Showing Posts From
保險業務員
Reagan Consulting + BrokerTech Ventures 5/18 拋出一張對照表：35 歲以下『會用科技的保險業務員』新單佣金 $172K，不會用的只有 $104K——65% 的差距不是話術問題，是工具問題
Harrison Brooks：把『AI 會不會取代我』翻譯成『AI 同事會把我甩開多少 K』，產業就動起來了 2026 年 5 月 18 日，Reagan Consulting 的合夥人 Harrison Brooks 在 InsurBanc 的線上會議上，丟出一份他跟 BrokerTech Ventures 一起做的調查，受訪對象是 9 家美國前百大保險經紀公司的頂尖業務員。整份報告刊登在 Insurance Journal 5/18 的封面故事。 Brooks 不是科技狂熱者，他在 Reagan Consulting 主要做的是併購、估值、跟策略諮詢——換句話說，他每天看的是「哪家經紀公司值多少錢」「為什麼這家有人要買、那家沒有」。所以當他拿出科技賦能型業務員的佣金對照表時，他談的不是「AI 多酷」，而是「不用 AI 的人，正在從這個市場的估值表上消失」。 整套方法論的核心，可以濃縮成一句話——他把這個產業已經吵了三年的「AI 會不會取代業務員」，翻譯成「AI 同事一年會比你多賺多少 K」。一翻譯，問題就從「要不要學」變成「敢不敢算」。 核心數字：35 歲以下差 65%、35 歲以上差 27%——但這不是兩個故事，是同一個故事的兩個切面 把整份報告攤開，最刺眼的是這張對照表（2024 年實際成交數字）：35 歲以下，科技賦能型業務員：新單佣金中位數 $172,00035 歲以下，沒用科技工具的同齡同業：$104,000差距：65%35 歲以上，科技賦能型業務員：$358,00035 歲以上，沒用科技工具的同齡同業：$281,000差距：27%$172K 換算成台幣大約 NT$550 萬，這個數字第一眼會讓人想直接拿去跟自己對照——但要先記住這群人在賣什麼。他們是「美國前百大商業保險經紀公司」內部的頂尖業務員（top producers），主要做企業財產險、責任險、員工福利這類商業險，單一客戶年保費動輒六位數美金、佣金率 10–15%，一張中型商業客戶的新單佣金可能就 2–3 萬。所以這份數據的可比較對象不是台灣的個人壽險業務員、也不是美國保險業全市場，而是「美國商業險頭部市場的頂尖打者」。要從這張表上拿走的不是 $172K 這個絕對金額，而是**「同一個池子裡、會用科技的人比不會用的人多賺 65%」**這個結構性訊號。 另一個常見的第一反應，是「年輕人差距比較大，因為他們基數本來就低」。這也是個錯誤的讀法。 正確的讀法是：35 歲以下的群體，有 82% 已經是科技賦能型——換句話說，那 18% 沒在用工具的年輕業務員，是在跟一個「全員裝備齊全」的同儕池競爭。他不只是少賺 68K，他是「在一個大家都拿弓箭的戰場上，自己拿木棒」。 而 35 歲以上的群體，只有 45% 在用工具。所以那 55% 沒在用的人，看起來「相對沒事」——但 Brooks 想說的是，這個比例每一季都在動。今天差 27%、明天可能差 40%。35+ 的群體沒被科技甩開，不是因為他們不會被甩開，是因為「比他們強的同齡人還在用舊方法」。這個保護傘，正在崩塌中。 Brooks 在訪談裡那句最常被引用的話是："Agents not powered by technology and doing things the same way we've done them for the past five years is a losing proposition." （沒被科技賦能、又用過去五年同一套方法做事的業務員——這是一個必輸的命題。）注意他的措詞——不是「沒用 AI 的業務員」，而是「沒用 AI + 用舊方法」。兩個條件疊在一起，才是「必輸」。這個措詞非常重要，下一節會講為什麼。 第一個翻譯動作：把『AI 焦慮』翻成『AI 機會成本』，恐懼就消失一半 做法： 把「我會不會被取代」這個無法回答的問題，換成「我相對於同齡同業少賺多少」這個可以回答的問題。 過去三年，保險業務員的 AI 對話幾乎都卡在同一個迴圈：業務員 A：「我聽說 ChatGPT 可以幫客戶分析保單欸，是不是要學？」 業務員 B：「學那個幹嘛？人跟人的信任才是保險業的核心啦，AI 不可能取代我們。」這個對話的問題在於——它把「AI vs 業務員」設定成兩個對立陣營，然後讓你選邊站。但 Brooks 的數據說的不是這個。他說的是：真正的對手不是 AI，是「用 AI 的同齡業務員」。 換句話說，當你說「AI 不會取代我」的時候，你可能是對的——AI 不會直接搶走你的客戶。但坐在你隔壁、會用 AI 整理客戶資料、會用 AI 生成首次接觸 email、會用 AI 跑保單比較表的那個 27 歲新人，他會。 這個翻譯動作的價值，在於它把「要不要學 AI」從一個哲學問題（會不會取代人類），變成一個數學問題（我少賺了多少佣金）。哲學問題你可以辯論三年都沒結論，數學問題你看完報表就要決定下一週怎麼做。 第二個翻譯動作：把『產業在衰退』翻成『市場變硬，要拼搶』 做法： 不要把 7.1% 當成一個抽象的成長率，要把它讀成「你客戶池正在縮水」。 報告裡有另一條被忽略的線：保險經紀產業的有機成長率，從 2023 年 Q2 高點的 11.2%，一路掉到 2025 年 Q4 的 7.1%。這個趨勢還在繼續。 7.1% 聽起來還是「正成長」，所以很多業務員不會把它當一回事。