SAS、伊雲谷、勤業眾信探索 AI Agent 如何重塑新金融場景
根據 MIT Technology Review Insights 報告指出，未來 3 到 5 年是金融業邁向「自主銀行」的關鍵階段，已有不少金融機構加入 AI 協作作業流程。如美國著名金融機構 JPMorgan Chase 所使用的 EVEE 智慧問答系統，是該行內部的文件助理與客服輔助工具，協助行員減少案件處理時間並提升資源配置效率；Bank of America 的虛擬助理 Erica 每月處理約 5,800 萬次互動，有效達成 98% 自主解決客戶查詢，無需人工介入的成效。
金融業的 AI 競爭力戰場，已從「知識檢索」的被動對話 AI，轉向具備自主執行力、高韌性且能主動代理業務的 AI Agent，金融機構如何構建一套支撐 AI Agent 大規模運作的現代化架構與治理體系？
在 TechOrange 科技報橘近期所舉辦的「科技風暴金融高峰論壇」現場，邀請科技夥伴共同拆解 AI Agent 在金融業實務落地與現代化資安防禦等核心議題，協助金融業佈局下一波成長引擎。
SAS 如何以 Agentic AI 重塑金融行銷新賽局
「如何從行銷的角度切入，幫助整個銀行銷量業務的 Growth Engine （成長引擎），是金融產業轉型非常重要的一個環節。」SAS 架構技術顧問喬俊森將消費金融業務從行銷的角度拆解問題。
過去銀行多處於「被動」接收客戶訊息，依賴資料庫進行批次行銷，而 SAS 所主張的「主動即時」行銷決策，將 AI 嵌入自動化流程，將捕捉到的客戶信號轉化為行動，加速核貸效率，讓 AI 從單純的問答工具進化為具備深層推理能力的智慧代理人。喬俊森以消費金融場景為例，舉例 SAS 的 Agentic AI 透過 360 度客戶洞察與相似度分析，將客戶分為不同的風險族群，並分析過去申請貸款成功的客戶具備什麼特徵，當一個新客戶進來時，系統會分析新客戶的行為，進而推薦之前成功的行銷方案給新客戶，從海量的潛在客群中，根據風險分群並自動推薦客戶適合的利率與額度，實施 Next-Best-Offer，精準找出最可能成交的對象，並推薦最有效的方案 ，將算力轉化為可量化的商業投資報酬與實質的營運轉型目標。
伊雲谷揭秘四層模組化架構，賦予 AI 推理與自主執行力
伊雲谷產品創新總監張椽崢指出，AI 的角色正經歷從被動輔助到主動執行的關鍵點。張椽崢以一間保險企業為例，表示客戶因為停電導致冰箱食物腐敗，向該企業申請理賠，客戶透過這間企業的「Gen AI Mesh」AI 助理，直接透過通訊軟體與 AI 互動溝通，而「Gen AI Mesh」透過規劃、資安、理賠、詐欺偵測等 7 個 AI 代理協同運作，成功將理賠處理時間大幅縮短 80%。
若要複製此成功模式，張椽崢提出企業應採取「平台化策略」，建立由 Avatar（使用者介面）、RPA+RAG（工具）、LLM（智能核心） 與 AI Governance（AI 治理）構成的四層模組化架構。透過 Atlas 的擬人化介面，讓 AI 融入日常流程 ，配合 RPA + RAG 工具結合流程自動化與知識調用，並藉由 LLM 智能核心（如 GPT-4.1 或 Claude 等模型）提供邏輯推理能力 ，並運用 AI Governance 確保 AI 具備穩定的績效表現以及掌握成本控管。
勤業眾信「三道防線」建構金融 AI 的風險防禦與信任基石
隨著 Agentic AI 的權限擴大，如何「管理好」 Agentic AI 成為金融業最棘手的課題，勤業眾信科技與轉型服務營運長林彥良提出金融機構應將傳統的風險治理邏輯延伸至 AI 領域，在 AI 開發與應用流程中建立「三道防線」。
第一道執行與開發防線，強調「技術驗證」，開發團隊需透過壓力測試確保模型穩健度，在開發初期明確定義應用場景，防止 AI 模型在錯誤背景下被誤用；第二道管理防線則聚焦於「風險可視化」，設定明確的 AI 風險容忍底線與監控標準，透過 AI 風險儀表板即時監控模型風險、資安威脅及法規遵循狀況；第三道監督防線專注於稽核，提供客觀的評估與確信，驗證整體風險管理流程皆符合倫理、透明以及標準化。
為了強化這三道防線的運作效能，林彥良強調必須建立透明的問責機制，在技術實作上共享模型資料與啟用稽核軌跡，增強內部稽核的透明度，實施自動化的模型驗證與持續性壓力測試，確保模型在面對異常情況或攻擊時仍具備足夠的強健度與安全性。
對於正處於跨越「智能轉型」門檻的金融機構而言，唯有將安全性與韌性視為發展核心，才能在規模化擴展 AI 應用的同時，穩固客戶信任的基石並精準對接日益嚴苛的監管標準 。