Showing Posts From
客戶信任
你的客戶帶著 AI 給的膽量走進來——HSBC 兩萬人調查：49% 因為 AI 更敢冒險，真要下決定時只有 12% 信 AI
過去三年，幾乎每一份「AI 對財富管理的衝擊」報告都在問同一個問題：客戶會比較相信 AI，還是比較相信真人？這個問法本身就錯了。 HSBC 在 2026 年 6 月 24 日發布的「信任門檻」（The Trust Threshold）全球調查，委託 Ipsos 在 2026 年 1 月 6 日到 2 月 6 日訪問了 10 個市場（含台灣）共 9,993 名富裕與高資產投資人。它沒有去問「AI 還是人」，而是問了一個更聰明的問題：在客戶決策旅程的哪一個點上，他相信誰？ 答案揭開了一個全新的客戶行為位移——而這個位移，正好畫出了你佣金真正的來源。 HSBC「信任門檻」：客戶在探索時信 AI，在下手時信你 先看這道門檻有多陡。HSBC 問受訪者：你上一個投資想法是從哪裡來的？真人專業與機構佔 62%，AI 佔 32%。差距已經存在，但還沒到誇張。 真正的斷崖在下一題：你上一筆「實際決定」，最具影響力的因素是什麼？真人專業跳到 37%，而 AI 掉到 12%——整整三倍的落差。在美國市場這個數字更極端，只有 7% 的人說 AI 驅動了他們上一次的重大決定。"Clients use AI to explore options, but value judgment, context, and accountability from trusted advisers." （客戶用 AI 去探索各種選項，但他們真正看重的，是值得信任的顧問所提供的判斷、脈絡與當責。） ——Barry O'Byrne，HSBC 國際財富與卓越理財業務執行長，2026 年 6 月這就是「信任門檻」的核心邏輯：客戶的信任不是一個總分，而是一條會在「下決定那一刻」突然抬高的門檻線。探索階段，門檻很低，AI 暢行無阻；可一旦要把錢真的押下去，門檻瞬間升起，AI 被擋在外面，客戶回頭找人。 「被 AI 灌了膽」的客戶：49% 更敢冒險、51% 更有掌控感 過去客戶來找你，常常是因為他「不懂、不敢、沒方向」。現在不一樣了。 HSBC 的數據顯示，AI 改變的不只是客戶的資訊量，更是他的心理狀態：49% 的人說 AI 讓他們更願意承擔可計算的風險、51% 覺得對自己的投資更有掌控感（只有 26% 覺得失控）、20% 說 AI 降低了投資的「被嚇到」感。而在 Z 世代與千禧世代身上，這股膽量更猛——分別有 59% 與 58% 說自己更敢冒險。 換句話說，走進你辦公室的那個客戶，已經被 AI 灌飽了膽量。 他帶著一堆從 ChatGPT 挖來的想法、一張自己跑出來的資產配置、一個「我覺得現在該 all-in 半導體」的結論。他不是來請你掃盲的，他是來請你驗證他壯起來的膽子到底該不該壯的。 這是業務員角色的根本位移：你不再是「資訊的提供者」（那個位置 AI 已經佔了），你變成「站在信任門檻上的那個人」——在客戶要下手的瞬間，提供判斷、驗證與煞車。 把「信任門檻」變成三個你能交付、AI 給不了的東西 HSBC 同一份調查問了一個關鍵問題：客戶到底看重顧問的什麼？答案剛好就是門檻線那一邊、AI 跨不過去的三件事。 一、安心感（Reassurance）——80% 的人排第一 做法： 不要急著證明你比 AI 算得準，而是讓客戶在按下決定鍵之前感覺到「有人在這裡兜底」。 高達 80% 的受訪者把「安心感」列為顧問最重要的價值，遠高於其他項目。這不是軟性的客套，這是門檻最高、AI 最給不出來的東西——因為安心感的本質是當責（accountability）：AI 給完建議就消失，沒人為錯誤負責；而你的名字、你的執照、你的關係，都壓在這筆決定上。 