但 Brooks 的解讀方式不一樣——他說的「成長率下降」，翻譯成業務員視角就是：過去你只要『把每年自然進來的詢價接好』，就能達標。 現在那個自然流量正在乾涸。 接下來每一張新單，都要從別人嘴裡搶。這個解讀很重要。市場硬掉的時候，「會多打三通電話的人」跟「會把三通電話用 AI 預先研究過客戶背景才打的人」，效率差就會無限放大。在 11% 成長的市場，差別不明顯；在 7% 成長的市場，差別就是「你掉單，他成交」。 這也是為什麼 35 歲以下那個 65% 的差距會出現。年輕人沒有「老客戶池」當緩衝，每張單都靠新接觸，所以工具的槓桿效應最大。 第三個翻譯動作：把『大公司在投 AI、小公司沒投』翻成『個體業務員的反超機會』 做法： 把產業內部的科技投資斷層，當作個人套利的窗口期。 Reagan Consulting 同份報告裡還有一個經常被忽略的數據：年營收 $1.25M 以下的小型經紀公司：只有 11.5% 在 2025 年投資了 AI 年營收 $100M 以上的大型經紀公司：84.2% 已經投入Brooks 對這個落差的態度，是公開呼籲整個產業需要把 AI 採用率從現在拉到「84% 到 100%」之間，這個獨立經紀通路才有未來。 但如果你是個體業務員，這份數據不要從「產業健康度」的角度讀。要從「個人套利」的角度讀——你的公司可能還沒批准採購任何 AI 工具。 你的主管可能還在說『再觀望一下』。 但這跟你沒關係。很多 AI 工具是「個人月費 $20-50」就能用的，不需要等公司決議。而 Brooks 提的「off-the-shelf」現成工具，幾乎都屬於這一類——個人版的 ChatGPT、Claude、Notion AI、CRM 內建的 AI Summary、會議錄音轉摘要工具——任何一項都能在一週內接到你的工作流上。 換句話說，當大公司還在開「AI 戰略會議」、小公司還在說「再看看」的時候，你個人就可以把佣金從 $104K 那一欄，搬到 $172K 那一欄。這個窗口期可能只有 12 到 24 個月，因為當所有人都用上之後，差距就會收斂。 為什麼 Brooks 特別強調『不是工具，是工具加方法』 回到那句關鍵的話——「沒用科技 + 用舊方法做事 = 必輸命題」。 Brooks 沒有說「只要買 AI 工具就會贏」。他說的是兩個條件的疊加。這個細節非常重要，因為市場上很多人把 AI 焦慮的解方理解成「我去訂閱 ChatGPT Plus 就好」——不是的。 工具只是把「你既有的工作流」放大。如果你的工作流是：拿到名單 → 直接打電話 → 講同一套話術 → 被拒絕 → 換下一個那 AI 工具會幫你「更快地」打更多失敗的電話。差距就出在這裡——65% 的佣金差，不是來自「他多用了一個軟體」，而是來自「他用軟體之後，整個流程變了」：拿到名單 → AI 預先整理這個人的 LinkedIn、公司公告、近期動態 → 第一通電話直接打到對方的真實需求 → 預約會議 → AI 生成客製化的會議準備材料 → 成交兩條工作流的差距，不在工具，在「工具讓你有時間做以前做不到的研究」。這也是為什麼 Brooks 用「必輸命題」這麼重的詞——舊方法配上新工具，只是把舊方法的失敗放大。要贏，你得同時動兩件事。📎 這篇拆解了 Brooks 跟 BrokerTech Ventures 5/18 公布的核心對照表，但 Insurance Journal 原文 還有兩段內容值得自己讀過一次——一是 Brooks 對「整個獨立經紀通路如果不集體拉到 84-100% 採用率會發生什麼」的長期推論，二是他對 InsurBanc 銀行融資模型如何配合科技投資的具體建議。如果你正在思考「公司沒批預算，我自己該不該先動」，那兩段會幫你判斷你的時間窗口剩多少。Reagan Consulting 每季也會公佈完整的 產業成長報告，想追這條趨勢線的人可以直接訂閱原始資料。
HBR 5/6 最新研究：你以為客戶在跟你殺價，其實是你『自己先讓步』——Schulich 商學院 Tatiana Astray 拆穿業務員三個自我削弱的習慣
每次續約、加保、調費、請求退回退傭——你準備了一整套說詞、推算客戶會怎麼反彈，腦中已經演過三輪『他可能會不爽』的劇本。然後還沒開口，你就先說了一句：「不然這次先不調，我們明年再看？」 Tatiana Astray 在 2026 年 5 月 6 日 Harvard Business Review 的新文章想告訴你：你以為自己在跟『難搞的客戶』談判，其實對手是你自己的三個習慣。 她開場的個案，光看就讓人心驚：一家工業製造商有筆數百萬美元的案子，三年沒收到錢——服務照樣交付。三年。沒有一個人問過：「我們為什麼還在送服務？」 Tatiana Astray：負面資訊比正面資訊更能建立你的可信度 Tatiana Astray 是 York University Schulich School of Business 的講師，也是 Mastering Leadership Executive Education（前身為 Mastering Negotiations）的創辦人。她的學術背景是 Organization Studies 博士、Marketing & Consumer Studies 碩士、心理學學士——談判、銷售、說服、肢體語言，是她長年的研究主軸。 她跟其他談判學者的差別在於：別人多半研究『面對對手怎麼出招』，她長期研究的是『業務員如何自己擊敗自己』。HBR 5/6 這篇 How Sales Teams Undercut Themselves with Longtime Clients 是這個視角的最新總結。 