當 AI 代理時代來臨，金融業準備好了嗎？專訪 HPE 談 AI 轉型不只是技術戰
隨著生成式 AI 應用百花齊放，2026 年被視為金融業將 AI 從「單點嘗試」推向「全面落地」的關鍵一年。特別是當 Agentic AI （AI 代理）技術蓄勢待發，AI 能否從輔助工具，進化為能協作執行任務的「數位勞動力」，也成為決策者佈局的重點。
然而，要跨越這些鴻溝並不容易。根據金管會 2025 年統計，全台 383 家金融機構及周邊單位僅 33% 導入 AI。台灣金融業者在 AI 轉型的路上究竟遇到哪些隱形障礙？《TechOrange》專訪 HPE Taiwan 金融、政府暨電信企業事業處總經理邢啟文，帶來第一手的產業觀察。
身為深耕 IT 產業近 30 年、長期服務金融與政府客戶的資深老將，邢啟文提及金融業導入 AI 所面臨的挑戰，包含對 AI 的認知落差、建置基礎建設的時間成本高、資料治理的難題。
挑戰一：從以為 AI 無所不能，到面對 6 個月的建置現實
邢啟文觀察，許多尚未深度導入 AI 的企業，往往對 AI 抱持高度期待、認為 AI 無所不能，但未留意到背後所需的組織投入成本。從資料準備、系統整合，到後續維運與人才配置，這些隱性工程往往在實際接觸後，現實門檻才逐一浮現。
最直接的衝擊來自基礎建設的時間成本。根據 HPE 內部調查，多數自行建置 AI 運算環境的企業，從硬體進場到實際運行第一個 AI 應用，往往需耗時約 6 個月。
為什麼這麼久？邢啟文坦言起初聽到也感到驚訝，但實際情況是 AI 不同於傳統技術堆疊，加上許多 AI 工具都是開源的，企業必須重新從硬體、作業系統到上層軟體一層層堆疊起來。更棘手的是後續維運，一旦遇到開源軟體改版或上修補程式，往往牽一髮動全身，若要檢查與其他軟體的相容性，對企業來說需要耗費大量的時間與人力成本。
邢啟文進一步點出，AI 軟硬體工具的研究需要具備相關技術與知識的人力，但金融業者不見得擁有充分資源進行端到端的 AI 部署，而這正是 HPE 的切入點，透過提供相關解決方案加速落地。
挑戰二：追求速成反釀孤島，資料治理更成難題
當然，也有企業並非從零開始建置 AI，而是選擇直接導入針對特定場景設計的 AI 應用程式。邢啟文表示，這種做法的優點在於專機專用、上線快速，但是當組織中不同單位都挑選自己覺得最好的 AI 應用軟體，各自為政的結果，可能導致一套又一套未經標準化、難以完整控制的應用孤島。
邢啟文指出，當 AI 代理時代來臨、企業需讓 AI 之間彼此協作時，分散的系統與資料將造成巨大的管理負擔。他更具體點出「資料治理」的關鍵性。舉例來說，同樣是一個數字「100」，在不同部門可能代表完全不同的意義：它可能原本代表 100 元，但在財報上單位若為千元，其價值即為 10 萬。若缺乏統一的治理與標籤，這些定義不一的數據將無法被跨部門重複利用。面對這種更複雜的 AI 協作需求，邢啟文認為，企業將需要一個標準化、可擴展的平台來加以整合。
AI 應用場景持續擴大：從反洗錢到授信
儘管挑戰重重，台灣金融業在 AI 落地應用上也逐漸展現出具體成效。邢啟文分析，目前金融業導入 AI 的應用大多是為了降低成本、提升效率，但未來重心將逐漸轉向創造營收。
在提升效率方面，以反洗錢為例，傳統銀行的系統依照法規進行偵測，只要觸發規則就會產生警示，導致銀行必須派人撰寫大量報告。邢啟文分享實際導入 AI 機器學習的案例指出，系統因為學習了歷史資料而能更精準針對交易進行風險分級、減少誤判，此做法協助客戶節省了一半的人力成本，提升了一倍的效率。
在創造營收方面，世界經濟論壇 2025 年報告顯示，大約 70% 受訪金融服務高層認為，AI 將在未來直接影響營收成長，而「授信」是邢啟文觀察到的新興 AI 應用領域。他表示，透過 AI 加速資料審核，銀行能大幅縮短客戶等待時間，「誰能越快給出 Offering，誰就能搶下客戶。」 在此情境下，AI 帶來的速度直接轉化為客戶滿意度與營收機會。
金融業導入 AI，除了應用場景日益多元，也有越來越多的業別導入。邢啟文觀察，過去導入 AI 以銀行業、保險業居多，但近來證券業也開始參與，用於市場訊息整理等。他表示，即便台灣每個金融機構的發展階段都不太一樣，但一旦有成功的案例出現，往往會帶動同業快速跟進，「我認為在未來一兩年，（金融業導入 AI）這方面的應用其實會越來越快。」
面對即將到來的 AI 代理時代，邢啟文再次強調了 AI 平台化與資料治理的重要性。由此，未來金融業的競爭將不再只是技術競賽，更是治理能力的較量。若缺乏統一架構與資料標準，AI 投資將難以累積為長期優勢，而從 HPE 的觀察來看，未來一到兩年，將是金融機構能否完成這場轉型的關鍵。
＊首圖來源：《TechOrange》拍攝。