Gartner預估2020年企業20％獲利來自AI應用

人工智慧╳金融科技 開創金融新藍海

人工智慧發展一日千里，應用場景不再僅存在於電影，逐漸進入日常生活。為即時掌握AI於金融業發展現況與未來趨勢，台灣金融研訓院特別舉辦研討會，邀請各界專家分享國外先進經驗。

人工智慧（Artificial Intelligence, AI）的概念最早由美國史丹佛大學教授John McCarthy在1955年提出，他將人工智慧定義為一種產生智慧機器，特別是針對智慧電腦程式的科學與工程，其目標為使電腦具有類似人類學習般的功能，以解決複雜問題。

AI發展迄今已有60多年，從規則基礎、統計分析演算法到深度學習，歷經四波發展歷程，首先是第一階段的控制程式人工智慧，如空調、吸塵器與洗衣機等。第二階段則是1980年被歸為典型的人工智慧，主要是藉由加入知識基礎，產生大量輸出與輸入的關係，如醫學診斷程式、拼圖解析程式等。

AI是一個廣泛偏向於應用面的說法，換言之，任何事物只要與人工智慧的應用有關，就可以稱為AI。另外兩個與AI有關的名詞，則是ML與DNN。所謂ML，是機器學習（Machine Learning）的縮寫，為具體實現人工智慧的方法，透過機器學習與反饋，在眾多複雜的大數據下建構模型以解決問題。DNN即是深度神經網絡（Deep Neural Networks）或稱為深度學習（deep learning），則是透過分類與特徵辨識來建立模型、訓練模型與挑選最合適的模型，讓電腦具有如同人類般的理解能力。最經典的案例則是Google DeepMind開發的AlphaGo打敗世界圍棋冠軍。AlphaGo靠著大量訓練樣本與深度神經網路設計，再加上快速精準的計算能力，完勝人類棋手。

人工智慧4大應用：金融、醫療、零售、製造

目前AI的進展從第三波進入第四波，也就是從機器學習進入到深度學習的人工智慧，透過機器自動抽取資料特徵，呈現資料的變數。根據Gartner分析，機器學習在2∼5年內將成主流技術。然而深度學習才是AI成功發展的關鍵，透過大數據的產生與儲存，加上GPU快速運算與類神經網路訓練模型後，所衍生的相關應用，將會徹底改變產業結構與風貌，屆時商機不可限量。

根據IDC預估全球人工智慧相關產值將從2014年172億美元成長到2019年的486億美元，其中智慧金融（28％）、智慧醫療（19％）、智慧零售（17％）與智慧製造（14％）為4大垂直應用市場。此外AI在廣告行銷、石油與瓦斯、數位媒體、製造、零售物流業等均呈高度成長，尤其是金融產業包括投資與金融服務業等，不論在複合成長率及市場預測值均獨占鼇頭。目前企業最有興趣投資的AI應用第一名為智慧顧問，第二名則是虛擬助理。

看好AI前景，不僅google或facebook投入研發，許多新創公司也提供市場更多創新的解決方案，目前新創公司在人工智慧技術開發上，集中在深度學習與機器學習的應用平台，此外也涵蓋了自然語言處理、電腦視覺╱影像辨識應用平台以及個人虛擬助理等。

AI讓金融服務更貼心

金融業可說是所有產業中擁有最多數據的行業，AI技術在金融領域的投入有3大階段，第一階段是數據蒐集；接下來則是透過大數據基礎訓練、優化與建立不同的DNN模型；最後則是將模型應用在金融服務上，包括客服系統、身分辨識、風險管理、財富管理、信用評分與金融交易的執行與監理（RegTech）等。

擁抱AI能精進客戶經營與縮短業務流程，提升自身效率與提供客戶更貼心的服務。以美國運通為例，結合人工智慧透過聊天機器人提供卡友個人化服務，包括即時刷卡通知、卡友優惠提醒、個人化推播服務等。不少金融業龍頭業者也斥資發展金融科技，如2017年2月富國銀行宣布成立創新實驗室，打造一個新的人工智慧問題解決方案團隊，負責聊天機器人與智能投顧平台，讓客戶既可受益於金融科技的便利性，也能獲得強大和全面線下專業的理財服務。