她的核心發現很反直覺：研究顯示，業務員『系統性地高估了客戶反彈的風險』。也就是說——當你以為客戶會炸毛、會跑單、會翻臉，實際上炸毛的機率遠低於你的想像。但你的『預先讓步』，卻 100% 會發生。 三個自我削弱的習慣：你把『讓步』設成新的預設值 Astray 把業務員自我削弱的行為拆成三個具體模式。重點不是要你變強硬，而是要你看見：你以為自己在『維護關係』，實際上你正在『教育客戶用感情換條件』。 1. Premature concessions：客戶還沒開口，你就先軟化條件 做法： 在還沒被要求之前，主動把折扣、彈性、優惠端出去。"Sellers often make premature concessions—offering price reductions, flexible terms, or service expansions before the buyer has even raised an objection." （業務員經常做出『提前讓步』——在買方根本還沒提出異議之前，就主動丟出降價、彈性條件或服務延伸。）這句話放在保險業務員的世界，幾乎是一面鏡子。客戶今年要繳的保費比去年高，因為附加險自動續、年齡級距上調——你看到帳單就先反射性開口：「我幫你看看可不可以拿掉這個、或是改一個方案。」 問題不是你提供了選項，而是你在客戶還沒開口前就把選項變成『讓步』。客戶從『要不要續』的決策狀態，被你拉進『可以怎麼凹』的議價狀態。原本他只是要簽名，現在他學會了一件事：「跟你續約，先停三秒，看他會不會自己降。」 下一年，他會停得更久。 2. Fragmented account management：內部立場分裂，等於給客戶各別擊破的機會 做法： 同一個客戶，業務員、客服、主管、行政各自承諾，沒有一個共同立場。"When clients sense that internal stakeholders aren't aligned, they exploit the gaps—often without consciously meaning to." （當客戶察覺到內部利害關係人立場不一致，他們會利用這些縫隙——而且通常不是有意為之。）Astray 提醒一個被低估的細節：客戶『鑽縫隙』很多時候不是惡意，而是直覺。他們會自然地把『主管說可以調』『客服說那個其實有彈性』『業務員上次有給過』這些訊息拼起來，組成一個對自己最有利的版本。 對保險業來說，這個破綻常常出現在：你的助理、上級、公司客服、官方客戶服務專線，每一個窗口給出的『底線』都不一樣。客戶打過一輪電話，回頭跟你說：「我問過了，xxx 說可以這樣。」你瞬間進退兩難——拒絕，是跟自己公司打架；同意，是把好不容易守住的條件親手送出去。 不是客戶難搞，是你們內部沒有對齊。 3. Overreliance on long-standing relationships：用『我們認識十幾年』取代談錢 做法： 因為關係夠深，所以避開有壓力的對話，把『不談錢』當成『經營關係』。"Sales teams often treat long-standing relationships as a buffer against tough conversations—rather than recognizing that those relationships are the very foundation that makes tough conversations possible." （業務員常把長期關係當成是『避開困難對話』的緩衝墊——而沒有意識到，正是這些關係，才讓困難對話有可能發生。）這是三個習慣裡最致命的一個。因為它聽起來最像『美德』：我跟客戶認識十幾年了，不忍心開口。 但 Astray 的反駁很犀利：你以為『不開口』是在保護關係，其實你在『消耗關係』。你不開口，案子三年沒收錢；你不開口，續約自動降；你不開口，客戶開始把『不被收錢』當成『我們很熟』的證明。 那個工業製造商的個案就是寫照——服務交付了三年，三年沒人問為什麼還在交付。不是客戶賴帳，是業務團隊自己把『不問』當成了忠誠。 重新設定動態：把難談的對話當作『關係建立』而非『關係破壞』 Astray 在文章後段給出的解法，可以濃縮成一句心態翻譯："Difficult conversations are not a threat to the relationship—they are the relationship." （困難的對話不是對關係的威脅——它本身就是關係。）這句話如果你只看一次，會覺得是雞湯。但它的力道在於：它直接把『談錢 = 傷感情』的預設值，反轉成『不談錢 = 沒關係』。 她列出四個具體的反向動作： 第一，內部對齊。 在跟客戶對話之前，先讓所有內部關係人——你、助理、主管、客服——對價值、底線、可讓步區間有同一份共識。客戶察覺到一個團隊只用一個聲音說話，就不會去鑽縫隙。 第二，明確說出價值。 不要假設客戶『記得』你過去十年做了什麼。Astray 強調 value articulation——把你具體幫客戶處理過的理賠、理解過的家庭結構、調整過的保額，重新講一次。不是討功，是把『關係的具體內容』從『感覺』翻譯成『證據』。 第三，培養可信的替代方案（credible alternatives）。 這是談判學上的 BATNA 概念——當你心裡有別的客戶、別的渠道、別的選項，你開口時的眼神就不一樣。客戶不是看你說了什麼，而是看你『需不需要這一單』。 第四，把難談的對話當成關係建立而非破壞。 這個視角轉換才是真正的核心。