携手AI拥抱创新路 四大应用让台湾金融业改头换面

发表时间:2019-07-25 点阅：2122

携手AI拥抱创新路  四大应用让台湾金融业改头换面

 

 

金融科技的应用，应以客户需求为依归，而不是为了实验金融科技而应用科技。面对快速变迁，金融机构需要关注人工智慧发展趋势，携手科技公司，提升人工智慧相关金融应用知识，以激发创新应用。

 

自人类在1950年代发明电脑后，如何让机器具备人类智慧，一直是科学家尝试突破的领域。1956年的达特茅斯会议揭橥了人工智慧（Artificial Intelligence），寄望机器能够解决各种目前只有人类能解决的问题，以及能够自我改善。虽然人工智慧各项理论在早期研究时期即已奠定基础，但是受限于各种因素，人工智慧经历过两次低潮，直到2014年再度成为世人的焦点。而这次的热潮在于三个重大的要素交互作用，也让人工智慧应用进入新的领域，这三个要素是强大的计算能力、高品质的大数据以及机器学习演算法的发展。

 

金融业是最早应用计算机技术的产业之一，对于接受新科技并不陌生。因此分析人工智慧在金融业的应用可分成四个层次，第一层次的基础架构是由资料及分析能力所组成。以资料为基础，金融业探索各种理论，如机器学习、深度学习、自然语意分析、图像辨识等等，已建构第二层次的人工智慧元件。第三层次则是将各种元件进行组合各种解决方案，如虚拟语音助理（Virtual Assistants）、机器人流程自动化（Robotic Process Automation）、自动化投资顾问服务（Expert Advisors）等等。最后一个层次则是将各种解决方案依据客户所处的情境，提供最适当的服务给客户。

 

提升人工智慧的金融应用知识

 

金融科技的应用，都应该是以客户需求为基本依归，任何金融创新都应该围绕着客户需求为基础，而不是为了实验金融科技而应用科技。同时科技的发展日益快速，金融机构毕竟不是科技公司，因此面对快速的技术变迁，如人工智慧，金融机构是无法自行独立发展。因此金融机构需要关注人工智慧发展趋势，与科技公司合作，适时引进人工智慧应用。同时人工智慧的应用充满各种可能性，金融机构应该整合外部资源共同探索人工智慧在金融业的应用。最后，要善用人工智慧于金融业，需要提升人工智慧相关金融知识，以激发创新应用。

 

网路经济的时代，随时掌握客户需求，以客户期待为中心，持续于适当时机以「迭代」方式提供金融服务已成为基本运作准则。以台新银行Richart为例，目标客户群体为熟悉网路经济的群体，因此仅以8个月的时间即推出适合网路世代的服务内容，并持续推出新功能，至今已有30个版本，平均每个月推出一个版本。而在人工智慧应用上，以智能投资为例，从AI依据客户投资偏好提供智能投资推荐组合、自动建议客户调整组合，到全委AI投资的服务，也逐渐在市场上出现。

 

另一项人工智慧应用，则是语音／文字客服为基础，所衍生的对话机器人（Chatbot），应用人工智慧技术建构一对一的对话问答，可解析口语问题以提高回复内容之准确性，亦可加入对话式问答，提升优良的服务品质，同时增加产品的渗透度。人工智慧可以是一项很复杂、同时也是很简单的科技应用，所有运用的原则只有一个，将客户摆在产品规划的核心，了解某项人工智慧的应用，能够对客户带来什么样的价值或解决什么痛点，才是真正有效的应用。

 

如同人工智慧的应用，区块链则是另一个需要密切关注的科技创新领域。区块链技术是加密货币的底层技术，吸引最多新闻关注的焦点多为加密货币的暴起暴落，而首次代币发行（ICO：Initial Coin Offering）也在不同国家产生争议，甚至有国家全面禁止加密货币交易以及I CO。虽然如此，仍有银行尝试运用加密货币的机制进行代码化（Tokenization）的应用，运用其低成本、不易窜改、可进行网路交易的特性，进行小金额消费或是各种点数的交换，例如GLN（Global Loyalty Network）即应用区块链技术，规划跨国、跨单位的点数兑换机制，提供成员企业的客户更方便的跨境服务。

 

金融业导入AI须注意4大重点

 

人工智慧的应用，在未来仍将会是非常重要的探索领域，但是在导入人工智慧的应用中需要注意以下几点：

 

一、区分通用型AI与专业型AI的界线：避免将现时可行的技术与未来5到10年的技术混在一起，过度期待人工智慧专案的成效。目前人工智慧的发展仍侷限于特定用途，也就是专业型AI，在可见的未来期望人工智慧能够像人类一样思考，但是全面取代人类是不切实际的，反而应该规划如何以现在成熟的技术协助人类更有效的完成工作。

 

二、选择适当的应用：启动人工智慧的应用需确认要达到的目标为何？应针对专案实际需求而选择适合的技术，不应该为了一时热潮而执行专案。当题目不清楚，不知道要达成什么目的，要找什么因子或是特征值时，是没有办法让机器「学习」的。

 

三、数据仍是重点：想要寻找的答案要有足够且完整的资料，新资料的权重、相关性，以及数量仍是最重要的议题，就如同人类获得智慧是不断的从书本、日常生活中「学习」而来，因此，选择应用目的的一个重要要素为，是否有足够的数据，能够让机器可以学习。

 

四、设定合理的期望值：导入人工智慧是一个不断学习、修正的过程，设定过高的期望值，容易导致专案无法短时间达到目标而失败。专案应从小规模的应用开始，再逐步扩大至多样化的应用。

 

不论是人工智慧或是区块链的创新应用，都充满了各种乐观的预测以及保守的推论，金融机构唯有持续关注创新科技的发展，依据自身策略适时的投入资源，才能够在创新的道路上走得更加稳健。（本文作者为台新金控资讯长）

 

〈更多文章内容请详：台湾银行家 [第115期]〉
探索更多精彩内容，请持续关注《台湾银行家》杂志（http://service.tabf.org.tw/TTB）