當客戶說「我用 AI 跑過了，它說這樣配沒問題」，最弱的回應是「我幫你再算一次」。最強的回應是：「數字它算得很好。我想跟你確認的是——如果明年市場真的腰斬，這個配置會讓你睡不著，還是還睡得著？這一題 AI 沒辦法替你回答，但我會陪你想清楚。」你把對話從「算術」拉回「承擔」，那正是門檻的這一側。 二、策略專業與驗證（Strategy & Validation）——72% 與 32% 做法： 把客戶帶來的 AI 結論，放進他「整張人生財務地圖」裡檢查，而不是孤立地評價那個結論本身。 72% 的客戶看重顧問的策略專業，32% 明確說要顧問來「下判斷與驗證」。客戶用 AI 算的，往往是一個局部最佳解——這支基金好不好、這個比例合不合理。但他沒有的是全局：這筆錢和他三年後要付的學費、五年後想換的房子、退休後的現金流，是不是打架。 AI 給的是答案，你給的是「這個答案放在你身上對不對」。當客戶拿著一個漂亮的回測來，你要做的不是挑回測的毛病，而是問：「這個策略假設你十年不動它，但你前年才跟我說想三年內買房——這兩件事我們得先對一下。」 三、抓出 AI 的錯誤（Catching AI Errors）——29% 的人明說要 做法： 把「驗證 AI」變成一個你主動提供的服務環節，而不是等客戶踩雷才補救。 這是最被低估的一格：29% 的受訪者直接說，他們希望顧問幫忙抓出 AI 生成內容裡的資料錯誤，另有 28% 要顧問幫忙把複雜資料個人化。AI 會自信地給出過期的稅率、虛構的條款、張冠李戴的數字——而客戶往往沒有能力分辨。 你可以把這件事直接搬上檯面：「你用 AI 查到的這幾點，我幫你核對一下哪些是現在還有效的、哪些它記錯了。」這一句話，瞬間把你從「跟 AI 競爭的人」變成「替客戶監督 AI 的人」——而後者，是 AI 結構上不可能自己扮演的角色。 台灣座標：相對保守的 43%，更需要那道煞車 這份調查對台灣讀者有直接意義。台灣有 43% 的投資人說 AI 讓他們更敢承擔可計算的風險——這個數字低於印度（64%）、阿聯（63%）、馬來西亞（54%）、香港（53%），被 HSBC 歸類為「相對保守」的市場，與美國、新加坡、英國同一檔。 別把「保守」讀成「AI 影響小」。它的真正含義是：台灣客戶在跨過信任門檻時會更猶豫、更需要那一句「我覺得可以」或「我覺得再等等」。換句話說，門檻這一側的真人判斷，在台灣的權重只會更高，不會更低。 客戶被 AI 灌的膽，到了下手那一刻會自己縮回來，而那個縮回來的瞬間，就是他最需要你的時候。 整份報告其實在傳遞一個很反直覺的好消息：AI 越強，客戶探索得越多、想法越大膽，被推到門檻邊緣的客戶就越多。AI 負責把人帶到河邊，而過不過河、什麼時候過，仍然是人在決定要不要拉客戶一把。你的工作從「把水送到客戶面前」變成「站在河邊那個值得託付的人」——這一格，正是 HSBC 兩萬人用數據幫你圈出來的、AI 跨不過去的護城河。📎 這篇只拆了「信任門檻」最核心的決策落差與三項顧問價值，但 HSBC 的完整新聞稿還有更多值得細看的數字：各世代使用 AI 的比例（Z 世代高達 86%）、客戶把多少投資報酬「歸功」給 AI（平均 33%，高資產族群更達 39%），以及 10 個市場逐一的風險偏好對照。如果你想把這套框架套進自己的客戶名單，建議直接讀原文，把你客戶所在世代與市場的那一格數字標出來——那會是你下一次面談最好的開場座標。
保險公司一邊把 AI 推上線、一邊砍掉訓練預算——Covenir 6/9 報告揭穿『理賠那一刻』的信任缺口，正是業務員的護城河
