自Bank 2.0網路銀行時代以來，過去數十年，科技對於金融服務生態系統的迭代一直有著深遠的影響力，時至今日，金融商業模式已從隨處金融Bank 3.0時代走向形塑無所不在的Bank 4.0銀行服務，而這其中，人工智慧（AI）、機器學習（ML）以及大數據的崛起，無疑是金融服務走向任型金融（Banking Any Type）的重要推手。2022年11月ChatGPT上線，再加上圖形處理器GPU算力精進，更加速金融產業典範轉移之路，許多金融機構正在積極探索生成式AI（Gen AI），找尋提高生產力、客戶服務體驗以及商業模式的創新潛力。
中國信託商業銀行（中信銀行）也是積極的探索者之一。早在ChatGPT爆紅之前，便已經將開源GPT-2試驗在內部行銷應用場景以及產業分析中。中信銀行數位科技處處長王俊權資深副總指出，一開始的發想其實是有鑑於行銷PM同仁經常會發短文本，將行銷訊息提供給客戶，為了協助PM製作行銷文案，於是啟動了試驗文字生成的「張愛玲」專案，不過由於GPT-2模型僅有近15億的參數，並不算大，因此上線前，須與業務單位進行大量的測試與訓練。
他回憶，當時同仁還笑稱「張愛玲」只能算是幼兒期，後來參考Facebook小編如何寫文案進步到留學期，而後進入到實際應用在外幣推廣的就業期。隨著「張愛玲」專案的不斷進化，現在也改名為「理財生花筆」，把妙筆生花應用在財富管理業務。而第二個應用場景則是產業研究分析，主要是希望運用生成式AI歸納的能力，試驗生成式AI能否像人一樣歸納出產業報告的重點，例如新趨勢、新科技、新商機等等，經實驗後成效也非常不錯。
建構知識型資料庫是優先要務
儘管早早就將生成式AI應用在個人金融與法人金融，但隨著ChatGPT的能力越來越強，中信銀行反而對於生成式AI的落地應用越趨謹慎，「金融產業向來是高度監管的行業，對資安非常看重，萬一同仁誤用而導致客戶資料外洩，將造成很大的影響。而且直到今日，就算有再大的語言模型在背後驅動，生成式AI還是有出現錯誤的機率，但是金融本身又是一個要求精準的行業，與客戶溝通的過程絕不能出錯，」王俊權提到，這也是為何多數金融同業會優先將生成式AI應用在人機協作上的原因，讓最後的決策權掌握在人員手上，便可以有效減少資安風險以及精準與正確率問題。
事實上，不光是資安與精準度的課題，眾所周知，生成式AI有較大的算力需求，尤其是直面客戶（Direct to Customer）的應用對算力的要求更甚，但目前多數金融機構的算力環境仍不足以支撐非常個人化的應用，而這涉及的並不只是GPU設備的採購成本，還包含為了支撐GPU算力需要耗費大量電力以及是否有足夠機房空間的考量，另外，專業人力部署與監管合規要求也是亟需面對的挑戰。
「但是在此之前，梳理知識型資料、並將其轉換成向量資料庫，是金融導入生成式AI過程中須先經歷的階段過程，」他解釋，多年以來，金融機構加速資料治理、打造數據中台，為的即是希望匯整資料，打破資料孤島，實現資料的共享與再利用。但是這些數十年來所累積的數據資料，例如存款交易歷史檔、卡務帳務交易或是KYC（Know Your Customer）等等，多數都屬於結構化資料，而生成式AI需要的是「知識」型的資料，過往這些資料並不會餵給系統或機器來讀取，因此絕大部分都還沒有進到資料庫，例如保單的所有理賠項目以及權益通常不會存放在資料庫中，換言之，光是做好客戶的數據資料還不夠，在導入生成式AI之前，建構知識型的資料庫也是優先要務。
設檢核機制 確保正確與合規性
除了技術的快速迭代與創新外，生成式AI越來越貼近人類看待事務與理解能力，更是降低入門門檻、推進未來普及應用的一大助力。對金融產業而言，生成式AI不僅可是用來提高生產力、效率、優化使用體驗，甚至還能形塑出未來金融的新服務，引領變革。然而，生成式AI也並非全然沒有風險，眾所周知的幻覺、偏見、資料隱私以及公平與安全問題，也經常伴隨著深度討論。
中信銀行數位科技處處長王俊權資深副總指出，生成式AI需要的是「知識」型的資料，這些資料絕大部分都還沒有進到資料庫，在導入生成式AI之前，建構知識型的資料庫也是優先要務。
王俊權觀察，從金融應用的角度來看，大型語言模型可分成兩類，一是開源模型，如Llama 3，另一類則是閉源的應用，目前這兩種方式各有金融機構選擇。而中國信託則是兩種都採用，主要是依場景選擇適用的模型。例如，中國信託已採購微軟Microsoft 365 Copilot讓300位種子同仁開始試行採用，但針對希望能創造獨特競爭優勢的場景，就會希望能自行研發，這時就會採用開源模型。 他同時也認為，未來生成式AI的架構一定是雲地混合。「許多人認知中的ChatGPT以為只要下Prompt詢問，回覆就會立刻呈現。但實務上，在金融應用，這個答案可能是在內部問了好幾輪後才做出回應，而且還須經過正確性的檢核，極有可能運用地端模型來檢核雲端結果，因此在金融生成式AI的整體應用流程中，不會只有單一模型，也不會只是單一回答就結束。」而這也意謂著企業必須打造生成式AI平台，而且平台內會有很多模型，除了問題的檢核外，還要有除錯、計費與安控等機制。
