AI+FinTech 擦出新火花！16 家金融業者已上車，還有哪些應用面向？
面對 AI 時代的來臨，麥錫森智能科技創辦人暨執行長賴昭榮分析，現在應該大方擁抱，更重要的是要如何藉由更多、更好的配套，讓 AI 得以好好運用，並跟上世界的發展趨勢，千萬不要因為害怕、不要像過去時代害怕外國入侵就鎖國，應該拋棄故步自封的想法，好好思考如何運用，讓 AI 協助人們發展越來越好。
模擬、增強或超越人類智慧
賴昭榮表示，AI 是「Artificial Intelligence」的縮寫，也就是人工智慧。人工智慧是一個跨學科領域，主要目標是創建和應用智慧機器或智慧軟體，模擬、增強或超越人類的智慧，以進行思考、解決問題、做出決策或完成一定工作的自動化系統。
其中，機器學習為 AI 的其中一種技術，通過數據輸入，機器可以自我學習和改進，這是最普遍的 AI 形式，並且有各種應用，例如推薦系統和自動駕駛汽車。
其次，自然語言處理使機器能夠理解和生成人類語言，被用於翻譯和語音助手（如 Siri 和 Alexa）。此外，AI 可以用來識別和處理圖像，被廣泛用於臉部識別和醫學影像分析。
關於機器學習在 AI 中最廣泛的運用，稱作「監督式學習」，必須要有資料，且資料必須同時包含答案或標籤。另外，也有資料不包含答案的「非監督式學習」。藉由蒐集答案的資料的學習過程，整合去猜沒有資料的答案產出的一種學習方法，稱作「半監督式學習」，半監督式學習結合了監督式學習和非監督式學習的特點。在半監督學習中，模型被訓練在少部分被標籤的數據用以建構基礎模型，和大量的未被標籤的數據上用以產生新的數據。
而生成式 AI 是一種可以產生各種類型內容的 AI，包括文本、圖像、音頻和合成數據，根據現有內容中學習到的創建新內容。而除了學習，及最後預測的過程之外，還多了一個就是會生成出現實中沒有的資料，這是一個很大的特性。
AI 變成「工具」，減少重複、繁瑣工作
對於未來 AI 是否會取代人類？他舉例，現在很多人利用大型語言模型處理資料，丟進去之後，就可以協助產生程式碼，但這種情況下，人們還需要學程式嗎？答案是「絕對需要」，因為生成式 AI 還是可能有錯誤，而且人們要問 AI 什麼、要請 AI 分析什麼、要請 AI 往哪個方向去產出結果，這些問題都要回歸到人，要「人」才能掌握這個關鍵，因此人的角色是永遠需要的。
因此，賴昭榮分析，現在的 AI 主要是一種「工具」，也就是可以大幅減少過往一些比較重複、繁瑣的工作，藉由 AI 可大幅減少時間，讓人們有更多時間推動進步的速度。
簡單來說，藉由 AI 來整合資料的過程中，還是需要人們去判斷，才會讓 AI 知道要往什麼方向，或方向是不是對的、是不是好的。以金融業來說，AI 可能可以給一些傳統上大家習慣的用法，但這用法可能不會那麼完全適用目前的單位或狀況，因此還是需要人去調整，而 AI 出錯時，也需要人去解決、校正，而 AI 要取代人的這件事「應該也不多」，但絕對可以加快更多事物的速度，所以對於人會不會被 AI 取代這件事，他覺得「不用太擔心」。
更重要的是，牽扯到情感的判斷上，還是需要人去解讀。他舉一個傳統例子來說，自駕車現在前面有 2 個人，一定要撞一個，因為車子閃不掉、沒辦法了，但前面一個是很有錢的或是很有德望的老人家，一個是剛進入社會、很有遠景的年輕窮小子，到底要選擇閃避哪一個人？AI 的某部分判斷可能有時候會跟我們的想法差很多。也許以人的角度，沒有正確答案，或許兩個人都會受點傷，卻還可以活著。
在 AI 對於金融業的短中長期影響方面，賴昭榮分析，以短期來看，就是要看怎麼去利用這些 AI 工具、模型來加快傳統上需要反覆、需要花許多時間才能夠處理的工作，但這部分也會考量到資料外洩的議題，因此必須要有台灣優化、特有、微調後的模型。
導入 AI 應用，建構金融服務
長期來看，AI 發展是一個必然的趨勢，但因為金融界的資料要更加安全，且環境及相對內部的網路也比較封閉，所以沒辦法太快，隨著法規逐步開放後，台灣金融業也勢必將逐漸導入 AI 的各項應用，來建構金融服務。
在輝達（Nvidia）研究報告中，今年針對約 500 名全球金融服務專業人士的調查，發現幾個重要趨勢。其中，面臨宏觀經濟挑戰，金融服務公司正在尋求 AI 來更準確地評估風險、創造營運效率，並降低成本。另一方面，則是加速部署 AI 應用，公司正在加快將 AI 應用部署到生產環境，而招募和保留數據科學家現在是實現金融服務公司 AI 目標的最大挑戰。另外，幾乎一半的 AI 項目運行在混合基礎設施上，使得數據可攜性、MLOps 管理，以及在雲端和本地端之間的軟體標準化成為戰略性重要問題。
