瀏覽數:161
字型調整:

攜手AI擁抱創新路 四大應用讓台灣金融業改頭換面

發表日期:2019-07-25
Responsive image

攜手AI擁抱創新路  四大應用讓台灣金融業改頭換面

撰文:孫一仕

 

金融科技的應用,應以客戶需求為依歸,而不是為了實驗金融科技而應用科技。面對快速變遷,金融機構需要關注人工智慧發展趨勢,攜手科技公司,提升人工智慧相關金融應用知識,以激發創新應用。

 

自人類在1950年代發明電腦後,如何讓機器具備人類智慧,一直是科學家嘗試突破的領域。1956年的達特茅斯會議揭櫫了人工智慧(Artificial Intelligence),寄望機器能夠解決各種目前只有人類能解決的問題,以及能夠自我改善。雖然人工智慧各項理論在早期研究時期即已奠定基礎,但是受限於各種因素,人工智慧經歷過兩次低潮,直到2014年再度成為世人的焦點。而這次的熱潮在於三個重大的要素交互作用,也讓人工智慧應用進入新的領域,這三個要素是強大的計算能力、高品質的大數據以及機器學習演算法的發展。

 

金融業是最早應用計算機技術的產業之一,對於接受新科技並不陌生。因此分析人工智慧在金融業的應用可分成四個層次,第一層次的基礎架構是由資料及分析能力所組成。以資料為基礎,金融業探索各種理論,如機器學習、深度學習、自然語意分析、圖像辨識等等,已建構第二層次的人工智慧元件。第三層次則是將各種元件進行組合各種解決方案,如虛擬語音助理(Virtual Assistants)、機器人流程自動化(Robotic Process Automation)、自動化投資顧問服務(Expert Advisors)等等。最後一個層次則是將各種解決方案依據客戶所處的情境,提供最適當的服務給客戶。

 

提升人工智慧的金融應用知識

 

金融科技的應用,都應該是以客戶需求為基本依歸,任何金融創新都應該圍繞著客戶需求為基礎,而不是為了實驗金融科技而應用科技。同時科技的發展日益快速,金融機構畢竟不是科技公司,因此面對快速的技術變遷,如人工智慧,金融機構是無法自行獨立發展。因此金融機構需要關注人工智慧發展趨勢,與科技公司合作,適時引進人工智慧應用。同時人工智慧的應用充滿各種可能性,金融機構應該整合外部資源共同探索人工智慧在金融業的應用。最後,要善用人工智慧於金融業,需要提升人工智慧相關金融知識,以激發創新應用。

 

網路經濟的時代,隨時掌握客戶需求,以客戶期待為中心,持續於適當時機以「迭代」方式提供金融服務已成為基本運作準則。以台新銀行Richart為例,目標客戶群體為熟悉網路經濟的群體,因此僅以8個月的時間即推出適合網路世代的服務內容,並持續推出新功能,至今已有30個版本,平均每個月推出一個版本。而在人工智慧應用上,以智能投資為例,從AI依據客戶投資偏好提供智能投資推薦組合、自動建議客戶調整組合,到全委AI投資的服務,也逐漸在市場上出現。

 

另一項人工智慧應用,則是語音/文字客服為基礎,所衍生的對話機器人(Chatbot),應用人工智慧技術建構一對一的對話問答,可解析口語問題以提高回覆內容之準確性,亦可加入對話式問答,提升優良的服務品質,同時增加產品的滲透度。人工智慧可以是一項很複雜、同時也是很簡單的科技應用,所有運用的原則只有一個,將客戶擺在產品規劃的核心,了解某項人工智慧的應用,能夠對客戶帶來什麼樣的價值或解決什麼痛點,才是真正有效的應用。

 

如同人工智慧的應用,區塊鏈則是另一個需要密切關注的科技創新領域。區塊鏈技術是加密貨幣的底層技術,吸引最多新聞關注的焦點多為加密貨幣的暴起暴落,而首次代幣發行(ICO:Initial Coin Offering)也在不同國家產生爭議,甚至有國家全面禁止加密貨幣交易以及I CO。雖然如此,仍有銀行嘗試運用加密貨幣的機制進行代碼化(Tokenization)的應用,運用其低成本、不易竄改、可進行網路交易的特性,進行小金額消費或是各種點數的交換,例如GLN(Global Loyalty Network)即應用區塊鏈技術,規劃跨國、跨單位的點數兌換機制,提供成員企業的客戶更方便的跨境服務。

 

金融業導入AI須注意4大重點

 

人工智慧的應用,在未來仍將會是非常重要的探索領域,但是在導入人工智慧的應用中需要注意以下幾點:

 

一、區分通用型AI與專業型AI的界線:避免將現時可行的技術與未來5到10年的技術混在一起,過度期待人工智慧專案的成效。目前人工智慧的發展仍侷限於特定用途,也就是專業型AI,在可見的未來期望人工智慧能夠像人類一樣思考,但是全面取代人類是不切實際的,反而應該規劃如何以現在成熟的技術協助人類更有效的完成工作。

 

二、選擇適當的應用:啟動人工智慧的應用需確認要達到的目標為何?應針對專案實際需求而選擇適合的技術,不應該為了一時熱潮而執行專案。當題目不清楚,不知道要達成什麼目的,要找什麼因子或是特徵值時,是沒有辦法讓機器「學習」的。

 

三、數據仍是重點:想要尋找的答案要有足夠且完整的資料,新資料的權重、相關性,以及數量仍是最重要的議題,就如同人類獲得智慧是不斷的從書本、日常生活中「學習」而來,因此,選擇應用目的的一個重要要素為,是否有足夠的數據,能夠讓機器可以學習。

 

四、設定合理的期望值:導入人工智慧是一個不斷學習、修正的過程,設定過高的期望值,容易導致專案無法短時間達到目標而失敗。專案應從小規模的應用開始,再逐步擴大至多樣化的應用。

 

不論是人工智慧或是區塊鏈的創新應用,都充滿了各種樂觀的預測以及保守的推論,金融機構唯有持續關注創新科技的發展,依據自身策略適時的投入資源,才能夠在創新的道路上走得更加穩健。(本文作者為台新金控資訊長)

 

〈更多文章內容請詳:台灣銀行家 [第115期]〉
探索更多精彩內容,請持續關注《台灣銀行家》雜誌(http://service.tabf.org.tw/TTB