不讓富國銀行專美於前，美國銀行也推出智慧助理Erica，發展全新的AI Bank。透過分析客戶所有的財務資訊、整合所有的行動銀行與分析適合的產品，最後提供給客戶即時且有益的理財資訊。舉例來說，Erica透過AI預測分析，協助客戶在支付、控制預算、降低債務、改善信用評級與更省錢的還款計畫建議等。此外，客戶在支付的同時，也會檢測消費習慣，若過度消費，還會主動發訊息提醒避免透支。

讓理專更專業與精準行銷

在財富管理方面，摩根士丹利打算也建立具備深度學習能力的理財人工智慧，但並非由使用者親自操作，而是用來幫助理財專員升級專業。摩根士丹利的理專智能推薦系統會根據市場資訊，以及客戶的資料，包括過去所做過的理財決策以及生涯中重要事件如婚喪喜慶等，透過演算法做出判斷。目標是找出客戶想要且需要，但自己不知道要主動開口要求的需求，做到精準行銷。根據過往資料，判斷客戶的理財需求後，提供給理專幾個不同的理財建議，但最終仍是由理專跟客戶進行溝通。

此外，摩根士丹利打造理財顧問專用的人工智慧助理，不僅能從公司資料庫中因特定問題搜尋資訊，也能自動化轉帳流程，以及將客戶文件數位化等。目前已在今年7月就500名員工測試這項計畫，年底全面推行到1.6萬名理財專員。

讓保險業加速核保與理賠

在保險業方面，日本富國生命保險公司引進AI系統後，透過視覺分析來解讀數據，包括非結構文本、影像等，協助整合理賠個案的醫療證明、醫療紀錄、住院日數與手術金額等，加快核保流程，從以往的3天縮短到數分鐘內。

美國Lemonade公司則推出手機App提供產險投保服務，投保過程由AI機器人負責，首先會詢問客戶姓名、地址，並透過簡單的問題進行保費試算後，即可進入投保程序，整個過程只要90秒就可以完成。即使是理賠也是由機器人負責，透過核對身分加上多個防詐騙演算法後，只要6秒鐘就確認理賠並支付金額。值得一提的是，若該年度公司有剩餘的理賠金額，客戶可選擇捐贈給消費者指定的慈善團體。

精簡金融從業人員工作

相對於國外金融業的AI應用，台灣金融業的AI應用，目前停留在多元性資料蒐集與分析上，在深度學習上仍在摸索當中。落實於客戶服務體驗，從初期的迎賓機器人，進入到對話形式的聊天機器人以及智慧助理的服務。在企業端，則是透過優化資料與訓練來建立模型，讓A I做到以前只有人可以做到的事，以取代重複性的工作，如文件驗真等。

主要透過自建模型進行機器視覺應用在銀行徵審流程方面，希望藉此可快速審核客戶資料，縮短核貸時程。首先進行資料蒐集並定義合格資料，讓機器看懂與辨別資料的真偽，第二步驟則是分類樣本特徵包括存摺正反面、存摺內頁正反面、各式扣繳憑單與所得清單等，進行分類並擷取特徵標記後，接下來才會進入到參數研究與訓練模型，最後得到分析結果。

隨著AI崛起，banking不再是一個地方，而是一個行為，同時導入金融科技精簡業務流程，也進而影響金融從業人員的生計。如富國生命保險導入AI後，理賠部人力將更精簡。再以金融數據服務商Kensho為例，透過其研發的人工智慧技術大數據平台可預測分析市場，可能會導致大量金融分析師失業。但與其憂慮AI奪走工作，倒不如思考能從應用面上找到何種商機。根據Gartner預估到了2020年，企業有20％的獲利來自於AI應用。科技始終來自於人性，擁抱科技借力使力，才能開創金融新藍海。