生成式 AI、區塊鏈與 AI 代理改寫金融營運模式，從保險核保、資產管理到風控防詐，金融業 AI 應用從輔助分析邁向自主決策，打造兼具創新與信任的智慧金融體系。
文／鄭宜芬
隨著生成式 AI 與分析型 AI 的快速成熟，金融服務的運作邏輯發生結構性改變。台灣亞太監理科技協會創會理事長暨政治大學風險管理與保險學系教授謝明華在「第十五屆金融科技高峰會－秋季場」指出，AI 與區塊鏈是當代最具「破壞式創新」潛能的兩項技術，將重新定義保險與銀行業的核心競爭力，並將改寫金融服務的風險管理與客戶互動模式。
[ 加入 CIO Taiwan 官方 LINE與 Facebook，與全球 CIO 同步獲取精華見解 ]
AI 浪潮掀起破壞式創新 金融業邁向重新塑造與定義
AI 的發展從分析走向生成、從模型導向邁向自主代理與多模態。銀行與保險公司除了在前台服務導入智慧化互動，也在後台決策、風控、法遵與資產管理上將 AI 應用於更高層次的自動化與預測能力。
謝明華指出，宛如智慧型手機、網際網路改變傳統零售業的歷程相似，AI 與 Web3 正重塑金融體系的運作方式。
以零售業為例，美國自 2015 年以來已有超過 200 家知名品牌關閉，只有像 Walmart 這樣數位轉型成功者才能延續競爭力。金融業亦然，AI 的導入影響了分工、風險評估、產品定價與客戶經營模式，成為金融創新的關鍵。Amazon 堪稱數位零售業的代表，AI 工廠的效率，取決於它使用的燃料，也就是資料。2024 年，資產管理業進入「AI 破壞式創新」時代。
保險理賠、智慧風控 AI 金融創新加速落地
保險業分析型 AI 的應用領域包括核保與理賠、精準行銷、風險分數／行銷分數，以及內部工作流程的應用。
以汽車產業為例，過往保險公司缺乏駕駛行為的即時資料，難以準確評估風險與調整費率。現在，透過車聯網與資料分析技術，汽車製造商便能夠即時掌握車輛的行駛狀況，進而提供個人化的保費計算模式，塑造全新的場景銷售與產品定價機制。
特斯拉（Tesla）領先全球推出自有保險服務 Tesla Insurance，依據車輛自駕自動化程度與行駛資料，來訂定保費並提供優惠折扣。以 2023 年銷售量 181 萬台車、平均年保費 2,000 美元來季算，特斯拉光是保費的年營收就達 36.2 億美元（折合新台幣約 1,114.6 億元），宛如一個大型的保險公司。
特斯拉執行長馬斯克（Elon Musk）指出，傳統保險公司的汽車保費偏高的原因在於「無法即時了解駕駛行為」，而特斯拉能夠即時反映真實駕駛風險，改善過去費率與風險不對稱的問題。未來，汽車保險有望占特斯拉業務的30%至40%。
其他汽車品牌如豐田（Toyota）與福特（Ford）也開始在美國部分州推出嵌入式保險服務。透過與保險公司或科技平台的合作，這些車廠能在銷售與售後階段即時提供客製化保險方案，讓保險不再是獨立產品，而是整合於車輛使用體驗中的一部分。
- 風險評級對新商品的設計輔助
- 多維度資訊整合：
模型整合多維資訊與行為、風險量化，分析過往駕駛行為。
2. 層級化模型設計：
模型分等級，靈活應用於不同場域，應對車隊管理多樣化需求。
3. 輔助管理策略：
基於過往駕駛行為資訊，分析預測風險等級，輔助管理策略制定，提供具解釋力的風險評估結果。
[ 推薦閱讀：台灣金融 AI 大語言模型之發展與產業應用 ]
從資料治理到安全應用
在資料管理方面，過往資料需集中管理、清洗、標記與結構化，並建立機器學習模型分類。美國保險公司 Allstate 運用生成式 AI 簡化作法與模型建構，使得保險資料得以在原始位置進行，並且整合結構化保單資料，降低資料集中管理的風險與成本。
為防範使用開放工具帶來的風險，安盛（AXA）開發內部版 Secure GPT 平台，讓 14 萬名員工能在安全環境下運用 AI 生成、翻譯與摘要文件。
