據 CloudMile 萬里雲觀察，從去年金管會大幅鬆綁銀行、證券及保險等三業委外上雲的規範後，金融業便逐步加速擁抱雲端科技的速度。 如今隨著生成式 AI 浪潮席捲而來，各產業無不積極尋找生成式 AI 最佳應用，金融業者也不例外。對此，近期金管會發布「金融業運用人工智慧(AI)指引」，將 AI 系統生命週期分成四階段，並說明金融業擁抱 AI 應遵循的六大核心原則，包括建立治理及問責機制、重視公平性及以人為本的價值觀、保護隱私及客戶權益、確保系統穩健性與安全性、落實透明性與可解釋性，和促進永續發展等，做為金融業者導入、使用及管理 AI 的參考。本文將為您摘要此份 AI 指引精華內容，並分享金融業 AI 應用案例供業者們參考。
AI 系統生命週期四階段
1. 系統規劃及設計：設定明確的系統目標及需求。
2. 資料蒐集及輸入：資料蒐集、處理並輸入資料庫之階段。
3. 模型建立及驗證：選擇與建立模型演算法及訓練模型，並對模型進行驗證以確保模型效能、安全性與機密性。
4. 系統佈署及監控：將系統應用於實際環境中，且關注模型是否已完備，並持續監控以確認系統所帶來之潛在影響
金融業使用 AI 風險評估考量因素
針對金融業者使用 AI 的風險，金管會提出以下幾個風險評估情境舉例說明，並建議業者應根據 AI 系統風險評估結果，決定採行的風險控管措施。建議的風險評估考量因素如下：
1. 是否直接提供客戶服務或對營運有重大影響：AI 決策結果對客戶權益或營運有重大影響之 AI 系統，通常有較高風險性，如用於信用評分、機器人理財等系統；此外，針對用於內部作業的 AI 系統，AI 決策結果如涉及監理規範之 AI 系統，通常也有較高風險性，例如用於法定資本適足率評估、洗錢防制等系統
2. 使用個人資料的程度：AI 系統使用個人原始資料或機敏性個資程度越高者，可能具有較高之風險。
3. AI 自主決策程度：取代人類決策程度較高，或自動化學習程度較高的 AI 系統，可能會增加未預期的負面影響，而有較高風險。
4. AI 系統的複雜性：運算模型的複雜性較高或使用參數數量與類型較多的 AI 系統，可能降低可解釋性，而有較高之風險性。
5. 影響不同利害關係人(stakeholder)的程度及廣度：AI 系統決策結果對內、外部利害關係人(stakeholder)影響程度較深或影響類型及數量較多時，可能具有較高風險。
6. 救濟選項的完整程度：針對 AI 系統決策結果，如未提供利害關係人(stakeholder)救濟選項如申訴、爭議處理機制等，或救濟選項較不完整者，可能具有較高風險。
針對金融業者使用 AI 的風險，金管會建議業者應根據 AI 系統風險評估結果
金融業運用 AI 的六大核心原則
去年 10 月，金管會便已發布金融業運用 AI 的六大核心原則，這次更針對這六大核心原則增加建議落實 AI 應用與風險控管的方式，協助金融業者在規劃與應用 AI 時也能落實六大原則。
第一章：建立治理及問責機制
金融機構應對其使用之 AI 系統承擔相應之內/外部責任、建立全面且有效的 AI 相關風險管理機制，並確保其人員對 AI 有足夠之知識及能力，並應以風險為基礎做出適當之決策及監督。
第二章：重視公平性及以人為本的價值觀
金融機構在使用 AI 系統的過程中，應儘可能避免演算法偏見所造成的不公平，且運用範圍應遵循以人為本及人類可控原則；此外，生成式 AI 所產出的資訊，仍需經由金融機構人員行客觀且專業的風險管控。
第三章：保護隱私及客戶權益
金融機構應充分尊重及保護消費者之隱私，並妥善管理及運用客戶資料；如有運用 AI 系統提供用戶金融服務，應尊重用戶的選擇權，並提醒客戶是否有替代方案。
第四章：確保系統穩健性與安全性
金融機構在運用 AI 系統時，必須確保其系統之穩健性 (robustness) 與安全性，以避免對消費者或金融體系造成損害；若金融機構運用第三方業者開發或營運的 AI 系統提供金融服務，應對第三方業者進行適當的風險管理及監督。
第五章：落實透明性與可解釋性
金融機構在運用 AI 系統時，應確保其運作之透明性及可解釋性；在使用 AI 與消費者直接互動時，也應主動向利害關係人揭露相關資訊。
第六章：促進永續發展
