透過科技，解決客戶痛點

台新金資訊長孫一仕： 體驗式應用是銀行存活關鍵

台灣金融研訓院金融研究所所長林士傑：

大眾化AI是銀行未來發展人工智慧商業應用的關鍵，銀行為客戶建構消費生態系，可開發更多元便利的商業模式，未來銀行業要能成功應用AI，開放銀行（open banking）是非常重要的解決方案，透過與FinTech業者合作強力加值open banking data，才能應用AI平台服務，共同開發出更具市場競爭力的服務與產品；另外，AI應用在銀行中後台的法遵科技RegTech是重要趨勢，運用AI RegTech降低法遵行政流程、人力徵審成本與投入時間，大幅提高準確率及效率，才能掌握這波銀行數位轉型的大趨勢。

人工智慧AI來勢洶洶，不少工作或行業被預言將被機器人所取代，但台新金控資訊長孫一仕強調應務實看待AI，不要落入「為了AI而AI」的圈套，同時他也看好體驗式應用是銀行業將來存活的重要關鍵。

台新金控因應數位金融及AI智能發展，旗下台新銀行推出多項新科技應用，如引進臉部辨識功能，讓客戶透過「掃臉」就可在自動櫃員機存提款、使用「手機號碼」作為身分認證，實現手機號碼就是銀行帳號，省去民眾轉帳時需記下一長串銀行帳號的麻煩。

這些新技術的應用，無不顯露台新銀行以客戶需求為中心的創新發展，對於AI這個概念，孫一仕表示，自電腦誕生後就有人工智慧這個說法了，根據1956年的達特茅斯會議，所謂人工智慧是指如何使用機器語言，形成抽象概念和觀念，並寄望能夠解決各種只有人類能夠解決的問題以及如何自我改善。

儘管人工智慧這概念已有數十年發展，但這麼多年來為什麼AI沒有成功呢？孫一仕指出，大家若看過電影《關鍵少數》就會知道，當時採人工計算飛行軌道，屬於「人工」的智慧，之後才導入電腦，即「人工的智慧」與「人工智慧」最大差別在於運算能力以及數據。

尤其，人工智慧在金融業的應用，就是「在最適當的時間，用最適當的科技手段，提供最適當的服務，給最適合的客戶。」孫一仕強調。

三大角度看AI 四個面向拚應用

也因此，台新從以下三個角度看AI，第一個為關注人工智慧發展趨勢，與科技公司合作，適時引進人工智慧應用，即台新銀行不會找來很大的電腦運作一些不太確定的應用；孫一仕說，曾有人計算過，若要套用Alpha Go的技術需要耗資21億美元，也就是，機構需要砸下21億美元才有辦法開發足以打敗人類棋手的Alpha Go系統，而這種事情基本上不會發生在實體產業上，因此，對企業來說，AI應用的重點在於找到適合的應用。

第二點為整合外部資源共同探索人工智慧金融應用，因為金融業畢竟不熟悉AI，因此，需整合外部資源，藉由與外部的合作，達到共同探索；最後一點則是提升人工智慧相關金融應用知識，激發創新應用，也就是，當有外部資訊時，金融業需要了解相關應用，才有辦法激發出最適當的應用。

孫一仕表示，在這樣的發展宗旨下，台新銀行對AI應用可分為四個面向，一是客戶經營，如開發Rose、Richart智能客服、提供語音人工智慧平台、語音助理以及智慧投資；二在風險合規上進行信用評估；三在數據分析上做到即時分析；最後則是在流程精進上，導入生物辨識及應用、身份識別、交易授權以及流程自動化。

孫一仕一言以蔽之指出，「台新的創新就是圍繞在客戶，以客戶為中心的整體創新。」

讓客戶容易取得所需服務

他以台灣數位銀行領導品牌的台新Richart 為例表示，Richart自2016年4月推出，迄今已更新超過30個版本，主因敏捷式開發讓Richard新功能快速上線，實現平均每個月更新一個版本。也就是，台新銀行致力於透過科技解決客戶的痛點，並藉此獲得客戶滿意的體驗。

同時，孫一仕也認為，「操作介面簡單」是智能投資或者機器人投資應用中的重要環節。「Richart基本精神就是讓客戶容易取得所需的服務，且我也認為體驗式的應用是銀行業將來存活的重要關鍵。」

「金融服務需要無時無刻，在最適當時間，用最適當的管道，提供最適當的服務。」孫一仕強調，語音的通路將來會是銀行與客戶非常重要的互動環境，因此，在智能AI平台上逐漸從過去的打字、手寫模式，進入用講的階段，如台新銀行智能客服Rose、Richart演化過程，已從文字諮詢進入語音諮詢，提供語音諮詢後還要優化語音、擴大管道。

對於A I發展，孫一仕提出四點看法，首先，現在大家談到A I不免都會說理專將被取代，但應區分通用型A I與專業型A I的界線，避免將現行可行的技術與未來5至10年的技術混在一起，而「過度期待人工智慧的成效」，「將來的AI會是跟人類共處，擴增人類努力的成果」。

其次，投入AI發展最重要的在於選擇適當的應用，即題目要夠清楚，當題目不清楚，不知道要達成什麼目的，要找什麼因子或特徵時，是沒有辦法透過機器學習的。「不知道要達成什麼目的，為了AI而AI，通常都會失敗。」

第三，數據仍是重點，想尋找答案需要有足夠的資料，而新資料的權重與相關性仍是最重要的議題，「沒有足夠的數據，沒有辦法發展好的AI。」

而銀行擁有龐大的數據，但銀行已長年使用銀行的資料，因此，銀行需要做的是跟外部合作，混入更多不同種類的資料，之後產生新的應用。

最後，也是最重要的事是，設定合理的期待值，千萬不要期待一投入AI隨即就會產生一個完美的理專機器人，AI的發展應該從小規模的應用開始，之後再逐步擴大。