從策略制定、數據治理、模型管理、風險檢核及使用監控等治理機制，讓 AI 能夠在安全、可信任的前提下落地應用，中國信託目標是建構一套能讓 AI 成為企業長期競爭力的金融作業體系。
採訪／施鑫澤‧文／鄭宜芬‧刊期／2026.8
生成式 AI 從 單點測試 (PoC) 邁向企業級部署，中國信託銀行致力於打造「數據與 AI 治理」體系，由董事長親自參與數據暨 AI 治理策略會議討論，並於科技總處內建立 AI 技術整合會議，統籌數據、模型、平台、算力與應用安全等五大 AI 治理範疇。
中國信託商業銀行數位科技處處長王俊權表示，中國信託的 AI 治理策略關鍵包括由高層主導 AI 策略、建立跨部門 AI 治理機制、以數據平台轉型支撐生成式 AI 應用、透過模型風險管理與持續迭代，提升 AI 的可信度與實際應用成效。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
三層金字塔治理 統籌及分工 AI 策略
導入 AI 涉及演算模型更替、基礎資料架構重組、算力資源調度、護欄建置以及組織職能重塑等系統性工程。中國信託從策略、管理到執行等層面，建立由上而下的三層金字塔治理體系
● 策略層（What to do）
由董事長親自定調，將 AI 視為未來五～十年的競爭力目標。
● 管理層（How to do）
成立 AI 與數據官協調機制，負責跨單位資源整合與預算調度。
● 執行層（Which to do）
由業務單位與功能單位組成的領航員推動制度落地，實際推動模型開發、RAG 與各項 AI 應用落地。
實際分工機制包括：「資訊治理委員會」負責架構層面，「資安治理委員會」負責防禦與合規，以及「數據暨AI治理委員會」更提升至戰略高度，皆有高層親自參與。
同時，原「數據治理委員會」自 2025 年升級為「數據暨 AI 治理委員會」，每 2 個月進行專案報告與每季全行檢視策略專案。
現階段 AI 的 ROI 在早期階段難以量化，尤其在臺美金融環境中，許多投資屬於長期競爭力佈局，若缺乏 Top-down 的戰略定調與優先順序拍板，專案容易陷入見樹不見林的狀況。
「AI 是老闆學」，王俊權強調，中信推動 AI 的關鍵在於從最高決策層主導的治理模式，並決定哪些業務場景具備高價值與可行性，定義 AI 策略的優先順序與資源配置，並由業務掌握場景與價值，IT 提供能力，提升落地速度與跨部門合作效益。
[ 推薦閱讀：【專訪】萬事達卡台灣區董事總經理陳懿文：Agentic Commerce 時代 重塑金融信任架構 ]
AI 技術整合會議 統籌五大 AI 治理範疇
為解決各業務單位在推動 AI 過程中各自發展與重複開發的問題，中國信託透過 AI 技術整合會議統籌五項全行共通議題，建立標準化與整合治理機制，統一全行的護欄建置標準，提供權限可控的合作工具，落實跨部門合作與資源整合。
◆ 數據治理
整合資料基礎，確保資料一致性。
◆ 模型治理
強化模型效能透明度、建立質化與量化導入評估。
◆ 平台治理
跨科技平台與跨雲資源統籌分配。
◆ 算力治理
統籌 H200 以上等級高階 GPU 算力資源。
◆ 應用安全治理
企業層級與專案應用場景層級的雙層安全控管機制。
透過每月 AI 官與數據官會議，協調護欄建置、模型合作並統一調度。此機制亦涵蓋 Agent-to-Agent（A2A，代理對代理）的全行治理議題，包括集中式、聯邦式或分權式架構的選擇，以及知識中心的分層設計，以降低重複建置、提升兼容性與安全性。
[ 推薦閱讀：【金融業】金融犯罪偵測系統的十年演進 ─ HSBC 反洗錢系統的 AI 路徑 ]
AI Ready 數據平台 讓數據成 AI 的燃料
傳統數據平台在 AI 時代進階轉型為 AI Ready Data（AI 可用數據）。為了讓 AI 能夠理解、推理並安全存取數據，中國信託著重數據一致性、即時性，以及合規與安全性，並透過語意層、串流處理、隔離機制與存取控管等措施加以落實。
王俊權表示，中國信託銀行的場景策略是在資源配置上優先聚焦關鍵業務，將 End-to-End AI 技術投入於財富管理與法人金融等重點獲利單位。且相較於單點式改良，中信更重視流程重塑，以確保 AI 投資能確實提升業務競爭優勢。透過 AI 改良營運流程與重塑流程之後，金融業有望創造全新商業模式。
然而，傳統金融業的數據字典與 Metadata（詮釋資料）多是為了開發者或分析師設計。為了實現 AI Ready Data，中國信託在既有資料架構之上，垂直開發了一層語意層（Semantic Layer），功能是將異質系統中的欄位與規則，轉為模型可理解的邏輯元素。當使用者提出需求時，AI 便能拆解問題並對應至資料庫進行如 Text-to-SQL 查詢。
此外，AI 對即時性的需求，也使得資料架構從批次處理轉向串流處理。為了落實防詐偵測或即時客戶推薦，資料必須達到秒級甚至毫秒級的反應速度，中國信託便導入 Kafka 與 Streaming 等技術，提升使用體驗與成本效益。
結合混合雲 穩定、隱私兼顧成本
在模型選型與算力管理上，企業面臨穩定性、隱私與成本的挑戰。中國信託建置算力中心並配備 H200，提升地端模型研發與機敏資料處理的效率。