如果你相信『談錢會傷感情』，你會迴避；如果你相信『敢談錢才有真感情』，你會開口。 最後 Astray 留了一句話，給所有覺得『我跟這個客戶很熟所以不能開口』的業務員："If your relationship can't survive a candid conversation about value, it isn't really a relationship—it's a hostage situation." （如果你的關係經不起一次坦誠的價值對話，那就不是真正的關係——那是一場人質情境。）回頭看那家三年沒收錢的工業製造商：客戶不是壞人，業務團隊也不是笨蛋。是他們之間長出了一種默契——『不問』就不會破，『不開口』就不會失去。但這種默契本身，就是業務員親手綁的那條繩子。📎 想看 Astray 完整的『六步重設客戶動態』流程，以及她提到的 internal alignment workshop 怎麼跑——例如業務團隊在進客戶會議前要先做哪些對齊動作、用什麼樣的語言把『提供折扣』翻譯成『提供條件交換』——可以讀 HBR 5/6 的全文：How Sales Teams Undercut Themselves with Longtime Clients。她在 Mastering Leadership Executive Education 的官網也有公開幾段她對『difficult conversations as relationship-building』的訪談影片，比文字版更直接，特別推薦給每次續約前都會先在心裡演十遍劇本的業務員看。
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。
Jason Bay 直播拆 3 通真實 cold call：保險業務員失去那場會議的瞬間，往往不是客戶說『我考慮一下』，而是你太快回答了那句話
Jason Bay：教 Zoom、Gong、Rippling 業務員的那個人，這次親自下海打陌生電話 很多人講陌生開發都是在台上講、不在線上打。Jason Bay 不一樣。他是 Outbound Squad 的創辦人、Zoom、Gong、Rippling 等企業的銷售訓練講師，過去十年的工作就是一件事：拆解業務員打陌生電話時，那個「會議丟掉的瞬間」是怎麼發生的。 2025 年 8 月 20 日，他在 30 Minutes to President's Club（30MPC，目前全球業務類排名第一的 podcast）發布的《We Break Down 3 Real Cold Calls (And One Is Mine)》，現場拆三通真實 cold call——其中一通是他自己打的。整集是現場真實通話拆解，連撥打、處理異議、判斷該不該推進、即時微調話術，全部公開。 最反直覺的一句話，是他在 podcast 中段說的：「業務員失去那場會議的瞬間，常常不是客戶拒絕你，是你太快回答了客戶的話。」 這句話幾乎可以重寫整個保險業務員每天打電話的反射動作。 「買家世界」開場法：你開口的第一句話，必須跟你想賣的東西無關 Jason Bay 在 GTMnow 對他的陌生開發專訪裡講得直接："Don't do your elevator pitch there. Start the cold call or that email or whatever it might be with their world first." （別在開場做你的電梯簡報。陌生電話、陌生信、不管什麼，第一句都要從『他們的世界』開始。）什麼叫『他們的世界』？不是你的產品解決什麼問題，而是這個人現在正在被什麼考核、被什麼壓得喘不過氣、老闆問他什麼問題答不出來。 他在 podcast 裡示範的開場是這樣的："Hi David, I'm calling about all the hiring it looks like you're doing in Canada right now... Do you have a minute?" （David 你好，我打來是因為注意到你們最近在加拿大大量招人...你有一分鐘嗎？）對比保險業務員平常的開場：「先生你好，請問您有沒有規劃保險的需求？」差別不在禮貌，在於前者是站在客戶現在正在處理的事情上，後者是站在自己想賣的東西上。 Jason Bay 的核心主張是：「move from me-centric messaging to you-centric messaging」（從『我中心』訊息切換到『你中心』訊息）。這個切換，技術上很簡單；心理上很難——因為它要求你開口前，必須真的去查過這個人最近在忙什麼，而不是打開名單就撥。 「先承認情緒、再回答內容」：把『我考慮一下』從句點變成新的開場白 這是整集 podcast 我覺得最值得抄下來的部分。 當客戶說「我已經有保險了」「現在不方便」「再寄資料給我」，大部分業務員的反射動作是——立刻回答內容：「沒關係我們的方案不一樣」「那您方便的時間是？」「好的我寄給您」。 Jason Bay 在 podcast 中段的拆解非常犀利：客戶丟出這句話的當下，他想處理的不是內容，是情緒。他想趕快結束這通他不想接的電話。你急著回答內容，等於告訴他：「我沒聽到你的不耐煩，我只想完成我的話術。」會議就是在那一秒丟掉的。 他教的框架叫 EVO（Empathize, Validate, Offer，承認、驗證、給予），順序不能顛倒： 第一步：承認情緒（Empathize）。 「我懂，我自己也不喜歡接陌生電話。」 第二步：驗證（Validate）。 「我打給跟你差不多角色的人，十個有八個第一句話也是這個。」 