論創新，金融業向來懂得善用當代最新技術，跑在各行各業的最前面。從世界第一台 ATM、電子交易到 AI，是 2018 年金融業全力關注的領域，凱基銀行參與台灣微軟2018亞太技術年會「AI 產業應用發表會」，代表的就是台灣金融業的創新觸角，開始延伸到AI 領域。
AI 帶來的效益提升甚至商業模式創新，讓各家金融機構前仆後繼；而國內銀行近幾年手腳也很快，「智慧客服」、「理財機器人」等「以 AI 之名」的服務也開始普及。但目前台灣金融業的「AI 服務」其實比較屬於「套裝」的概念，並無法真正凸顯 AI 價值。
凱基銀行的 AI 創新路四步驟，走出不一樣的數位轉型旅途
凱基銀行隸屬開發金控旗下子公司，為了要將金融業與科技真正結合，選擇了一條更有挑戰性的 AI 路徑，從組織調整、資源配置的思維，全面盤點 AI 能夠創造的成本效益，更與台灣微軟攜手，希望結合銀行大數據與AI人工智慧，開發更多滿足客戶需求的數位金融服務。
第一步：成立 AI 學習小組，定義問題範疇與凝聚組織文化
過去一年半，開發金控率先成立了，跨產學界及集團內各子公司的數據及資訊專家 的15 人AI學習團隊，透過各子公司前線的實務議題蒐集，本次選定利用AI深度學習的優勢，結合凱基銀行「KGI inside」的異業生態資源，由學習團隊以POC （Proof of Concept概念驗證）的方式，選定以集團內客戶對個人信貸產品的精準預測及差異化服務為題，發展以「AI預測模型」為核心的自動化決策的關鍵技術，解決目前數位化服務與產品中決策效率、差異化服務的瓶頸。
專案的範圍更著重如何將概念落地以產生業務的實益，由學習團隊針對End to End的所有關鍵步驟，以新的AI方法逐一設計檢視及落地。。
要讓這個新的方法順利運行，第一步面對的就是最重要的步驟「議題的制定」，AI的運用範圍大、種類多，各單位對 AI 的期待及實際效益評估有很大的差異，透過跨單位的溝通取得共識，訂定出可快速且量化驗證成效的議題。
接著，要克服「組織文化」的差異性，透過學習型 AI 團隊的組成，讓集團內部各單位逐漸凝聚共識，並透過產學合作，讓學校及企業進行技術交流，同步學習與精進。最後完成最重要「資安保護」工程，在跨集團子公司的匯整運用，且技術團隊為外部團隊的狀況下，特別加強建立個資保護去識別化、不可逆的標準準則，於企業防火牆獨立封閉的環境內建置開發環境，集中控管軟硬體環境及資料，讓AI技術發展在確保個資及資訊安全下，兼顧專案進行。
第二步：確認好專案開發目標，評估新技術導入後的實質效益
凱基銀行結合中華開發金控資源及軟應商、學界技術團隊合作，以「運用大數據及AI達到資源自動化與決策自動化」為首要任務。在目標任務確認後，在使用同樣的資料下，由政大技術團隊建置AI預測模型，與傳統預測技術比較，以評估導入新技術解決舊問題效益。
與凱基合作此項專案的政大金融科技研究中心副主任謝明華表示，從學界的觀點來看，希望透過這類合作，達成產學雙贏。「開發團隊提供演算法測試的流程know-how。」他表示，政大與凱基將利用此案機會，將各種演算法一一套用測試，找出最佳解方。他也強調， AI 並不是選了一種演算法就不能改變，而是類似模組化的概念，當新的資料進來，資料特性改變，變換一種演算法就能挖掘出更多資訊。
第三步：量身打造 AI 轉型路徑圖，企業的AI 轉型流程自己定義
凱基以中華開發金控集團內部子公司產品跨售做為導入 AI 的試金石，在建立新的演算法及軟硬體環境後建立AI預測模型，再將所產出的新資料導回模型，透過AI自動判別與修正，得出判斷結果。這一連串的流程如果能夠發展出標準化的SOP，未來因應各子公司不同的業務需求，即可將這套模式複製套用，藉重 AI 預測模型提升效率甚至創造出新的商業模式。
第四步：聯手數據專家，從AI 找洞見提供金融業新視野
凱基銀行創新科技金融處資深副總經理周郭傑指出，台灣的金融業透過 AI 來開拓新服務與業務的空間還很大。舉例來說，國內大型金控集團業務繁多，從銀行、保險到證券等等，加總起來，台灣各大型金控都至少有超過六百萬的客戶數，可惜這些客戶往往各自分散在各個子公司，無法整合發揮綜效。