金融機構在運用 AI 系統時，應確保其發展策略及執行符合永續發展原則，包括減少經濟、社會等不平等現象，保護自然環境等；另外，金融機構在 AI 系統運用過程中，宜對一般員工提供適當的教育及培訓規劃，鼓勵員工適應 AI 變革，並盡可能維護其
工作權益。
欲了解更多金融業運用人工智慧(AI)指引細節，請見此文件。
金融業常見 AI 應用
科技最終的目的是應用，如何找到適合產業的 AI 應用，強化營運、降本增效，是許多企業目前正面臨的挑戰。CloudMile 萬里雲擁有協助超過 900 間企業組織善用雲端、AI 轉型的豐富經驗，以下提供幾個金融業應用 AI 常見情境，供業者參考：
1. 善用語音轉文字 (Speech-to-Text) 技術，強化客服品質管理
語音轉文字 (Speech-to-Text) 是金融業者將 AI 用於優化內部管理流程的常見情境。例如，某間國際知名銀行便結合大型語言模型與 Speech-to-Text 技術，將多語言的客服電話內容轉為文字內容，並進一步偵測與分析顧客情緒、通話體驗，以此識別客服人員需改進的領域，達到自動化品質管理。
2. 善用 AI 進行金融文件與影像辨識
另一個常見的金融業 AI 應用則是加速文件審核作業。不論是銀行或保險單位，時常都會收到滿山滿谷的信用卡或保險等紙本申請單，此時許多業者會選擇善用 AI 技術來加速紙本文件影像辨識與資料登打流程，在增加效率的同時還能節省人力成本。
3. 協助進行異常檢測、預防詐欺
面對詐欺形式變化快速，案件類型層出不窮，透過 AI 來分析大量交易資料，並協助辨識潛在的詐騙案件，隨後進行分析摘要，以此提升金融機構對於詐欺事件的預判能力，同時減少安全人員的負擔。
科技最終的目的是應用，如何找到適合產業的 AI 應用，強化營運、降本增效，是許多企業目前正面臨的挑戰
金融業常見生成式 AI 應用
1. 建立企業內部知識平台，加速文件搜尋
內部知識平台可以說是目前企業最為常見的生成式 AI 應用之一，企業員工只需輸入提問，平台便能立即回覆相對應的解答與參考資訊。以金融業為例，應用場景包括搜尋內部規範和相關法規內容、摘要特定金融產品資訊、尋找特定合約與文件及財務文件分析等，可大幅簡化人員培訓成本及日常資料檢索效率。
2. 更為自然、客製化的 AI 客服助理
不同於傳統 Chatbot 客服助理，金融業須在建制期間準備大量問答集進行訓練，生成式 AI 輔助的客服助理可理解人類的語言模式，並產生更自然且與特定情境相關的回應。例如，生成式 AI 助理可針對客戶所描述的情境與條件，提供相應的金融產品推薦，並解釋原因，達到與真人客服對話的效果。
3. 行銷素材等內容生成
生成式 AI 其中一項關鍵應用便是內容生成，常見應用情境包括個人化行銷文案、郵內容及 App 登入問候語等；生成式 AI 也可以根據當前的市場趨勢和熱門話題，生成投資理財建議相關文章，吸引用戶關注與互動；此外，生成式 AI 也能協助產出多元的產品介紹。以信用卡商品為例，生成式 AI 可以根據既有商品規格如利率、費用、獎勵計劃和使用指南為基礎，撰寫吸睛文案，協助客戶更容易做出選擇。
企業擁抱生成式 AI 成功案例
案例一：國際知名機場
該企業期望建立一個方便員工高效查詢內部文件的聊天機器人。CloudMile 萬里雲協助他們使用 Vertex AI Conversation & Search 構建聊天機器人，並同步建立企業知識管理平台，回答員工使用內部文件時相關問題，如來源引用等。
案例二：公部門／政府單位
該企業期望自動化處理停車場申訴流程，並根據特定範本提供結果回應。CloudMile 協助他們使用大型語言模型（LLM）開發模型，用於評估申訴者的情緒和情境上下文，並自動化提供合適的回應。
聯繫我們為您打造專屬 AI／生成式 AI 應用
CloudMile 萬里雲集團為亞洲領先數位轉型服務商，提供公有雲技術與雲端 AI/GenAI 策略顧問服務，致力於實踐 AI 成為企業成長動能。我們結合雲端、機器學習與大數據分析，輔以雲端治理架構諮詢與商業論證，協助企業透過 IT 現代化、商業模式數據化與 AI 科技導入，實現企業商業預測及產業升級。歡迎聯繫我們，將有專人為您諮詢生成式 AI 導入策略。
CloudMile GenAI 技術服務架構
Cloud Mile生成式AI應用指南與解方
訂閱 CloudMile 電子報