第三步：給予（Offer）。 「給我 30 秒講完為什麼我是打給你而不是打給別人，30 秒之後你覺得不相關直接掛掉，我不會回撥。」 差別在哪裡？普通業務員聽到拒絕，本能想證明自己不是垃圾電話。Jason Bay 的做法是：先讓對方知道你聽到他了，再讓他自己決定要不要繼續聽。承認情緒不是話術上的客套，是讓對方放下防衛的開關。 他在 podcast 中段直接示範：客戶說「我現在很忙」，他回「我聽起來真的吵到你了，那我長話短說——」然後客戶就停下來聽了。沒有任何技巧勝過「我聽到你了」這四個字。 「反向 pitch」：你猜我不在意 X，因為大部分跟你同位的人覺得 Y 比較重要 這招是 Jason Bay 最反直覺的工具。 一般業務員推銷的邏輯是：「我們有 ABC 三個亮點，您看哪個最吸引您？」推力。 反向 pitch 的邏輯倒過來：「我猜你大概不太在意保費省 5%，因為我打給跟你一樣是中小企業老闆的人，他們真正擔心的是員工出事的時候老闆會不會被告——這部分跟你比較相關嗎？」 差別在於：你不是把好處攤出來請對方挑，而是先用社會證明（其他跟他同位的人）幫他排除掉他不在意的事，再把焦點集中到你預判他真正在意的那一兩個點。心理上，這是把「推力」轉成「拉力」——對方會覺得「這個人懂我這位置的人在想什麼」，而不是「這個人在賣我東西」。 Jason Bay 在 Outbound Squad 的『Too Good To Ignore』方法論裡，把這個動作叫做 Provoke（挑釁）："Engage buyers with a strong point of view on their problem that compels action now." （用一個對他問題的強烈觀點切入，讓他現在就想動。）關鍵字是「強烈觀點」。不是你列三個選項請他挑，是你直接告訴他「我覺得你這位置的人，真正卡住的是 X，不是 Y」。錯了沒關係，他會糾正你；對了你就贏了——因為你展示了這個位置的人才有的洞察。 知道什麼時候主動退出：資格不符就 dis-qualify，別硬約 最後一個反直覺的點：Jason Bay 整集 podcast 撥了好幾通電話，連接率 30%，但只有 11% 真的轉成會議。剩下 19% 他做了一個很多業務員不敢做的決定——主動把客戶從名單裡刪掉。 他的原話是："Ruthlessly disqualify opportunities unworthy of our energy, time, and attention." （無情地把不值得我們花時間、精力、注意力的機會踢掉。）什麼叫不值得？在 podcast 裡他示範了三個訊號：對方完全沒辦法描述自己現在的處境（代表他根本沒在想這件事）、對方一直把你轉介給「我老婆會處理」（代表他不是決策者）、對方的時間預期跟你完全錯開（「我半年後再看」其實是「永遠不看」）。 這個框架對保險業務員特別有意義。我們常常被教「每一個名單都要追到底」，但 Jason Bay 的數據說的是相反的：當你願意把不對的客戶踢掉，剩下的時間你會花在真正可能成交的人身上，整體產能反而上升。 主動退出不是失敗，是判斷力。一個業務員的成熟度，不在於他能跟所有人都聊上五分鐘，在於他能在第二分鐘就誠實地說「您這個情況，現在可能還不適合我們的服務，我下次再聯絡您」——然後把那 28 分鐘留給下一個值得的人。📎 這集 30MPC《We Break Down 3 Real Cold Calls (And One Is Mine)》 是現場真實通話拆解，包含撥打、處理異議、資格判斷、即時微調話術。本文沒有覆蓋到的，是 Jason Bay 在連續快撥那段展示的「即時微調訊息」技巧——他打到第三通就完全捨棄前兩通的話術換新的角度切入。如果你每天打超過 20 通陌生電話，那段特別值得聽。另外 Jason Bay 的完整框架文件在 30MPC 的 Jason Bay 框架專頁可以下載，跟 Outbound Squad 官網的「Too Good To Ignore」方法論互相補充。
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。
你不是業務員，你是『機構的信任中介』——Edelman 2026 信任度調查揭露：57% 的人會因為一個信任的人，重新相信一家原本不信任的金融公司
如果你是保險業務員或理財顧問，你大概聽過這句話超過一百次：「公司品牌不夠響，我們很難跟客戶開口。」 Edelman 2026 全球信任度調查（2026 年 1 月發布）用 26 年的研究告訴你一件事：**這個邏輯是反的。**在信任崩盤的 2026 年，不是「機構的品牌」決定客戶要不要信任業務員，而是「業務員這個人」決定客戶要不要相信他背後的機構。 調查訪問了 28 個國家、超過 33,000 名受訪者，主題叫做「Retreat into Insularity」（信任退回小圈圈）。三個數字直接把「個人品牌」這題從選修變成必修：金融服務業整體信任度只剩 63%，比去年再掉 1%，是被調查的所有產業裡墊底的那群。 **44% 的人信任「財經網紅」（financial influencer）**知道該怎麼處理自己的錢。 在這 44% 裡，57% 的人說：如果一位他信任的財經網紅替一家他原本不信任的金融服務公司背書，他會重新考慮相信那家公司。換算下來，全市場大約有 25% 的人——四個人裡就有一個——是「個人可以替機構翻盤」的活體案例。這是一個業務員從來沒有過的定價權。 