例如中信銀行近期便正在試驗生成式AI助理的把關機制，包含個人化資訊檢核、產品知識庫檢核、AI檢核AI等，總計有六道檢核機制，最後才會把結果呈現給客戶。王俊權強調，雖然AI智能助理服務還在內部研發階段，但無論是面對客戶服務或對內員工的服務，面對生成式AI應用，中信銀行都會採用不同程度的檢核機制控管，以確保回覆內容的正確性及合規性，未來也會持續調整，未必僅有六道機制。「這就是合憲AI（Constitutional AI）的概念，因為生成式AI真的很容易出現幻覺，需要一個執法者去照看，避免生成錯誤的結果。」
治理與業務價值平衡的賽局
自2016年開始成立區塊鏈實驗室、2017年制定數位化策略和目標，一路走來，中國信託商業銀行藉由數位轉型不斷推進數位服務力。包含2018年成立「數據研究發展中心」、導入Edge方法論機制；2019年啟動核心轉型雲端遷移規劃，2020年發展AI六大技術應用建置「中信腦」；2022年以大數據與人工智慧，架構個人專屬智能化金融體驗場景，讓數位金融走入生活場景，藉由拓展服務場景，攜手夥伴串起金融生態圈，隨時隨地提供最有溫度的金融服務。而後積極探索生成式AI技術，以多年累積的數據基礎，展開AI旅程，期許開發新的服務與應用模式，同時提供更好的用戶體驗。
王俊權認為，相較金融科技四大核心技術—人工智慧（AI）、區塊鏈（Blockchain）、雲端運算（Cloud）、數據（Data），生成式AI更有機會實現創意型或直面客戶的應用，現今多數企業聚焦的是生成式AI的歸納與應對能力，但是隨著技術不斷的演進，AI Agent才是金融創新業務的關鍵，藉由成熟的多模態技術，由AI自主規劃、執行與完成任務，真正實現商業模式的創新與變革。
然而，即便如此，在金融應用場景中也不會只採用單一技術，而是混搭策略，一個真正厲害的專案是讓不同的技術扮演好各自的角色，從這個觀點來看，生成式AI只是扮演其中一個節點。「如果讓生成式AI獨撐大局，坦白說還是會有技術的局限性，混搭且找到商業模式才是能不能走下去的重要關鍵。」王俊權認為，除了要能答對問題、具有投資的業務價值，以及混搭科技之外，AI治理也很重要，如同跑車更要搭配一個好的煞車而不是只有油門，生成式AI如果沒有很好的監控機制，可能會是場災難，因此生成式AI一定得搭配AI治理，「這波浪潮是治理與業務價值平衡的賽局，只有雙邊平衡，才能發揮出最大的功能。」
摸索技術工具與監控指標 接軌監理方向
為鼓勵金融機構善用科技，金管會於今年六月發布「金融業運用AI指引」，以作為金融機構導入、使用及管理AI的參考。此次發布主要分為總則及六大章節，其中總則主要說明AI相關定義、AI系統生命週期、風險評估考量因素、以風險為基礎落實核心原則的方式、第三方業者的監督管理等共通事項；六大章節則分別說明金融業在落實六項核心原則時，依AI生命週期及所評估的風險，宜關注的重點以及可採行的措施，包括目的、主要概念，以及各原則相應的注意事項、落實方式或採行措施等。
自2016年開始成立區塊鏈實驗室、2017年制定數位化策略和目標，一路走來，中國信託藉由數位轉型不斷推進數位服務力。未來，AI將站在數位化所累積的數據基礎上，開發出新的服務應用模式。
其中，針對金融機構應對其使用之AI系統承擔相應之內部責任，包含指定高階主管負責AI關監督管理並建立內部治理方面，中國信託原本就設有數據治理委員會，早在指引發布之前，便已將AI治理納入，未來將會正式改為數據暨AI治理委員會。畢竟AI的應用需要以數據為基礎，把知識與數據治理好後，方能有效治理AI。
此外，針對六項核心原則所提到的相關指標監控，中國信託目前也正在摸索與規劃中，未來也不排除與顧問公司合作。「有些管理型的顧問公司，比較擅長治理制度、框架以及生命週期，另外也有些技術類的顧問，會提供屬於監控類的工具平台方法論，一般情況下，通常會管理顧問公司搭配技術顧問來落實。」他提到，目前中國信託比較有把握的是管理制度面，而該採用哪些技術來監控什麼指標，其實還在摸索中，「挑戰點其實是每家金控或銀行導入的模型不同，監理指標也會有所不同，如何找出共通性，同時反映不同金融機構的差異性，坦白說，現在業界也還在摸著石頭過河的狀態，但中國信託把目標設在年底，希望屆時能擬定一些制度與章程，與監理方向接軌。」