考量穩定性、差異化，以及成本與效能等因素，中國信託採取雲地混合架構。王俊權表示，雲端模型雖然更新速度快、功能強大，但可能因全球 Token 資源不足或網路波動而出現斷訊或效能降級等情況；地端模型則能提供較高的服務穩定度，是金融業應用的重要基礎。
值得關注的是，金融業的競爭力並非來自通用模型本身，而是「金融語言模型」的建構能力。透過地端模型結合自有資料與業務邏輯進行微調，金融機構得以建立差異化的服務能力與競爭優勢。
在模型選擇上，中國信託採用 OpenAI、LLaMa、Claude 等多種模型；地端則使用 Gemma 4 及後續版本等開源模型，並在單一 AI Agent 中組裝不同模型，以因應不同場景需求。
在成本與效能管理上，中國信託採取 Model query routing（中文模型查詢路由），依據不同任務的複雜度與敏感程度進行模型調度。簡單且不涉及機敏資訊的對話，可由SLM 處理；複雜推理則交由大型模型執行，在成本、效能與服務品質之間取得平衡。
企業層級護欄駕馭 AI
隨著 AI Agent 連結內部系統，企業需重新定義安全邊界。王俊權強調，企業必須從導入之初就採取整合性的應用安全治理，在設計上確保 AI Agent 僅能存取自身權限範圍內的資料，即使遭到越獄攻擊，也無法突破限制、進入後端資料庫竊取全行資料。
因此，組織必須建立企業層級護欄機制，過濾不當內容，並且進行資安控管與邊界設定。針對理專助理、法金徵信助理等不同場景，系統會套用不同的動態護欄規則，以防止模型產生幻覺或洩漏客戶資料。
在模型可信度、風險控管與研發探索方面，中國信託透過模型生命週期管理與風險基礎控管，持續提升模型可信度與迭代能力。
在模型准入管理上，中信採取正向列表（White list）機制，僅允許使用經核准的模型，並排除具地緣政治風險來源的模型。
在開發階段，中國信託設置大規模準確度測試，題數約達 1,000 至 3,000 題，除要求測試集達到 100% 正確率外，也同步進行 AI 紅隊演練，並針對前後端舊系統執行滲透測試，模擬駭客利用生成式 AI 滲透既有系統路徑的可能性，強化偵測與應變能力。
系統上線後，團隊持續進行精確度監控，目標將 AI 智慧客服模型的正確率提升至 99% 以上。新版系統已於 6 月底上線，透過 RAG 機制與語義理解能力，並以 AI 主動提示潛在風險，持續改良模型。
中國信託以風險基礎(Risk-based)原則，先以非銷售的低風險客戶服務，積累資料與風險控制能力，再拓展自動化深度並強化護欄。同時，中信也抱持「同責不究責」，鼓勵團隊在可控風險下快速修正與迭代，以確保服務韌性與快速修復能力。
唯有兼顧資料一致性、算力自主權與應用安全性，並在安全、成本與延遲之間取得平衡，建立護欄與智慧煞車，才能把 AI 這輛賽車開得又快又穩。
Skill Hub 模組化 加速部署 AI Agent
許多資深行員的經驗難以透過文件或規格書完整記錄，金融業同樣面臨人才斷層問題。
中國信託 7 月在全行知識中心正式升級啟用Skill Hub，將複雜的徵信邏輯、理財策略等非結構化知識，轉化 AI Agent 可使用的模組。技能的解耦與重耦，將成為知識工作自動化的典範轉移。
王俊權表示，這種模式可讓已驗證的技能模組能夠重複利用，在開發不同 AI Agent 時無須重新建置，可大幅降低開發成本並加速部署速度，讓資深員工的知識成為企業的數位資產，有利於知識傳承。而且 AI 能夠串接法金徵信從資料整備、資訊判讀、報告撰寫到風險詢答等完整流程，進一步推動金融業從單一工具應用，邁向端到端的流程重塑。
[ 推薦閱讀：未治理 AI 將付出代價 ]
AI 時代的組織新分工 邁向通才化時代
AI 時代的開發模式已跳脫傳統 IT 提需求、寫規格、競標與交付的線性流程。王俊權認為，AI 未來將驅動組織走向通才化。
在研發組織與技術探索方面，中國信託在數位科技處設置三種核心職能，推動技術導入：
一、IT 負責高合規正式系統營運環境的部署與維運；二、RD 由具備科技背景的博士群與 AI 工程師組成，專注於應用模型研究、RAG 技術改良及最新 AI 論文的實務轉化應用，並持續追蹤最新技術方法如 Context Engineering、Loop、Harness 等。
三、BA（Business Analyst）則是關鍵的橋樑角色。BA 隸屬於科技單位，但主要為業務部門的 AO 窗口，須具備科技邏輯與業務洞察能力，對應法金與個金業務，能夠直接與業務單位進行即時開發展示（Live Demo）或原型展示，快速擬定共識並決定是否立案，並透過網頁原型展示（Prototype Demo）驗證概念，依治理流程分派至 RD、IT 或外部廠商執行。
在治理委員會的框架下，業務單位擁有應用場景決策權並對 ROI 負責；科技單位則提供工具與安全邊界，在治理框架下共同合作，推進專案。
透過組織架構，中國信託從數據治理、金融語言模型、企業級護欄到 Skill Hub，建構一套能統籌治理並支撐未來創新的金融 AI 基礎設施。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
