Showing Posts From
業務轉型
客戶的 AI 不再登入你的後台——Morgan Stanley 開放 $1.2 兆平台給外部 agent，業務員的『介面護城河』正被抽掉
過去兩年我們談「AI 威脅」，談的多半是同一個畫面：你的客戶跑去 ChatGPT 問「哪張保單比較划算」，然後繞過你。那是「通路」的轉移——客戶換了一個入口。 但 2026 年 6 月 3 日 CNBC 的這則報導講的是更深一層、而且更難回頭的東西。Morgan Stanley 宣布即將開放旗下管理 1.2 兆美元職場財富資產的兩個股票管理平台——ShareWorks 與 Equity Edge Online——讓「外部」的 AI agent 直接連進來拉資料、拉洞察，繞過那些原本是為「人類」設計的操作介面。 這不是換入口，是把入口本身拆掉。值得每一個倚賴後台與客戶介面吃飯的金融、保險業務員，認真看一次。 Mark Mitchell：Morgan Stanley 為什麼主動拆掉「人類登入的介面」 推動這件事的是 Morgan Stanley at Work 的產品長 Mark Mitchell。他的邏輯不是「我們被迫開放」，而是「我們主動把人從這個流程裡拿掉，才能擴張」。 他講得很直白：agentic AI 讓 Morgan Stanley 可以擴大自己的服務——客戶支援、計畫管理、財富管理導流——而不用多請「成千上萬」名員工（"thousands and thousands" of employees）。換句話說，過去要靠一整個團隊的人手去接的活，現在他想讓客戶端的 agent 直接跟系統對話完成。 他描繪的終局更值得玩味：在未來，企業客戶不會再登入 ShareWorks 或 Equity Edge，而是用自己公司內部桌面上的 agentic 工具，純粹以「agent 對 agent」的方式跟 Morgan Stanley 的平台互動。目前已經有少數客戶拿到早期權限，明年要擴及全部約 3,400 家企業管理客戶——這些客戶涵蓋了約四成的 S&P 500 公司。 注意這裡的關鍵字：登入畫面消失了。那個「客戶要打開你公司的後台、看你整理好的儀表板、聽你解讀數字」的環節，被一條 agent 直連的管線取代。 「agent 對 agent」的核心邏輯：MCP 把整個介面層抽掉 Morgan Stanley 靠的是一個叫 Model Context Protocol（MCP）的開源標準。它的官網有一個很好懂的比喻：MCP 就像 AI 應用的「USB-C 接口」——"Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect electronic devices, MCP provides a standardized way to connect AI applications to external systems." （把 MCP 想成 AI 應用的 USB-C 接口。就像 USB-C 提供一套標準化的方式連接電子設備，MCP 提供一套標準化的方式，讓 AI 應用連接到外部系統。）過去軟體是這樣設計的：資料庫在最底層，上面包一層商業邏輯，再上面做一個「人看得懂、點得動」的介面——按鈕、表格、下拉選單。人類靠這層介面去操作系統。 MCP 做的事，是讓 AI agent 跳過最上面那層介面，直接跟資料與商業邏輯對話。對開發者來說這叫去掉中間摩擦；但對「靠那層介面提供服務」的人來說，這句話要翻譯成另一個版本： 你每天倚賴、用來服務客戶的那個畫面，正在從「必經之路」變成「可選的舊版本」。 而且這次不是新創在喊口號。Mitchell 點出，JPMorgan、Goldman Sachs 目前也在用 AI agent，但都關在「內部」——拿來寫程式、跑內部流程，沒有公開開放外部 agent 直連系統。Morgan Stanley 是華爾街頭部裡，第一個把門朝外打開的。當最保守的金融機構開始主動拆介面，這就不再是「會不會發生」，而是「多快會發生」。 介面消失後，業務員的價值要往哪三個方向重新長 如果客戶的 agent 可以自己拉資料、自己生報表、自己跑情境，那「我幫你查、我幫你整理、我幫你解讀數字」這件事的稀缺性會快速歸零。