賴昭榮直指，台灣金融業的問題之一就是「人才」，跟國外招募和保留數據科學家的趨勢相同，也就是台灣跟資訊領域相關的人，可能第一個優先選擇的還是傳統科技業，整體平均來看，到金融業相對實作能力會有落差，所以金融業如何強化資訊人才的招募跟留才、培育，是未來非常重要的事。
他進一步分析，AI 可提供金融服務相當多的層面。從經營者面向來看，可協助契約檢視、風險模型管理與壓力測試、市場影響分析、投資組合管理等等。
以風險模型管理與壓力測試來看，可理解大量非結構化及半結構化資料，並管理金融機構風險模型的輸出結果。此外，就是藉由引進更多結構化及非結構化數據，可將壓力測試流程自動化，加速測試過程，減少投入成本。市場影響分析，則是準確評估金融機構自身交易對市場價格的影響程度，減少交易對於進出市場的價格及流動性影響，或作為日常交易策略的參考。
若以消費者面向，則包含信用評分、保險、聊天機器人、精準行銷、身分識別、機器人理財等等。
以信用評分來看，現在的風險評估就可以藉由 AI 來完成，例如將資料倒進去後，可以藉由權重，算出違約的機率等，另外可即時擷取社群行為、通訊軟體互動與客戶基本資料等信用相關訊息，提高信評準確性、區分信用等級、加速貸款決策及減少潛在風險。
聊天機器人則可透過文字或語音的自然語言處理（NLP）技術與客戶直接交流、識別人與人之間談話的意思及情緒，找出適合答案，與客戶互動回應，可應用於迎賓接待、產品解說、行動應用程式及客服系統等服務。
機器人理財，有效降低財管門檻
隨著 AI 及金融科技（FinTech）快速發展，機器人理財的創新服務模式因而隨之興起。他認為，AI 對於消費者最有感、最有直接幫助的就是所謂「機器人理財」，也就是藉由自動化投資顧問服務，提供線上理財諮詢及投資管理服務，不但可以減少理財專員的人力成本，更能降低財富管理的門檻。
而在 AI 智慧理財的運用上，技術通常涉及機器學習、大數據分析、自然語言處理等，用以分析市場數據、預測未來趨勢、識別投資機會並優化投資組合。AI 智能理財在很多領域都有應用，例如機器人理財、高頻交易（High-Frequency Trading）、風險評估、信貸評分等。
金管會統計，目前開辦「機器人理財」共有 16 家業者，包括 3 家投信（復華、野村、群益）、4 家投顧（富蘭克林、鉅亨、中租、阿爾發）、9 家銀行（王道、兆豐、國泰世華、永豐、華南、第一、新光、合庫、中信）。截至 6 月底，16 家業者管理的資產規模已達到新台幣 73.25 億元，較去年同期成長 32％。
他舉例來說，過去理財的門檻可能相當高，可能要有數百萬元以上才能得到服務，而要提供服務也需要有牌照的公司才能提供。藉由機器人理財，可藉由機器人分析控管來做好資產自動配置，將資產的平衡交給機器人，且服務費可以降低，更能降低人為判斷錯誤，減少情緒、成見、利益衝突等。
重要的是，機器人理財可以全天候服務，而且隨著更多的模型加入後，未來的機器人理財將是 AI 運用在金融業上最為明顯、最能發揮效益的一個發展重點。
跨域結合，金融業應創造適合人才環境
除了機器人理財的願景看好外，擁有中央大學資訊工程碩士、臺灣大學資訊工程博士的賴昭榮也觀察到，許多跟他一樣的資訊相關人員會優先選擇到學術界發展或是科技產業、資訊單位等，但在金融業中，結合金融與 AI 等 FinTech 相關人才的比例還是比較少的。AI 導入更需要跨領域的組合，除了傳統金融背景人才，他呼籲，現在金融業需要創造一個更為適合資訊人才的環境，還要締造人才進來之後可以發揮的環境，尤其是 AI 導入後，更需要相對應的各方面資訊技術人才。
賴昭榮強調，大型語言模型（Large Language Model, LLM）的趨勢、AI 的導入，是會「一直往前走」的，現在其實不是這個世界上第一次大家在喊 AI。所謂的 AI 浪潮，大概是第 3 次了，早期 50 年代、80 年代，大家都曾經很關注過 AI，但是現今的發展，卻大大不同。有很多的應用或者是相對應的計算能力、資料取得、資料品質都比之前好很多，導致很多應用加速發展。
未來，在 AI 發展過程中，賴昭榮分析，除了方便外，也要關注跟安全相關的領域。他指出，AI 的未來發展趨勢，大家還是要大步跟上並導入，才不會隨著 AI 的快速發展，而與其他前行者距離越拉越遠，應該選擇大方擁抱、密切關注並持續發展，跟上 AI 所創造的便利。
（本文轉載自《台灣銀行家》）
延伸閱讀
一卡通、全盈變身混血式零售！行銷策略轉向，不再堅持「1 個產品賣給很多人」
解決方案百百種，企業如何尋覓合適夥伴？從 3 面向找解方，迎接下一波未知挑戰
不是銀行，也能推金融服務！佈局金融生態圈，為體驗加值