金融業如何養出真正能上工的 AI Agent？國泰金控揭從模型、護欄到治理的落地路徑
隨著生成式 AI 浪潮席捲全球，金融業正站在技術變革的最前線。然而，要讓 AI 從單純的聊天助手，蛻變為能真正在企業內部運行的 AI Agent，絕非一蹴可幾。國泰金控數數發中心經理謝昌宏近日在科技報橘主辦的「AI Ready 數據治理論壇」中，深度剖析國泰金控長達十年的轉型歷程與具體實戰策略。
謝昌宏指出，國泰金控不僅在 2024 年獲主管機關核准，成為全台第一家全面推動資料上雲的金融業者，更為了迎接 AI 浪潮，早在 2023 年便成立 AI 卓越中心 (AI CoE)，推動打造統一框架的「AI Ready」、擴大全員影響力的「AI Empower」，以及深度嵌入業務流程的「AI Native」三大戰略，最終目標便是讓未來的每項金融服務，都能與 AI 無縫整合。
從營運增效到自主協作，GAIA 框架孕育金融 AI 代理人
在建立 AI Ready 的穩固基礎後，國泰金控已將生成式 AI 實際落地於多個高價值的營運場景，大幅重塑企業價值鏈。例如在智慧文檔處理（IDP）方面，AI 已超越傳統 OCR 僅能數位化的限制，能夠理解動輒百頁的聯貸合約與法規，並自動摘要關鍵的風險點。
此外，面對洗錢防制等繁瑣的合規需求，AI Agent 可以自動調查可疑交易並整合外部新聞，將撰寫可疑活動報告 (SAR) 的時間從數小時大幅縮短至數分鐘。至於在人力資源轉型上，HR 知識庫與 AI 助手不僅能即時解答員工提問，更能進一步擔任虛擬教練生成個人化學習路徑，成為國泰內部第一個讓數千名員工使用的大規模剛需場景。
不過，要養出具備獨立思考與跨單位協作能力的 AI Agent，單靠應用場景的開發並不夠，更必須仰賴穩固的底層架構。對此，國泰金控推出被視為孕育無數 AI 應用服務的 GAIA 框架：第一代的 GAIA 1.0 提供匯聚豐富算力的企業級模型中心、內建 70 道安全防護檢點的自研 AI 雙向護欄，以及能減少模型幻覺的專屬金融領域知識庫；隨後進化的 GAIA 2.0 則升級為雲端協作框架，其中包含統籌任務的核心框架 (Agent Core)、提供安全運作的可控環境 (Agent Workspace)、統一溝通語言的串接協定 (Agent Protocol) 與集中管理的整合市集 (Agent Marketplace)。
數據與模型雙引擎驅動，落實治理與人才佈局
雖然技術框架已備妥，但市面上的通用大語言模型往往對台灣在地金融知識、專業術語與法規掌握不足，難以完全滿足本地金融機構的精細化要求。為此，國泰運用「數據」與「模型」雙引擎來驅動專屬的 AI 大腦。
在數據面向，國泰金控與 NVIDIA 結盟，運用 NeMo Curator 針對台灣本地法規文獻進行清理，並有效解決知識泛化不足的問題。藉由這些具備真實邏輯的高品質資料，國泰成功微調出具備 70 至 80 億參數的專屬大型語言模型。
同時，金融業高度重視風險與客戶權益，因此落實包含問責、公平性與隱私等六大支柱的負責任 AI (RAI) 規範，是 AI 獲准上線前的首要條件。為應對生成式 AI 輸出的隨機性，國泰金控導入紅隊測試以防範惡意提示注入攻擊，並引入雙模型機制的「AI 裁判」進行幻覺檢測與追溯資料來源。此外，更利用 SHAP 這一類工具確保決策過程具備可解釋性。
除了建構技術層面的護欄，推動 AI 落地的最後一哩路，關鍵則在於「雙能」人才的培育與前線部署。為了解決前線員工在真實環境中的抗拒心理與系統操作落差，國泰金控特別設立「前線部署工程師（FDE）」的角色。這些 FDE 會親自深入客戶與業務現場，不僅作為連接技術總部與現實的橋樑，更確切解決員工「不用」的缺口，確保 AI 工具能真正被一線員工採用，並在真實商業場景中發揮巨大價值。
從國泰金控的實戰經驗來看，金融業要養出真正能上工的 AI Agent，關鍵不只是導入單一模型，而是同步補齊數據、模型、護欄與人才四大基礎。當底層架構逐步完備、治理機制與前線導入能力也同步到位，AI 才有機會從輔助工具，進一步走向能在金融流程中安全協作、持續創造價值的核心戰力。
＊圖片來源：科技報橘