金融戰AI 金控全線加速布局

麥肯錫（McKinsey & Company）預估，AI全面落地將為全球銀行業帶來14%至24%的新增利潤，3年內更可能擴大至60%至80%。為搶搭這股浪潮，台灣各家金控已將AI深植於營運流程，並鼓勵員工積極探索生成式AI的各種可能性。各家金控因集團布局、自身資源與客群定位差異，發展出獨具特色的AI發展策略。

為掌握第一線實況，《台灣銀行家》雜誌團隊實地走訪多家金控內負責整體AI布局的高階主管，深入了解其推動策略與實踐成效。

對於金控而言，旗下不同子公司的業務性質與監理規範差異，往往使得集團整合一致的AI推動策略面臨極大挑戰，若子公司各自為政，不僅難以有效集中技術資源，推進步調也可能出現落差。因此，由金控統一AI基礎架構與人才調度，較為合理可行。

例如國泰金控AI布局強調「金控一體化」策略。2016年成立「數位數據暨科技發展中心」（簡稱數數發中心）大力推動AI與雲端，整合集團科技資源，統籌跨子公司專案，並制定統一技術標準，避免重複投資，以達到集團綜效。一方面啟動上雲計畫，將內部系統階段性遷移至雲端；另方面採取「多雲、混合雲」策略，依據不同使用場景與複雜度，有系統地協助子公司將系統遷移至雲端。在AI布局上，為取得集團共識並統一發展「國泰生成式AI技術發展框架GAIA」。無論哪個子公司的AI專案，都能在相同架構上部署，實現模型、數據與工具的共通與復用，大幅縮短開發與部署時間。

在人力資源方面，國泰的作法是培養集團共通的人才池，同時各子公司的數據或數位部門也與數數發中心形成網絡，每月定期交流分享，使前線需求能及時反映到技術路線上。這種打破公司牆的組織文化，使得國泰在推行集團級創新時阻力較小，從雲端轉型到GAIA技術框架落地，各子公司皆能步調一致地配合執行，減少延宕。

為了讓AI工具更普及易用，多家金控發展出企業版AI聊天機器人供內部使用，並搭配教育訓練營造AI友善文化。以玉山金控為例，玉山團隊在內部上線自有生成式AI平台「GENIE」，作為串接外部大型語言模型的企業介面，開放給所有單位、職級的人員使用，而非侷限特定部門。該團隊每月追蹤平台的獨立使用人數與平均使用次數，數據顯示皆穩定成長，截至5月底全行超過一半員工曾使用過GENIE。

為推廣此工具，玉山採取多項措施：首先建立「提示詞範本庫」，提供各領域的提問範例，降低新手學習門檻，幫國泰金控提供助行員快速掌握撰寫有效指令的技巧。其次，針對各業務需求舉辦多場實戰工作坊，手把手演示GENIE的使用方法與案例，經觀察發現每當某部門完成訓練，其平台使用率便明顯跳升。透過這種種子培訓模式全行推廣，GENIE的整體活躍度大幅提升，同仁善用其來自動撰寫簡報初稿、整理冗長資料、搜尋內部知識庫資訊等，顯著節省時間。

生成式AI被視為更聰明的機器人流程自動化（RPA），能處理傳統RPA難以自動化的非結構化任務，各家金控紛紛導入生成式AI技術來進行文件翻譯、報告撰寫、資訊摘要等，極大減輕行政負荷。以凱基金控為例，該集團內部開放員工經申請核准後使用生成式AI工具，並由資安團隊監測使用情形，確保資料安全。上線不久，員工們便找到提升效率的妙方，其中文件翻譯是最熱門應用，過去遇有英文資料須委外翻譯，現在多數同仁傾向自行使用AI翻譯再由專人複核。許多員工反映AI產出的翻譯品質不輸專業翻譯社，對金融術語的掌握甚至更精確，同時AI可即時給出結果，節省外包等候時間。

又例如報告撰寫與摘要，行員開始讓AI協助產出產品宣傳文案初稿，再由人員潤色定稿，以往從零寫作需構思大量措辭，如今AI可快速產生多種版本供參考，讓個人化行銷文案可實際落地。再者，財富管理或市場分析部門會運用AI快速閱讀並歸納分析報告，例如蒐集多份外部市場研究報告輸入AI，讓系統摘要重點供每日決策參考。由於這類應用不直接面對客戶，同仁甚至會比較不同AI模型（如OpenAI與Google Gemini）的摘要效果以交叉驗證資訊可靠性。這些案例顯示AI工具正潛移默化地融入員工日常工作流程，使許多繁瑣任務更加高效。

若要在AI浪潮下搶占先機，底層模型與技術創新必不可少，以永豐金控為例，該研發團隊自2021年起，致力於「顧客基因」技術，將每位客戶特徵抽象表示為隱含向量的方法，透過深度學習模型將客戶的各種行為與特徵映射到潛在空間中，不再侷限於年齡、資產等顯性欄位，而是捕捉潛藏的「基因」特質。換言之，即是將客戶的交易記錄、產品使用情況、數位足跡等視作金融基因序列，藉由AI技術加以解碼，找出隱藏其中的偏好模式。