Richard Edelman：用 26 年信任度調查證明「人比機構可信」這件事 Edelman 公司是全球最大的公關集團之一，從 2001 年開始每年發布信任度調查報告，是業界拿來判讀「人們現在到底相信誰」的標準工具。CEO Richard Edelman 在 2026 年 1 月的官方部落格 Insularity—The Next Crisis of Trust 裡，把這幾年信任的崩塌軌跡濃縮成一句話："Over the past five years, we have seen a descent from fear to polarization to grievance and now to insularity." （過去五年，我們看到信任從恐懼一路滑落到極化，再到怨懟，現在則是退回封閉小圈圈。）「退回小圈圈」是這份報告的核心發現。當人們不再相信「外面的世界」，他們會把信任收攏到「我自己這一圈」：My CEO（我的老闆）：66% My fellow citizens（我的同胞）：64% My neighbors（我的鄰居）：64%而在另一端：信任「國家政府領導人」掉了 16 個百分點，信任「主流媒體」掉了 11 個百分點。同時，**70% 的受訪者表示他們不願意、或猶豫去信任一個跟自己價值觀不同的人。**將近七成的人覺得，制度性的領導者是在故意誤導他們。 這就是業務員的新世界：客戶不是不信任你，是不信任「機構」這個東西本身。 「信任退回小圈圈」框架：當機構失靈，個人就是新的可信邊界 Edelman 從這份數據導出的核心策略，叫做 Trust Brokering（信任中介）。Edelman Smithfield 給金融業的解讀很直接：當市場整體不信任機構（金融業 63% 的信任度，已經跟政府差不多），機構自己再花錢做廣告、發年報、辦記者會，邊際效益是負的。 唯一的解法是：透過「在某個小圈圈裡已經被信任」的個人，把信任搬運到機構身上。 這跟很多業務員的直覺剛好相反。多數人以為的劇本是這樣：「我代表 ○○ 人壽，這是一家上市公司，全台第三大⋯⋯所以你可以放心。」機構先建立信任，然後業務員去借用機構的信任。 但 2026 年的數據告訴你，這個劇本已經壞了。新的劇本是：「我是 ○○，我做這行 12 年，我幫過你同事 ABC、你大樓鄰居 DEF 處理過理賠⋯⋯。我現在合作的公司是 ○○ 人壽，我選他們是因為⋯⋯」**業務員先建立信任，然後業務員把信任借給機構。**那 57% 的人——你個人信用足夠好的時候，會替你身後的整家公司翻盤。 這也是為什麼 Richard Edelman 在報告裡反覆強調一個詞叫「My Employer（我的雇主）」。在所有機構類別裡，員工對「我的雇主」信任度最高，達 78%，比整體企業的 64% 多 14 分。員工是雇主的「人形端點」，對外承擔信任傳遞的責任。同樣的邏輯放回業務員身上：你就是那個機構的「人形端點」。 拆解三個槓桿：怎麼當客戶眼中的「信任中介」（Trust Broker） 槓桿一：把自己當「機構的人形端點」（Human Endpoint） 做法： 在跟客戶溝通時，停止用「我們公司」當主語，改用「我」當主語。 這不是話術問題，這是「信任傳遞方向」的問題。 舊版（機構優先，2018 年管用、2026 年不管用）：「我們 ○○ 人壽是台灣前三大壽險公司，理賠速度業界最快，所以我推薦這張保單給您⋯⋯」新版（個人優先，2026 年管用）：「我做這行 12 年，賣過大概 800 張保單。這張我自己幫太太買了，我會推給您是因為⋯⋯。我選 ○○ 人壽合作，是因為他們的理賠流程在我經手過的客戶裡，平均比 X 公司快兩週。」**關鍵差異：在第一個版本裡，機構在替你背書；在第二個版本裡，是你在替機構背書。**Edelman 的數據說，2026 年的客戶買的是後者。 槓桿二：用「我的客戶」取代「我的公司」做社會證明（Social Proof Replacement） 做法： 把「公司有 200 萬保戶」這種機構統計，全部翻譯成「我服務過的具體案例」。 Richard Edelman 在報告裡有一句話特別值得業務員背下來："Trust is increasingly concentrated among those closest to us." （信任正越來越集中在那些離我們最近的人身上。）「最近的人」是什麼意思？對客戶來說，「同公司的同事」比「上市公司董事長」近，「同社區的鄰居」比「百萬保戶」近，「跟我同年齡同收入的張先生」比「全台前三大壽險公司」近。 這代表你在介紹自己時，「我們公司有 X 萬保戶」這種數字基本上是廢話。但「我手上現在有 47 個跟您同產業的客戶，去年其中 3 位申請過理賠，我可以講一下他們的經驗」這種句子，會直接打中那 57% 的人。 具體可以怎麼做？ 對話範例： 客戶：「○○ 人壽，我沒聽過耶。」 舊版回應：「○○ 人壽是 1962 年成立的，台灣第八大⋯⋯」（機構先背書，然後你才有資格出場） 新版回應：「對，他們不是路上看板會出現的那種。我會選他們合作，是因為我前年有個客戶——一個 38 歲的工程師，跟您年紀差不多——突然中風，他在 ○○ 那邊申請失能扶助，從送件到第一筆款項入帳花了 16 天。我經手過六、七家公司的同類型理賠，這個速度是前段班。所以您聽過或沒聽過不重要，我聽過，而且我自己用過。」 第二個版本裡，機構的可信度，是從業務員身上「滲透」過去的。 槓桿三：找出那 7 個會替你「向他的小圈圈傳信任」的客戶（Insularity Multipliers） 做法： 不要追求「廣度」（讓全市場知道你），追求「深度」（讓某幾個小圈圈完全信任你）。 