務前，必須確保其數據的準確性、即時性與治理能力。
一份由 EXL 於 2026 年發布的研究顯示，超過半數的保險公司已將AI應用於詐欺偵測與客戶服務，而近半數則全面部署於精算及核保解決方案。這些應用讓AI能在幾秒內標記可疑理賠、整理核保人員需數小時才能蒐集的資料，並處理常規性事務。然而，92% 的保險業者認為數據是AI成功部署的一大挑戰，其中數據孤島（data silos，指不同系統間數據無法互通、整合的問題）在保險業中造成的障礙，甚至比其他受調查的產業更為嚴重。
Shelter Insurance（Shelter Insurance）副總裁 Vibhor Gupta 與 Reltio 創辦人兼執行長 Manish Sood 指出，無論模型如何精密，底層數據若不足，AI的潛力便會受限。以 Shelter Insurance 為例，該公司在轉移至現代保險平台前，決定先透過 Reltio 整合並治理客戶數據。此舉讓 Shelter Insurance 能自主決定數據的正確性與所有權。透過「數據先行」的策略，Shelter Insurance 僅用 18 個月便成功完成其最大業務線的全面轉型，且如期並在預算內完成。
由於客戶搬遷、保單透過多種管道續約以及系統間數據更新不同步等因素，保險數據無法自行保持準確。Shelter Insurance 便發現超過 10 萬筆保單記錄存在衝突資訊。面對此情況，該公司並非讓AI直接判斷數據正確性，而是建立一個AI代理程式，專門找出數據中的矛盾點，並提交給人類代理人進行審閱與解決。這些最接近客戶的在地代理人會審查標記出的衝突，確認正確資訊後再回流至系統。
這顯示AI治理不僅是IT或法規遵循團隊的職責，更是企業領導階層的責任。在賦予AI代理程式權限前，企業必須回答五個關鍵問題：它是否知道正在處理哪個客戶、保單或理賠？它是否具備相關歷史紀錄、關係與權限？它能否解釋其結論的依據？它是否有權採取行動，或需要人工核准？以及，人工是否能審查、覆寫並改進結果？唯有能符合這些標準的AI代理程式，才具備被信任的基礎。