此技術的目標在於發掘傳統規則所看不見的客戶偏好模式，實現更準確的差異化行銷與服務。這套系統目前已在永豐銀行及永豐證券等子公司的數位金融場景中應用，涵蓋金融商品銷售（如基金、保險推廣等）、差異化客戶服務以及數位管道個人化體驗等多個方面。值得一提的是，這項技術具有良好的擴充性，有望延伸應用到風險控管與詐欺偵測等領域，由於每個客戶的向量代表了其正常的行為模式輪廓，一旦某段時間出現異常偏離，便可能提示風險事件。例如信用卡客戶的「基因」若突然出現異常消費模式變化，或許預示著潛在的盜刷風險。同樣地，銀行可利用客戶向量來預測哪些新開戶客戶日後可能成為人頭帳戶，提前介入審查。

如今，永豐金控「利用顧客基因之行銷系統與方法」已分別取得經濟部智慧財產局審查新型專利及發明專利，在集團內分析超過500萬名客戶的交易行為與數位足跡，在數位帳戶客群精準行銷作業流程上減少40%時間，一年預估可節省行銷作業工時約1,500小時；其次，信貸電銷撥款率單月平均相較於過往人工篩選方式成長75%，人均名單撥款金額成長31%；此外，與證券沉睡戶簡訊觸動率提升逾3成。

由於房貸業務需求殷切，臺灣銀行推出「智能房貸估價試算」平台，讓潛在房貸客戶自行輸入不動產資訊，進行貸款額度試算，可快速獲得房屋估價及可貸款額的參考。臺銀的行員在受理房貸案件時，亦可將房屋資訊輸入內部系統，由AI即時給出估值作為授信參考。由於不動產鑑價評估直接關係核貸風控，模型採用較完整的資料與嚴謹的估值，臺銀針對全台22個縣市各自建立模型，並細分房產類型，例如電梯大樓、華廈、無電梯公寓、透天厝建物及透天厝土地等，共計訓練了百餘種估價模型以涵蓋不同區域和物件。模型訓練與部署方面，臺銀逐步導入的機器學習運營概念，實現模型的週期性訓練與自動部署，為確保估價隨房市行情波動及時校準，模型每月利用最新交易資料重新訓練並部署上線，讓行員每次查詢時都能獲得最新、最準確的估值結果。在推行房貸估價AI過程中，行員反饋與成效評估顯示出正面效果，系統上線一段時間後，臺銀對全行展開問卷調查，結果顯示過半數使用者認為模型對業務有明顯助益，有助提高估值效率與準確度。

壽險業過去在處理保險理賠案件時，常涉及醫療診斷證明（如X光片）的審核，必須倚靠外部顧問醫師。然而顧問醫師通常每週僅駐點1、2天，導致許多案件從送件到核准需等待數週甚至數月，影響客戶理賠時效和滿意度，特別是骨折、胸腔等影像判讀為主的案件，等待時間長成為理賠服務的一大痛點。為提升理賠時效，元大人壽導入了醫療影像AI判讀技術，利用深度學習模型來自動識別X光片中的關鍵特徵。例如對骨折X光片，模型可判斷骨折的存在與符合保單理賠標準與否，對胸腔X光片則可檢測病灶或異常徵象。元大甚至為此添置GPU伺服器專門用於模型運算，模型的訓練資料來自歷年理賠案例的影像與醫師判讀結果，由醫療專家與資料科學家共同標註建模。AI上線後，胸腔X光片從原本平均2天才能完成判讀與摘要，大幅縮短至約2分鐘；四肢骨折影像亦由數日壓縮至10分鐘內即完成。經過驗證，大部分常規醫療理賠由AI處理準確可靠，僅少數困難案例需轉人工，顯示AI已成功分擔主要工作量，這不僅提高了運作效率，也證明AI技術在保險理賠自動化上的可行性。

國泰產險也積極將AI技術導入保險價值鏈，開發SmartClaim理賠智能助手，透過自然語言模型技術（LLM）與詞庫分析模組，精確截取判決書內容，提供理賠人員體傷理賠金額的估損建議，建立量化賠付準則，平均每案估損時間從30分鐘降至5分鐘。SmartClaim也運用SNA（Social Network Analysis）關聯網絡模型，從大量理賠資料中找出可疑模式，辨識潛在的詐欺網絡與高風險節點。自上線以來，已成功偵測並攔阻逾890件高風險詐保案件，累計阻詐金額超過新台幣2,900萬元。另外，推出了「CarTech智能車險加值服務」，為法人車隊打造智慧風控方案，透過車聯網裝置收集車輛駕駛數據並運用AI分析駕駛行為模式。國泰產險開創車險加值新模式，協助法人車隊掌握駕駛風險指標，改善高風險行為與安全制度，有效降低車隊駕駛事故率，對保險公司來說，更能落實損害防阻的企業社會責任。

人工智慧正以前所未見的速度滲入金控營運核心，從統一雲端基礎、培育跨子公司人才，到生成式AI平台賦能、場景式應用落地，各家機構已初嘗效率與創新的綜效。（作者為台灣金融研究院金融研究所助理研究員）