業務員要守的，是 agent 拿不走的三塊。 一、從「資料的搬運工」變成「決策的責任人」（Accountability Layer） 做法： 不要再競爭「誰整理得快」，去站在「誰為這個決定負責」那一格。 agent 可以在三秒內把客戶的持股、稅務、blackout 期間全部撈出來算給他看。但 agent 不會在客戶因為這個建議賠錢時，坐在他對面承擔後果；也不會在主管機關問起時，簽下自己的名字。 對話的位置因此整個換掉。過去客戶問你：「我這批股票現在能不能賣？」——你的價值在「查得到」。現在客戶的 agent 已經告訴他能賣了，他來找你問的是：「它說能賣，但我該不該賣？這對我整個家庭的稅務、現金流、下一步是對的嗎？」前者是查詢，後者是判斷與承擔。agent 把前者做到免費，正好把後者的價值頂高。 二、從「操作平台」變成「翻譯與信任的中介」（Trust Broker） 做法： 假設客戶的 agent 已經把「事實」全部給他了，你提供的是「他敢不敢信、看不看得懂這件事到底意味著什麼」。 當資料變得人人唾手可得，落差就跑到「理解」與「信任」上。客戶的 agent 吐出一張漂亮的分析，但客戶心裡其實有一堆說不出口的問題：這個數字是不是被某個前提灌水了？這個建議背後有沒有人在收我的錢？這跟我老婆想的不一樣怎麼辦？ 這些是冷冰冰的 agent 對 agent 管線結構上補不起來的縫。一個你信任的人，幫你把 agent 給的東西翻譯成「對你的人生而言這代表什麼」，並且願意為這個翻譯背書——這個位置，不在那條被自動化的通路上，而在通路的兩端之間。 三、從「守著一個介面」變成「為客戶設計 agent 的問法」（Agent Orchestration） 做法： 與其抗拒客戶的 agent，不如成為那個教客戶「該叫 agent 去問什麼、別漏問什麼」的人。 當每個客戶桌上都有一個能直連機構系統的 agent，懂得「該下什麼指令、該驗證哪些前提、哪些洞察 agent 根本不會主動提」的人，反而變稀缺。Morgan Stanley 自己的高層都在喊用 agent 來「擴張規模」；站在客戶那一側做同一件事的角色——幫客戶把一群 agent 編排成真正為他服務的系統——這個位子目前還空著。 Mark Mitchell 在另一份平台升級的聲明裡說了一句話，乍看是公關詞，其實精準："As we continue to innovate, our focus remains on delivering greater scale and ease for those managing a mobile, global workforce." （我們持續創新，但焦點始終是為那些管理著流動、全球化人力的人，提供更大的規模與更高的便利。）機構的目標寫得清清楚楚：scale 與 ease——規模化、去摩擦。介面、登入、人工搬資料，全都是摩擦，所以會被一個一個拆掉。看懂這條主軸，你就不會把力氣浪費在守一個註定會被自動化的環節上，而會提早把自己挪到那條管線「拆不掉」的位置：承擔、信任、編排。 介面會消失，責任不會。資料會免費，判斷不會。通路會自動化，但通路兩端那個「人願不願意信你」的決定，永遠在自動化之外。📎 這篇聚焦在「介面層被抽掉」對業務員的意義，但 CNBC 的原始報導還有更多產業細節值得一讀：Morgan Stanley 如何把這套 agentic 策略接回它 7.35 兆美元的整體財富管理盤、它和 JPMorgan、Goldman 在「內部 vs 外部 AI」上的路線分歧，以及 1.2 兆美元職場資產背後的導流邏輯。想理解 MCP 這個協定本身為什麼是這波轉變的關鍵，也可以直接讀 Model Context Protocol 官方說明——它用 USB-C 的比喻，把「為什麼介面正在被標準化接口取代」講得比任何分析都清楚。
45% 美國人說『AI 比業務員更不偏頗』——但 75% 的人也說『只要 AI 有付費置入我就不信了』：保險業務員的反守為攻就藏在這道裂縫裡