我們已經聽了一年「AI 會填補保險業的人力缺口」。但 Covenir 在 2026 年 6 月 9 日發佈的營運趨勢報告講的是另一個故事：AI 不是在填補缺口，而是在製造一個新的缺口——而且這個缺口剛好落在客戶最脆弱、最情緒化的那一刻。 這份報告在 2026 年 2 到 3 月訪問了 152 位美國保險營運決策者，涵蓋保險公司、MGA（核保代理）和 insurtech。它的數據沒有教你任何話術，但它精準地畫出了一條線：哪些事 AI 接走了，哪些事人類業務員反而變得更值錢。今天我們就來拆解這條線。 Covenir 報告的核心矛盾：自動化的速度，快過訓練人的速度 先看三組數字疊在一起的畫面。 第一組：70% 的受訪組織已經在正式環境（live operations）跑 AI，一年前這個數字是 58%。AI 早就過了試點階段，被直接嵌進理賠通報、文件處理、品質稽核、數據分析的日常流程裡。 第二組：在同一批公司裡，有 20% 正在砍訓練預算，只有 7% 明確保護訓練預算。 第三組，也是最刺眼的：在 AI 部署最成熟、跨多個部門都在用 AI 的那群公司中，54% 計畫在 2026 年縮減人力投資——這是經驗較淺同業（11%）的五倍。 把這三組數字接起來，Covenir 總裁兼執行長 David Squibb 的這句評語就有了重量："Insurance operations leaders are doing something genuinely hard right now—deploying AI while cutting the training budgets that make it work." （保險營運主管現在正在做一件真的很難的事——他們一邊部署 AI，一邊砍掉讓 AI 真正能運作的訓練預算。）換句話說，公司自動化的速度，正在超過它訓練人的速度。機器被推上線，但站在機器旁邊、要在機器出錯或機器搞不定時接手的那個人，沒有被準備好。這就是缺口的來源。 「品牌承諾崩壞點」的定位：42% 發生在 First Notice of Loss 報告裡有一個自我打臉的對照，值得每個做服務業的人記住。 90% 的營運主管「有信心」自家營運能兌現對客戶的品牌承諾，整體產業樂觀指數還從去年的 83% 升到 88%。聽起來一切都好。 但當被問到「品牌承諾最常在哪裡崩壞」時，42% 的人指向同一個地方：First Notice of Loss（FNOL，理賠通報的第一通電話）。 這個定位非常關鍵。FNOL 不是報價、不是核保、不是續約提醒——它是客戶剛剛出事的那一刻：車禍了、房子淹水了、家人住院了。客戶在這通電話裡帶著恐慌、憤怒、不知所措，而且這通電話往往是他這輩子第一次「真正使用」這張保單。他買保險買的就是這一刻。 而 Covenir 的數據顯示，這一刻正好落在人力最不足、訓練最被抽乾的團隊手上。AI 可以幫你做意圖辨識、自動填表、案件分流，但當一個剛出車禍的人哭著打進來，他要的不是效率，是有人接住他。當公司同時做了「上 AI」和「砍訓練」這兩件事，崩壞就發生在這個最不能崩壞的點。 這就是業務員的護城河所在。下面把它拆成三個可以馬上重新定位自己的動作。 把自己從「報價員」改寫成「理賠陪跑者」的三個動作 一、在投保時就先賣「理賠那一刻」（Pre-frame the FNOL Moment） 做法： 不要等到出事才出現，在成交當下就把「出事時我會在」寫進你跟客戶的關係裡。 大多數業務員在簽單那一刻講的是保額、保費、條款。試著多加一段對話：「我知道現在講這個有點怪，但我希望你記住——如果哪天真的出事了，你第一通電話不一定要打給保險公司的客服專線。你可以先打給我。我會陪你把整個理賠流程走完，告訴你下一步該幹嘛、要準備什麼文件、大概多久會下來。買保險買的就是那一刻有人在。」AI 客服永遠不會在投保時對你做出這個承諾，因為它沒有「之後會在」這件事。你有。