而隨著貸款需求增加與借款人財務行為日趨複雜，銀行需處理大量資訊異質性高的信貸申請，過往的線性模型難以準確辨識潛在低風險客戶，亦無法有效解析高風險因素。為此，富國銀行（Wells Fargo）採用 xAI，以提升貸款決策品質。
摩根士丹利（Morgan Stanley）則導入「AI @ Morgan Stanley 助理」，協助理財顧問快速查詢大約 10 萬筆研究報告和各類文件，幫助團隊節省處理市場動態、內部流程以及建議相關問題的行政和研究時間，讓顧問能把更多心力放在服務客戶上。
反詐騙與風控升級 生成式AI導入支付安全場景
在資安與風控領域，生成式 AI 也發揮潛力。包括銀行、支付網絡如 Swift，以及線上博弈平台（如 Caesars Entertainment）等，都從傳統的機器學習轉向更進階的 AI 來追查可疑交易與惡意行為。
隨著詐騙集團越來越依賴科技來攻擊銀行與消費者，萬事達卡（Mastercard）推出 Decision Intelligence Pro 分析交易中多個相關實體之間的關係來判斷風險。透過生成式 AI，大幅提升反詐騙系統的速度與準確度，有效抵禦詐騙行為、保護銀行與用戶。此項次世代技術能即時分析超過一兆筆交易資料，在 50 毫秒內判定風險，將偵測遭盜刷信用卡的能力提升兩倍、誤判率降低逾 200%、發現遭詐騙者入侵或風險商戶的速度提升三倍。
而為了防範詐騙集團冒充合法的廠商或合作夥伴發信，誘導收件人把錢匯到假的網站或帳戶。摩根大通（JPMorgan Chase）運用 AI 從非結構化資料中擷取資訊（例如公司名稱、個人姓名），並分析是否有詐騙跡象。其中一個應用案例，就是用大型語言模型來判斷電子郵件是否有被入侵或冒用的可能，有助提升企業的反應速度與韌性，強化防詐能力。
[ 推薦閱讀：金融業與科技業加速佈局虛擬資產 ]
內部賦能推動產業生態 AI 驅動金融創新
除了強化營運流程，生成式 AI 也推動金融業內部創新文化。
富國銀行有超過 4,000 名員工接受史丹佛大學「以人為本 AI」訓練，培養跨部門應用能力，促進 AI 與業務場景的結合，並且已有多個生成式 AI 專案上線，提升後台效率。例如虛擬助理「Fargo」，能用語音或文字協助客戶處理日常銀行業務，涵蓋繳帳單、轉帳、查詢交易明細等。此款 App 透過 Google Dialogflow 建構，並搭載 Google 的 PaLM2 LLM，並將導入支援影像與影片的多模態 LLM，讓客戶不只用文字和聲音，也能用照片或影片與 App 互動。這款 App 亦持續升級，估計一年互動次數可突破一億次，成為銀行與客戶之間的新溝通橋樑。
富國另一個使用 LLM 的 App「LifeSync」則協助客戶設定財務目標與計畫，推出首月就吸引了超過百萬活躍用戶。
然而，金融業因隱私規範繁多，企業推動創新時，流程往往不夠清晰且繁瑣冗長，專案人員想要收集資料又處處受限，創新專案通常推動較慢。
對此，富達（Fidelity）透過自助式使用合成資料與低／無程式碼的沙盒，提供模擬實際內部資料的「合成資料集」，讓業務單位能自行存取所需資料，測試創新構想，減少流程中的瓶頸，加速專案落地。
[ 推薦閱讀：銀行發行穩定幣與託管的下一步：AI、合規與金融基礎建設的新篇章 ]
觀察國外經驗，面對生成式 AI 的快速演進，金融機構應同時關注幾個關鍵議題：資料治理、模型透明性與倫理合規。AI 若要真正賦能金融業，必須建立在可監理、可驗證且可解釋的技術基礎之上。企業除了技術導入外，更需從組織文化、法遵架構到風險評估進行全面升級。如何在創新與監管之間取得平衡，將是未來金融科技轉型的關鍵課題。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