業務員身上最值錢的一張身分證，過去三十年都寫著同一行字：「我幫你看遍市場，給你最公正的建議。」這張身分證之所以好用，是因為消費者沒有別的選擇——他們不可能自己讀完二十家保險公司的條款，所以只能信任坐在對面這個人。 Quad/Graphics 與 The Harris Poll 在 2026 年 4 月 13 日發布的最新調查，正在把這張身分證從業務員手上抽走。研究訪談了 2,180 位美國成年人（370 位 Z 世代、715 位千禧世代、560 位 X 世代、535 位嬰兒潮世代），訪談時間是 2026 年 2 月 5 日至 7 日。 研究標題是「The New Rules of Retail Trust in the Age of AI」，本來是針對零售業的，但裡面有一個數字保險業務員應該抄下來貼在電腦螢幕旁邊：45% 的美國人說，AI 給的購物建議比『店內銷售人員』更不偏頗。 千禧世代是 60%。Z 世代是 54%。 Quad × Harris Poll 的震撼數據：「中立顧問」這個業務員人設，正在被消費者重新定義 過去聽到「AI 取代業務員」這種說法，業務員都可以笑笑帶過——畢竟 AI 不會跟客戶喝咖啡、不會在颱風夜接電話、不會記得對方女兒今年要考大學。情感連結就是業務員的護城河。 但這份調查戳破的不是情感連結，而是**「中立性」這個更核心的人設**。 Quad 的品牌與整合行銷副總裁 Heidi Waldusky 在新聞稿裡說："Any hint that AI shopping is quietly steering users toward paid influence could confirm a fear that the system isn't on our side." （只要消費者察覺到 AI 在悄悄把他們推向付費置入，他們心裡那個『系統不是站在我這邊』的恐懼就會被證實。）注意她用的句型——「confirm a fear」（證實一個恐懼）。意思是這個恐懼早就存在了，不是 AI 創造的。消費者一直懷疑「坐在我對面的人不是站在我這邊」，過去他們沒有別的選項，所以這個懷疑被壓抑著。現在 AI 出現了，他們突然有了一個對照組，於是 45% 的人立刻把信任票投給了演算法。 這不是業務員沒做好。這是一個結構性的信任轉移。 為什麼客戶現在覺得 AI 更中立——因為你的佣金是「無形的偏見」，但演算法是「看得見的偏見」 很多業務員第一次看到這個數字會想反駁：「AI 才有偏見好嗎？演算法是工程師寫的，背後一堆商業合作。」 這個反駁完全正確。事實上同一份調查就佐證了——67% 的人用 AI 來檢查價格不一致、73% 的人覺得演算法定價會掩蓋真正的好價格。消費者很清楚 AI 也有偏見。 但客戶心裡有一條隱藏的計算公式： 「我看得見的偏見 ＞ 我看不見的偏見」 AI 的偏見是「看得見」的——客戶知道演算法可能有商業合作，所以他可以主動防禦：交叉比對、看評論、再問另一個 AI。他覺得自己有掌控感。 業務員的偏見是「看不見」的——客戶不知道你跟哪幾家保險公司有合作、不知道哪一支商品給你的佣金最高、不知道你今天推這個是因為它真的最適合，還是因為這個月還差兩件業績。他沒有任何防禦工具。 當客戶有兩個選擇——一個是「看得見偏見、可以反制」的 AI，一個是「看不見偏見、無法反制」的人類業務員——他選 AI 不是因為 AI 真的中立，是因為 AI 至少讓他覺得自己沒被矇在鼓裡。 這就是 45% 這個數字的真正含義。 75% 對「sponsored」反感的數據，才是業務員真正的反攻破口 但同一份調查裡有另一個數字，業務員一定要看仔細： 75% 的美國人說，如果 AI 的購物結果是被品牌付費影響的，他們就會失去對 AI 的信任。同樣 75% 的人，會因此失去對那個品牌的信任。 這個數字不是抽象的價值觀問題，而是消費者畫給商業世界的一條紅線：你可以賺錢，但你不能假裝中立還偷偷收錢。 對保險業務員來說，這條紅線就是反守為攻的地圖。如果你正在被 AI 用「看得見的偏見比較好」這個理由超車，那你只要做一件事——把自己的偏見也變成看得見的——你就立刻拿回了優勢。 具體有三個動作： 動作一：揭露你的合作清單（Carrier Disclosure） 做法： 第一次跟客戶坐下來時，主動拿出一張紙：「我跟以下這 12 家保險公司有合作，這 3 家沒有。」 對話範例：「在我開始幫你看商品之前，我想先把一件事講清楚。我的工作是壽險經紀人，我跟這 12 家保險公司有合作關係，所以我能幫你看到的商品就是這 12 家。