這句話把你跟一個 24 小時不打烊但毫無記憶的系統，徹底區隔開來。 二、當客戶通報理賠時，先處理情緒，再處理流程（Emotion Before Process） 做法： AI 的第一句話一定是流程性的（「請問您的保單號碼是？」），你的第一句話要是情緒性的。 這正是 Covenir 報告點出 FNOL 崩壞的核心——機器擅長流程，但理賠那一刻客戶要的是被理解。當客戶慌張地打來：客戶：「我出車禍了，現在整個人很亂，不知道怎麼辦……」 你（錯誤示範）：「好，我先幫你查一下保單，請問對方有沒有報警？」 你（理賠陪跑者）：「先深呼吸，你跟車上的人都還好嗎？……好，最重要的是人沒事。剩下的車子、文件、理賠，那是我的工作，我會一步一步陪你弄。你現在唯一要做的就是先穩下來。」差別不在資訊量，在順序。AI 可以瞬間調出保單，但它不會先問「人還好嗎」。你願意先花三十秒接住情緒，這三十秒就是客戶一輩子記得你的理由。 三、把理賠進度變成主動回報，而不是被動查詢（Own the Dashboard Gap） 做法： 報告裡有另一個被低估的數字——81% 的主管說營運洞察攸關生死，卻有 47% 的人「沒在用數據，或無法把儀表板變成決策」。公司有一堆數據卻動不了，那個落差就是你的機會。 理賠最折磨人的不是金額，是「不知道現在進度到哪」。客戶在等的時候腦補出來的焦慮，比實際等待更傷關係。與其讓客戶自己上系統查、或打去客服排隊，不如你主動：「跟你回報一下，你的理賠案件今天進到審核階段了，理賠專員那邊我也盯著，預計這週五前會有結果。你什麼都不用做，有任何進度我會第一時間跟你說。」公司的儀表板有數據、卻變不成「讓客戶安心的一句話」——這個翻譯動作，AI 做不到，因為它不會主動關心一個沒在問問題的人。你做得到。你就是那個把冷冰冰的系統狀態，翻譯成「有人在替我看著」的人。說到底，Covenir 這份報告最反直覺的地方在於：它不是一份唱衰人類的 AI 報告，它是一份意外證明人類在哪裡值錢的報告。當 70% 的公司把 AI 推上線、卻有一半的成熟玩家同時準備砍人，他們親手把「最情緒化、最需要被接住的理賠那一刻」留出了一個破洞。報價可以被自動化，核保可以被自動化，文件可以被自動化——但「出事時有一個記得你、會陪你走完的人」沒辦法被自動化。把自己從報價員改寫成理賠陪跑者，你站的就是那個 AI 永遠補不上的位置。📎 這篇只抓了 Covenir 報告裡跟「理賠信任缺口」最相關的幾個數字。原報告還談了更多營運面的趨勢——像是 68% 的公司預算其實是增加的、卻有 65% 的團隊比以往更被壓榨，以及 29% 的主管開始要求外包夥伴必須內建 AI 解決方案（也就是連 BPO 都在 AI 化）。如果你想看完整的數據脈絡、以及保險公司自己怎麼看待這場「自動化 vs 人力」的拉鋸，可以讀 Insurance Journal 的原始報導，或直接看 Covenir 對 2026 營運趨勢的完整解讀。
Insurity 2026 調查：消費者支持 AI 用在保險『翻倍成長』，但有一條線他們堅決不讓 AI 跨過——那條線，就是你這個業務員的護城河
過去一年，保險業務員問我最多的問題大概就是：「AI 真的會取代我嗎？」 我以前都用「AI 不會取代你，但會用 AI 的人會取代你」這種話術回答。但現在我有更精準的答案了——而且這個答案不是哪個顧問講的，是 1,000 多位美國消費者親口畫的線。 Insurity 4/21 公布了 2026 年的 AI in Insurance 消費者報告。這份由 Wakefield Research 在 2026 年 2 月執行、訪問 1,000 多位美國成年人的調查，做了一件業界很少有人做的事：它沒有問業務員怕什麼，它問消費者願意把哪些事交給 AI、又有哪些事打死不讓 AI 碰。 