Edelman 的「退回小圈圈」框架最殘酷的一個推論是：廣告失效了，但「圈內人說」沒失效，而且效果反而更強。 70% 的人不信任跟自己不同的人，反過來說也成立——他們對「跟自己同一圈」的人，信任度是不成比例地高。 這意味著你不需要 100 個客戶都當你的免費業務，你需要的是 7 個處在不同小圈圈核心位置的客戶：一個科技業中階主管，他的小圈圈是工程師同事 一個診所醫師，她的小圈圈是同期醫學院同學 一個某大樓委員會主委，他的小圈圈是整棟住戶 一個學校家長會委員，她的小圈圈是同學家長 ⋯⋯對這 7 個人，你提供的服務密度要高到不合理——主動回報、提早預警、無償諮詢。讓他們在自己的小圈圈裡，遇到「保險／理財」這個話題時，第一個跳出來的名字就是你。 這不是「請客戶幫你介紹」這麼業務化的動作。Edelman 數據說的是，他們會自然而然地推薦你，因為在他們的圈子裡，他們就是「那個懂這件事的人」，而你是他們唯一信任過的「金融側」窗口。 那 57% 的數字，就是這樣一個一個小圈圈展開的。📎 想看完整脈絡，可以直接讀 Edelman 2026 Trust Barometer 官方主頁，裡面有 28 國的分國數據、信任崩盤的五年軌跡圖，以及「我的雇主」為什麼變成最重要的信任機構這個更大的命題。Richard Edelman 自己寫的 Insularity—The Next Crisis of Trust 是值得讀的版本，他從「恐懼 → 極化 → 怨懟 → 退回小圈圈」的時序講起，比新聞稿更有層次。如果你想看更具體的金融業切角，BClear 的解讀把 2024 年英國金融促銷被監管下架近兩萬則（年增 97.5%）的背景一起放進來，解釋了為什麼「機構說話」在 2026 年的可信度只會繼續探底。
客戶丟報稅單給 ChatGPT 90 秒就解約 $500B 顧問——保險業務員的『全方位服務』承諾，AI 正在一張一張攤牌：Ezra Group 三個觸發點工作法
Craig Iskowitz：他不是反 AI，他是反「被動」 Ezra Group 創辦人兼 CEO Craig Iskowitz 是美國財富管理科技圈最直白的觀察者之一。他經營的 WealthTech Today 多年追蹤 RIA（註冊投資顧問）和經紀商在科技採用上的進展，對這個產業有種近乎殘酷的同理心——他知道顧問每天面對什麼，但他更知道顧問逃避了什麼。 2026 年 4 月 16 日，他發表了一篇標題挑釁的文章：《The Holistic Advisor Was Always the Pitch. AI Just Called the Bluff.》（「全方位顧問」從來只是個提案話術，AI 只是把這手牌攤開）。文章開頭就丟出一個讓整個 RIA 圈倒抽一口氣的故事。 $500B RIA 的真實故事：90 秒解約，五個系統從來沒講過話 一家管理超過 5,000 億美元資產的 RIA，被一位客戶解約。理由是什麼？ 這位客戶想知道：把家從紐澤西搬到佛羅里達，在稅務上划不划算？他先打給他的顧問。對方拒絕做這個分析，理由是「合規與責任考量」。客戶沒生氣，他做了 2026 年最自然的事——把他的報稅單上傳到 ChatGPT。"ChatGPT delivered the answer in 90 seconds." （ChatGPT 在 90 秒內給出了答案。）不只是答案。是一份完整的決策建議，包含跨州稅務影響、Homestead Exemption 的差異、社會安全金的處理方式。客戶看完後，最終決定留在紐澤西——但他開除了那家 RIA。 Iskowitz 點出真正的問題不在 ChatGPT。問題在於：這家 RIA 內部明明就有所有需要的資料——稅務團隊有報稅單，財務規劃團隊有現金流模型，估值團隊有不動產數據。但這三個團隊用三套不同的系統，從來沒有講過話。"The data existed. It just lived in five different silos that had never met each other." （資料是存在的，只是被鎖在五個從來沒見過彼此的儲存槽裡。）「全方位顧問（holistic advisor）」這個用了三十年的招牌，被 ChatGPT 在 90 秒內戳穿。 「全方位顧問」的真相：63% 用 AI，但只有 10% 真的整合 這個故事最讓人不舒服的地方，是它不是孤例。Charles Schwab 在 2026 年 1 月公布的 RIA & AI Research Study（訪問 533 家 RIA），給出兩個矛盾的數字：63% 的 RIA 已經在用 AI（比 2023 年的 30% 翻倍） 但只有約 10% 把 AI 真正整合進業務策略剩下的人在做什麼？做會議筆記、寫郵件草稿、偶爾用 ChatGPT 查個資料。Iskowitz 把這種狀態叫做「孤立的實驗」（isolated experiments）——AI 變成個別員工的小工具，沒有改變整個事務所怎麼服務客戶。 更刺眼的是 Betterment 2025 年的另一個調查數字：65% 的顧問擔心客戶轉向生成式 AI。但根據 Schwab 的數據，多數人擔心歸擔心，工作流程還是十年前那一套。 Trigger-based 工作流程：從等客戶來電，到主動掃描人生事件 Iskowitz 全文真正的價值，是他把問題重新框架。他說："AI is not the threat. Reactive workflow is the threat. AI just makes the gap visible." （AI 不是威脅。被動式的工作流程才是威脅。AI 只是把這個裂縫照亮了。）