市面上還有另外 3 家比較大的我沒有合作，如果你聽過某某商品在他們家，我也會老實告訴你『那個我沒辦法幫你處理，但你可以自己去問』。」這件事的力道不在於資訊本身——在於你是「自己主動講」的。客戶會立刻把你從「看不見偏見」那一欄，移到「看得見偏見」那一欄。在 75% 的消費者眼裡，這就是信任的起點。 動作二：解釋商品選擇邏輯（Reasoning Trace） 做法： 推薦商品時，不只給結論，給為什麼這支贏過其他兩支的推理過程。 對話範例：「我從這 12 家裡面，初步篩出三支合適的。為什麼最後我推薦你這一支？第一，它的長照給付條件比另外兩支寬鬆 15%；第二，它的保費調整機制是 5 年一檢，另外兩支是 3 年；第三，這家的核保速度通常 7 天，另外兩支大概要 14 天。但如果你比較在意保費低，那其實第二支會更適合你，差別在這裡⋯⋯」AI 之所以讓客戶覺得「看得見」，是因為它會把比較邏輯攤開。業務員只給結論，等於把自己變成黑箱。把推理過程攤出來，你就跟 AI 站在了同一邊——而且你還多了 AI 沒有的東西：對這個客戶的具體理解。 動作三：攤開佣金結構（Commission Transparency） 做法： 在客戶簽約之前，主動告訴他你會拿到多少佣金，以及為什麼這不會影響你的推薦。 這是最反直覺、也最有效的一步。美國市場其實已經有強制要求——根據 2021 年聯合撥款法案（Consolidated Appropriations Act），健康保險經紀人必須在交易前以書面揭露所有佣金（直接與間接）。但對台灣的業務員來說，主動揭露佣金不是法規要求，所以才有差異化的價值。 對話範例：「我先跟你說一下我的佣金結構，這樣你聽我接下來的建議才有判斷基礎。這支商品的首年佣金是保費的 X%，續年是 Y%，第二支是 X-2%。所以你會發現，我推薦的這支對我來說不是佣金最高的——我推它是因為它的條件最符合你剛剛講的需求。如果你覺得這個推薦有問題，我們可以一起再看一次。」當你把自己的「偏見」（佣金）也放進「看得見」那一欄，客戶就會把你重新分類到「演算法」這一邊——但你比演算法多了同理心、判斷力、跟責任承擔。 81% 數據揭露的反向真相：好的人類體驗會「放大」客戶在線上的信心 如果你看到這裡覺得很悲觀，請看調查裡最容易被忽略的一個數字： 81% 的受訪者說，一段優秀的「店內體驗」，會讓他們更敢在線上嘗試這個品牌的新產品。 這個數據的重點不是「實體還是重要」，而是——人類體驗不是被 AI 取代了，而是被 AI 放大了。 意思是：客戶跟 AI 互動時的信任度，會被他之前跟人類互動的記憶直接影響。一個讓客戶感受到誠實、專業、無偏見的業務員，會讓這個客戶在之後使用 AI 工具時，對這個業務員推薦的品牌有更高的信任預設。 倒推回來：如果你現在花心力把自己變成「看得見偏見」的業務員——揭露合作清單、解釋商品邏輯、攤開佣金結構——你不只是贏回現在這場跟 AI 的競爭，你還在為未來幾年內客戶跟 AI 的每一次互動，預先儲存信任分數。 調查裡同時揭露——只有 39% 的美國人願意讓 AI 直接幫自己下日常採購、34% 願意讓 AI 處理大宗採購。對於保險這種「比大宗採購還大」的決策（影響一輩子、牽涉家庭），這個數字只會更低。 換句話說：客戶可能認為 AI 更中立，但他還沒有準備好把保險決策完全交給 AI。這段時間差，就是業務員把自己重新定位的機會視窗。 45% 是消費者對你過去人設的不信任投票，75% 是消費者教你怎麼把這張票拿回來，81% 是消費者承諾——只要你做對了，他們會把你的價值放大到 AI 之外的所有通路。 業務員的「中立顧問」人設沒有死，它只是換了規則。新規則寫得很清楚：從今以後，誰先把自己的偏見攤開來，誰就是真正的中立。📎 這篇文章只拆解了 Quad × Harris Poll 4 月調查中跟「業務員中立性」最相關的三組數據，但這份研究還包含很多值得業務員深挖的延伸發現：73% 對個資使用的不安、67% 用 AI 檢查價格不一致、不同世代對 agentic AI 的接受度差異、以及實體與數位通路的信任流動模型。完整新聞稿連結在這裡。如果你正在重新設計第一次見面的 SOP，特別建議把那一段「揭露的順序」單獨研究一次——順序錯了，揭露反而會變成防禦感的觸發器。