金融業若欲訂定 GenAI 策略，謝明華建議可納入三大重點，包括：利用模組化 AI 平台靈活應對變化。打造敏捷的 AI 治理，進而緊跟風險的快速變化。此外應將人類專業知識嵌入 LLM，以利激活企業內部每一個神經元。
文／明雲青
綜觀 Gartner 所做的全球 CEO 調查，約莫 2、3 年前，意即在 2021 與 2022 年時，依序有 18%、21% 的 CEO 認為 AI 顯著影響產業發展。國立政治大學風險管理與保險學系教授兼風險與保險研究中心主任謝明華指出，這幾乎確定 AI 將成為大部分行業的顛覆式創新驅動力，未來如果沒有 AI，根本無法在產業存活。
既然 AI、甚至是「生成式 AI」（GenAI）已成大勢所趨，沒有企業可以置身事外，那麼無論各行各業、尤其是向來承受較重法遵和風控壓力的金融業，理應根據資料存取安全考量，循序引入「信任科技」（Trust Technology），以此為基礎發展適合的 GenAI 策略，實現敏捷的 AI 治理。
新進者+低複雜工作 啟用GenAI如有神助
謝明華繼續引述 Gartner 調查報告表示，現階段有近半數的企業，將 AI 技術用於增進員工生產力；換言之多數 CEO 無意藉由 AI 取代員工，而是希望將 AI 形塑為員工助理，幫助同仁大幅提升生產力。除此以外，約 30% 的 CEO 期望利用 AI 改進流程，以金融業為例便是改善客戶體驗，以保險業為例即是加快核保與理賠的作業速度；另有 20% 的 CEO 將目標設定於創新商業模式，比方說透過 AI 開創新的產品或服務。
綜上所述，AI 確實會為企業帶來諸多好處，所以有高達 98% 員工渴望學習新的 AI 工具，藉以協助提升個人的職場競爭力。
但值得留意，不同的員工使用 GenAI 工具，帶來的好處不是線性、一致的。以工作經驗、工作複雜度兩維度來做說明，若員工從事低複雜度工作，可望因 GenAI 獲得莫大助益。例如一個年資僅三個月，與另一個年資逾五年的同仁相比，儘管彼此的經驗、工作能力有不小差距，但 GenAI 能夠弭平這段落差，讓資淺者展現不遜於資深者的生產力。由此可見，假設工作複雜度是低的，GenAI 對 Junior 的幫助很大。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
反觀若是工作複雜度高，譬如教授或律師，要處理的問題相對複雜，用與不用 GenAI 就會產生不同結果。如果我是一位 Junior 律師，GenAI 對我的幫助並不大，因為即便 GenAI 協助生成一份草稿，我仍無足夠的經驗與專業能力來抓出箇中 Key Insight。但如果我是一位資深律師，當然就能輕易藉助 GenAI 來促進生產力。
當 CEO 或 CFO 有了前述認知，就能將 AI 投資預算花在刀口上，讓「工作經驗少 X 工作複雜度低」或「工作經驗多 X 工作複雜度高」兩組員工多加使用 GenAI 工具。
至 2026 逾八成商用軟體將內嵌 GenAI
無論如何，AI 是非傳統投資，很容易燒錢，但接下來會形成一個重要概念，便是今後所有企業採用的商用軟體（如 ERP、CRM 等），都會內建 GenAI 功能。甚至 Gartner 預估到了 2026 年，逾 8 成商用軟體均會將 GenAI 嵌入在內，反觀今年（2024）這個比例不及 5%，顯見未來兩年 GenAI 將維持強勁成長態勢。
另外若企業有意導入 AI 或 GenAI，可能會先規劃用例，再找相關解決方案試作，以往這個過程稱為 POC。但因為 AI 的導入成本不菲，可能遠高於企業的想像，差距甚至到 5~10 倍，所以企業在做驗證時，務須將 AI 成本因素考量進去，屆時應以 POV 取代 POC，也就是根據扣掉成本過後的投資價值高低，來決定是否執行 AI 專案。
更進一步看，倘若企業想用 AI 增加員工生產力，基本上算是「AI-Steady」，需要投注的投資費用相對低。但假使企業想用 AI 推動產品與服務的創新，就會提升到「AI-Accelerated」層次，投資成本較高。然而不管屬於哪一種投資模式，企業都必須理解 AI Bill 內容從何而來，其經驗會類似於過往企業逐步釐清雲端帳單的歷程。
此外企業一旦投入 AI，特別是做「多管齊下」類型的 AI 佈局，日後對 AI 模型的監管力道，必須比照風控來辦理，會偏向連續性時時監控的模式，而非偶爾 Review 一下即可。因為大語言模型（LLM）日新月異、變化迅速，用戶若缺乏連續監看、每天監看的機制，恐令 LLM 無法與時俱進，陷入適用性與有效性不足的風險。
以信任科技打造 Guardian Agents
謝明華說，「AI 無所不在」時代即將來臨。一方面如同前述，在今後兩年內，估計高達 8 成的企業軟體皆內建 GenAI，可視之為 Embedded AI 模式；例如目前 Office 所結合的 Copilot 功能，便是一例。其次還有 BYOAI（Bring Your Own AI）模式，簡言之會有許多對新技術有興趣的人員或部門，會設法引用 GenAI 工具來提升工作效率。
更重要的，GenAI 所用的資料型態與傳統 IT、甚至傳統 AI/ML 模型截然不同，過去要的都是結構化資料，但 GenAI 需要的是文章、影像或 Call Center 對話等，不僅都是非結構化資料，且數據取用的管道更加多元、分散。因此隨著公司大量使用 GenAI，也意謂 IT 團隊必須重塑 Data Access Control 模式，所以迫切需要導入信任科技。
何謂信任科技？簡單來說就是 Guardian Agents 概念，利用 AI 技術來監管所有 AI 模型的活動。主要是因為，GenAI 模型可能 24 小時運作、24 小時隨處取用數據，單靠人力一定無法有效執行存取控管，所以必須借重 AI。因此可以預見，未來每家公司都會有自己的 AI 三明治，比方說金融業，除了有 Embedded AI、BYOAI、自建的 AI，還為了因應安全與合規需求，另外會有厚厚一層的「Trust」，它同樣需要依靠 AI 賦能。
如果金融業要開始採用 GenAI，需要施行哪些策略？謝明華提出三點建議。首先是「靈活應對變化」，需要藉助模組化 AI 平台。其次是「跟上風險的快速變化」，重點在於打造敏捷的 AI 治理。再者為「激活每個神經元」，將人類的專業知識嵌入到 LLM。
最後謝明華舉了幾個實例，意在彰顯 GenAI 之於金融業者的運用價值。如 Ally 銀行善用模組化 AI 平台，用時啟用多個LLM 再搭配 RAG，讓資料產生速度提升 34%、員工生產力提升 25~35%。Bloomberg 利用自建的 LLM（由財務專家執行訓練）與 RAG Process，由 GenAI 加速生成 Earnings Call 摘要。此外包括 Mastercard、瑞典銀行，皆利用 GenAI 技術來強化詐欺偵測與防範。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