他主張顧問應該轉向 trigger-based proactive workflow（基於觸發點的主動工作流程）——讓系統 24/7 掃描客戶資料，當特定條件出現時，主動推送一份顧問可以審核、可以加上人味的建議草案。 這個方法論的核心邏輯只有一句：你不該等客戶想到問題才回應，你該在客戶還沒意識到問題之前就出現。 下面三個觸發點，是 Iskowitz 在文章裡明確點名、也是顧問最容易立刻檢測自己的場景。 觸發點一：報稅季的「動態掃描」（Tax-Filing Trigger Scan） 做法： 每年客戶交完報稅資料，不是把 PDF 存檔，而是把它當成一份「年度健診報告」掃描一次。 Iskowitz 給的具體例子是「房貸利息扣除額」。當客戶的報稅單顯示房貸利息有顯著變化（提前還款、再融資、購入第二房），這就是一個「我該打電話給你」的觸發點，不是等客戶下次年度檢視才提。 對話現場大概是這樣：顧問（主動致電）：「Henry，我看了一下你今年的稅表，房貸利息扣除這項比去年少了快一半。你是去年提前還了一部分嗎？這對你的現金流意味著什麼，我覺得我們可以聊聊⋯⋯」客戶會怎麼想？「他真的有在看我的東西。」這是 ChatGPT 永遠做不到的——因為 ChatGPT 不會在客戶還沒問之前就主動敲門。 觸發點二：股票歸屬日的「集中度風險預警」（Equity Vesting Concentration Alert） 做法： 客戶任職科技業、有 RSU 或股票選擇權，每次歸屬日（vesting date）前自動觸發一次「集中度分析」。 Iskowitz 舉的場景是矽谷高管。當員工股票一次釋出、佔總資產比例突破某個門檻（例如 20%），系統應該自動產出一份分析：建議是否分批出售、稅務影響、是否需要 10b5-1 計畫。"When equity compensation vests, the conversation shouldn't start with 'do you want to sell?' It should start with 'here's what your concentration looks like, and here are three paths.'" （當股票歸屬時，對話不該是「你要賣嗎？」。應該是「這是你目前的集中度狀況，我們有三條路可以走。」）差別在哪裡？前者把決策丟回給客戶（他當然會去問 ChatGPT）；後者把選項擺在桌上，讓客戶感覺到「我的顧問已經幫我想過了」。 觸發點三：人生事件的「跨系統訊號」（Life-Event Signal Across Systems） 做法： 結婚、生子、換工作、離婚、購屋、退休——這些訊號通常分散在 CRM、保單系統、稅務系統、銀行對帳單。建立一套機制讓任何一個系統感應到這些訊號時，自動觸發跨部門的「重新規劃」對話。 這正是 $500B RIA 故事的核心。客戶要搬家——這是巨大的人生事件——但他的顧問只看到「合規風險」，看不到「重新規劃機會」。 Iskowitz 說真正分得清楚的事務所，會在客戶剛開始討論搬家的那一刻，就同步啟動：稅務模型重跑、保險州際調整、不動產規劃文件複審、社會安全金最佳化。這不是 AI 做的，是「AI 幫人類做」——AI 把訊號從五個系統裡撈出來，人類顧問來決定該怎麼跟客戶談。 旅行社活下來的那 25%，做了什麼？ Iskowitz 在文章末尾用了一個讓人冷汗的比喻。網路在 2000-2010 那十年間，淘汰了大約 75% 的旅行社。但活下來的 25% 不是抗拒科技的人——他們是把科技用來處理複雜任務、做高度客製化的人。"Travel agents had a decade. Advisors have about 18 months." （旅行社當年有十年的調整時間。顧問現在大概只有 18 個月。）這 18 個月不是用來「導入 AI 工具」的，是用來重新設計工作流程的。Iskowitz 列出活下來的事務所共同的四個特徵：明確的觀點與利基定位、把個人風格做成護城河、紮實的營運能力、真正整合稅務／保險／規劃／投資的服務。 注意他沒有把「使用最先進的 AI」放在第一條。因為 AI 從來不是答案。「願不願意主動」才是。 自我檢測：你最後一次主動聯絡客戶，是因為什麼觸發點？ 讀完這篇文章，最值得問自己的一個問題不是「我有沒有用 AI」，而是： 「我最近一次主動打給客戶——不是固定追保、不是年度檢視、不是季度報告——是因為我看到了什麼觸發點？」是他的孩子今年要上大學？ 是他公司股票歸屬日快到了？ 是他剛換工作，退休帳戶該轉移？ 是他媽媽過世，遺產規劃要重做？ 還是⋯⋯你想不到任何一次？如果你想不到，這就是 Iskowitz 全文最殘酷的那段話想戳穿的：你說自己是「全方位顧問」三十年了，但你的工作流程從來沒支撐過這個承諾。 ChatGPT 沒有讓客戶變聰明。它只是讓客戶第一次有機會親眼看到——「原來我的顧問可以做這件事，但他從來沒做。」📎 Craig Iskowitz 的原文 《The Holistic Advisor Was Always the Pitch. AI Just Called the Bluff.》 還有不少細節這篇沒有覆蓋到，包括他對 Salesforce / Wealthbox 等 CRM 平台即將被 AI 重塑的觀察、Vestmark 等 AI 助理產品的整合趨勢，以及他對「客戶情報究竟住在誰的平台上」這個被嚴重忽略的策略問題的警告。如果你正在思考事務所未來三年的科技路線圖，建議搭配 Schwab 的 2026 RIA & AI Research Study 一起讀，那份報告有完整的同業基準與分階段採用框架。