結果非常清楚。清楚到我覺得每一個保險業務員都應該把這份報告印出來，貼在電腦螢幕旁邊。 Insurity 2026 報告：消費者支持 AI 翻倍成長，但「翻倍」之後還有一條更重要的界線 先講最容易被新聞標題拿去用的那一段。 2025 年，只有 20% 的美國消費者覺得「保險公司用 AI 改善服務」是好事；2026 年，這個數字翻倍到 39%。同時，「會因為保險公司公開使用 AI 而比較不想買」的比例，從去年的 44% 降到今年的 36%。 這份調查也顯示，84% 的美國消費者至少偶爾會用 AI 工具，27% 是每天用。 如果你只看到這裡，你會得到「AI 大勢已成、業務員快沒飯吃」這種媒體很愛寫的結論。 但 Insurity 報告真正值錢的，是後面那一段——當問卷問到「你願意讓 AI 替你做什麼？」時，數字突然出現了一條鋒利的分水嶺。 第一條界線：「資訊流」可以給 AI，但「決策流」要人來 把報告的數字攤開來看，消費者畫出的那條線會自己跳出來。 消費者願意讓 AI 做的事（接近一半的人都 OK）：46% 願意讓 AI 生成報價（quote） 39% 願意讓 AI 追蹤理賠進度（claim status） 38% 願意讓 AI 更新個人資料消費者拒絕讓 AI 做的事（大部分人都不要）：只有 22% 願意讓 AI 替自己提出理賠申請 只有 16% 願意讓 AI 替自己取消或續約保單 將近 50% 的人明確不信任 AI 做「理賠核准、詐欺判定、保單調整」這類決策 只有 33% 信任 AI 主導的保險決策看出規律了嗎？"Consumers have moved past the hype cycle. They are not impressed by the fact that insurers are using AI. They care about how it is being used." （消費者已經不在意「保險公司用了 AI」這件事本身了。他們在意的是 AI 被用來做什麼。）這是 Insurity 總裁 Jatin Atre 給 Insurance Business Magazine 的解讀。但更狠的話在後面："If AI is deployed simply to cut costs or automate decisions without explanation, trust will erode. If it is deployed to make underwriting smarter, claims faster, and interactions clearer, with real oversight behind it, trust grows." （如果 AI 只是被用來降低成本、在沒有人解釋的情況下自動做決定，信任會崩盤。如果 AI 是讓核保更聰明、理賠更快、互動更清楚，並且背後有真實的人在監督——信任會成長。）「real oversight」——真實的監督。這四個字是整份報告的關鍵字。 消費者要的不是 AI 滾出去，而是 AI 出現的時候，他們抬頭要看得到一個人。 為什麼是這條線？因為這是「責任能不能轉嫁」的線 這條 46% vs 16% 的鴻溝，看似是消費者的「直覺」，其實藏著一個極理性的判斷邏輯：這件事如果出錯了，誰要負責？報價錯了——重新報就好，沒有實質損失 追蹤理賠進度錯了——查一下就知道，損失很小 更新地址錯了——改回來就行這些是「資訊流」工作。AI 出錯，消費者承擔的代價很低。所以他們願意讓 AI 做。 但反過來：替我提出理賠申請出錯——我可能拿不到該拿的錢 替我取消保單出錯——我可能在出險的時候沒有保障 判定我的理賠不合格——這會直接影響我的人生 把我標記成詐欺——我未來保不到險這些是「決策流」工作。