「但是未來的趨勢是，當客戶有保險、銀行、證券的需求時，金控能夠提供快速、便利且無磨擦的服務。」，能達全方位服務的前提就是透過大數據與AI的運用，有效掌握客戶過往的消費行為甚至是信評，當客戶對某一項產品有需求時，即可作為提供服務及評估的參考。周郭傑說，以開發金控集團為例，能夠提供給客戶的服務很多元，若能整合互通，不論對企業或客戶而言，都能產生更高附加價值。
因此集團從一年半之前，就開始替導入 AI 做準備。他舉例，銀行業的貸款業務，是一條很長的決策樹，從行銷回應率、申貸率、核准率、到實際動撥率，再到動撥之後的提前還款率、流失率、呆帳率、甚至呆帳回收率等等，每一項都是一個決策點，而決策點的預測值怎麼來，就可以靠 AI 來輔助。
以目前銀行的核貸率為七成為例，傳統的貸放決策思維是盡可能以專家經驗及知識謹慎篩選，以免有對客戶的情況有所誤判。「但如何更精確判斷每一個客戶適切的需求及精準的回應，就是我們的課題，也是運用AI及大數據可以有效解決的議題。」
AI vs 專家知識 ，理性邏輯之外看見更多可能性
金融業能借重 AI 跳脫本業的思維，周郭傑認為金融業需要透過 AI 導入，拓展全新的視角來理解用戶以及優化服務。比方說，與銀行往來的客戶之中，哪些在證券部門下單的成功率最高？若根據傳統的專家推論，可能會以客戶跟銀行往來的次數、或基金下單次數這類變數來判斷。但 AI 處理的不是理性邏輯，它擅長將多個看似不關連的變數，進行交叉比對之後，得出意料之外的結果，也因此充滿更多可能性。
導入 AI 技術挑戰當然有，更重要的是建立流程
周郭傑坦言，這個過程的挑戰不少。「對於 AI ，大家在認知上都能接受，也覺得勢在必行。但真正與異業合作並導入數據時，就有不少門檻要克服。」例如如何在個資保密不可逆、去識別化的前題下，把資料運用流程和遵法議題做妥善的處理就是首要思考的重點項目。
此外，原本A君在銀行裡的資料，其分析軟體屬於封閉系統，一但進入了整合後的新環境， AI 涉及大量的資料分析，必須借重開源（open source）的軟硬體，也會帶來控管上的挑戰。
「這種種挑戰，必須先在小範圍的試行專案中找到解方，再驗證 AI 流程能否有效運用、複製，最後判斷值不值得導入應用。也就是說 導入AI 能夠為公司帶來多大的價值，是決定組織內部套用與否的關鍵」
培養 AI 人才，不宜在目標不明確的前提下躁進
企業在從事數位轉型時，經常面對欠缺人才的挑戰。但周郭傑認為 ，以金融業的現況來看，並不急著建立自己的 AI 團隊。他分析，目前技術面的人才，不論是軟硬體或演算法，大多仰賴異業夥伴在銀行內部試作，再由銀行現有人員加入學習。
他主張，人才的引入其實也要分階段性，並且看當下企業所需要解決的需求為何。這是因為現階段金融業導入 AI ，還有很多整合的工作要做：要跟法遵部門談、跟 IT部門談、跟子公司談。而目前開源或演算法人才多來自學界，學界的試作環境已有現成的軟硬體和測試資料，一旦進入新的企業環境，要重新適應尚未整合的雲端或系統環境，也要另外收集資料，「如果太急於招納 AI 人才，反而對這些人才是傷害。」
投入大量資源導入 AI ，展現以客戶為中心的品牌價值
凱基銀行的 AI 願景，周郭傑形容，「是面對新需求、立下新典範。」也就是拋棄過去以銀行專家為中心的本位思考，直接一腳踏入機器學習及深度學習的 AI 領域。銀行內有長年累積的專家經驗（例如信用卡客服、放貸專員等等），舊的作法是把這些專家見解變成語言，再形成數據模型來進行預測。
新的作法則是利用機器學習，從各個意想不到的領域出發，全方面關照客戶的數位機會。「這兩種作法，最後比拼的就是哪一個更貼近客戶。」最後談到：「凱基銀行選擇了一條基礎功耗時耗工的紮實路線，但我們確信這是一條最能長遠發展AI應用的道路。」
不論如何，凱基選了一條更不輕鬆卻更有潛力的道路，「我們費了這麼大的力氣，就是希望先了解客戶需求，『以客戶為中心』發展AI應用服務，而金融業AI發展決勝的關鍵，就是『誰最貼近客戶』，而不是以『過去經驗』為依歸，，相信這會展現在凱基的品牌價值上。
─ ─
（本文提供合作夥伴轉載。）
更多的 AI 應用，你會想了解
報告教練：我用 AI 分析出怎麼守住 LeBron James 了！
【知乎回答破一億】用戶不再只有菁英，知乎如何靠 AI 維持社群知識水平？
【鴻海股東報告書】五年投資百億元，郭董：重點發展大數據、AI 與工業互聯網
