近年來，各行各業在人工智慧（AI）的運用正如火如荼地進行，金融業也不例外。然而，各界關注AI如何節省各種人力成本，完成過去耗時耗力才能達成的目標之時，卻較少人關注AI模型為達成這些目標的詳細過程與資料來源，特別是金融機構如果將AI運用在業務服務上，倘若發生無法預期之風險或疏失等負面結果時，該如何驗證金融機構的當責性（Accountability），已成為國際上監理機關重視的課題。事實上，美國國家標準與技術研究院（NIST）早在2023年1月26日就已經公布「人工智慧風險管理框架1.0」（AI RMF 1.0），以降
銀行應徵個資表要求過多個人或家庭資料，易引發求職者對資料治理與錄取公平性的疑慮，進而影響求職意願與組織的人才招募成效。
跨境支付需求催生穩定幣市場，尤其，台灣半導體及AI核心產業與台股站上全球舞台，台幣穩定幣上鏈將提升金融話語權。
金融業盈餘創新高但掩不住資安管理漏洞，當修補速度落後於攻擊節奏，資安已成金融營運最被低估的系統性風險源頭。