AI 出錯，消費者要承擔不可逆的後果。 而 AI 沒辦法承擔後果。AI 不會被告，AI 不會被吊照，AI 不會在客戶簽下取消保單之後接到他打來哭著問「為什麼那時候沒有人勸我」的電話。 只有人會。 而消費者在問卷上做的這個選擇，本質上是：「我願意把『可逆的事』交給 AI，但『不可逆的事』我要一個能負責的人陪我做。」 這跟我們之前寫過的 Andrew Lo 的觀點 完全是同一條邏輯——AI 沒有牙齒，咬不到責任，所以重大決策客戶不會放手給它。 三個你可以馬上開始做的調整 知道這條線之後，業務員的工作地圖其實會變得非常清楚。 把「資訊流」的工作全部打包給 AI（quote / status / FAQ） 做法： 不要再花時間做客戶其實想自己用 AI 解決的事。 如果客戶有 46% 都願意自己用 AI 報價，那你還在花一個下午幫客戶手動跑三家公司的條款比較表，這個時間是「業務員在幫 AI 打工」——你做了客戶覺得不需要你做的事，付出的時間沒有換到任何信任溢價。 把這些工作 AI 化、自動化、模板化。你的時間應該全部押在後面那 84% 不能交給 AI 的事情上。 把「決策時刻」變成你的主場（claim / cancel / renew） 做法： 主動標記出客戶人生中那些「不可逆」的瞬間，告訴他們你在那裡。 舉例對話（客戶寫 LINE 給你）：客戶：我最近用 ChatGPT 比了一下保費，發現有家公司便宜 12%，我在想要不要換。 一般業務員：「你不要換，我們家服務比較好。」（這是話術，客戶聽不進去） 重新框架後：「比保費這件事 AI 確實做得比我快也比我準。但你下一步要做的是『取消舊保單、買新保單』——這件事 16% 的人才會放心交給 AI，因為它是不可逆的。我們花 30 分鐘把這次轉換的風險過一遍，過完你想換我幫你換、你不想換我們就不動。可以嗎？」你不是在跟 AI 比「資訊處理速度」。你是在跟 AI 比「承擔後果的能力」。這是它跑不贏的賽道。 用「judgment」當你的計費單位，不要用「task」 做法： 重新檢視你給客戶開的帳單（不管是手續費、佣金、年費、顧問費），看看你是在賣「動作」還是在賣「判斷」。 如果你的價值主張長這樣——「我幫你比較三家公司的方案、整理好報表、提醒你續約日期」——那 Insurity 的報告告訴你，這 46%-39%-38% 的工作客戶很快就會自己用 AI 做完，不需要你。 如果你的價值主張長這樣——「客戶要決定要不要動保單的時候，我會花 30 分鐘把不可逆的後果過一遍；客戶被理賠卡關的時候，我會替他承擔『跟核保部門吵架』的情緒勞動；客戶被詐欺判定誤標的時候，我會走流程申訴到底」——那你賣的是「判斷 + 責任承擔」，這是 84% 的人都不會交給 AI 的工作。 這份 Insurity 調查最值錢的訊號其實是：消費者已經幫你把工作分類好了。 他們把報價、查詢、文書這些 AI 做得快又便宜的事，從你的工作清單上劃掉了。但他們同時把「替我做不可逆的決定時陪我」這件事，留下來，並且明確標註——「這個位置必須是人」。 你的工作不是去跟 AI 搶報價速度。你的工作是站好這個被消費者親手保留下來的位置。📎 想看 Insurity 完整的 18 題調查內容、各項任務的細部接受度、以及 Jatin Atre 對保險業 AI 部署的完整框架，可以讀 Insurity 官方新聞稿 和 Insurance Business Magazine 的拆解。原始報告還有一些這篇文章沒覆蓋到的數據——例如 26% 的消費者目前還沒形成意見（這群「未表態」族群是業務員下半年最該主動接觸的對象），以及 Insurity 對保險公司「該怎麼公開揭露 AI 使用」的具體建議，都很值得業務員自己讀一遍。