AI 在銀行業的應用為何？
AI 在銀行的應用說明，銀行如何愈來愈仰賴 AI 分析更多資料類型、為決策提供資訊，以及協助預防網路犯罪。這些新的工具組是銀行業數位轉型的基石，協助處理各種日常工作流程，例如行銷、客戶服務、承保與詐騙偵測。
銀行業為什麼使用 AI？
銀行機構持續面臨提升競爭力的壓力，尤其是客戶愈加期望得到順暢無阻的數位化服務，銀行的壓力隨之增加。此外，銀行一方面必須與眾不同，還要提前因應法規要求，並且防範日益複雜的網路攻擊於未然。機器學習與生成式 AI（GenAI）可協助銀行因應及克服這些難題。銀行業應用 AI 時可引進新的工具組，協助員工提高生產力，並且提升自動化程度，以及強化瞭解大量非結構化資料並據以行動的能力，進而增強傳統工作流程。
銀行業的檢索增強生成（RAG）應用
銀行評估 ChatGPT 這類大型語言模型（LLM）協助與客戶互動的潛在價值，並利用 AI 聊天機器人和個人助理增強員工能力之際，RAG 可協助減少回應不正確衍生的責任。RAG 是部署 LLM 的創新方法。在回答查詢時，RAG 的 AI 模型會參考企業專用的知識庫。因此，AI 針對特定產品選擇、銀行規範與品牌所產生的回應可能更符合規定。
AI 在銀行業的助益
AI 有潛力打造個人化體驗與產品選擇、更善於根據更全面的資料分析預測市場趨勢，以及辨識可能代表網路攻擊或詐騙事件的異常行為。銀行可利用先進的 AI 工具組協助吸引及留住更多客戶、做出更明智的決策，以及加速更高效地防範與回應網路犯罪。McKinsey 估計，如果全面實施生成式 AI，銀行業每年可額外創造 2000 億美元至 3500 億美元的價值。1
銀行業的 AI 使用案例
機器學習與 GenAI 帶動了許多銀行業實際和潛在的使用案例。這裡有幾個例子可供參考：
- 個人化客戶服務與行銷自動化：智慧 AI 聊天機器人可協助為客戶查詢提供更全方位且善解人意的回覆，並協助大幅提升滿意度分數。GenAI 也有助於為潛在客戶量身打造延伸推廣計畫，藉由鎖定正確的管道、時間與聯絡頻率，有可能提高溝通所發揮的影響力。
- 客戶入門、貸款評估與承保：GenAI 可協助分析非結構化資料與文字量大的文件，例如產業或新聞報導，協助深入瞭解客戶（KYC）流程。銀行也可利用 GenAI，以符合規定的方式加速貸款承保。
- 員工生產力：企業 GenAI 服務可將繁瑣的工作自動化，包括收件匣管理、草擬會議記錄與行動摘要，以及將繁重的分析內容摘要成可搜尋的對話內容，協助提升個人生產力。
- 反洗錢（AML）與詐騙偵測：AI 支援的網路安全系統，能以近乎即時的方式分析交易模式，協助辨識可疑活動，甚至是將詐騙偵測、警示與補救程序自動化，實現順暢高效的營運。
- 機密運算：經強化的平台利用硬體支援的隔離機制，協助防範記憶體或虛擬機器層級的資料發生資料外洩。機密運算也可支援 AI 模型訓練與推論的聯合學習，讓多家銀行在兼顧客戶機密性與隱私的情況下，從相同的共享資料池學習及識別模式。
AI 在銀行業的前景
AI 在銀行業的應用將日益複雜，而且能完成更複雜的工作。銀行若要從 AI 獲得最大價值，就必須施行嚴格的可解釋負責任 AI 標準，協助遵循法規及維繫客戶的信任感。
AI 部署日益強大複雜之際，也必須更加透明，協助確保 AI 能符合嚴格的法規要求、滿足客戶對隱私的期望，以及針對敏感金融資料日益升高的威脅剖繪。相較於其他產業，銀行更需要遵循可解釋 AI（XAI）與負責任 AI 的原則，協助瞭解及溝通機器學習與生成式 AI 系統如何產生特定結果與輸出。對於影響客戶是否能取得金融機會（例如貸款資格）的決定，這一點格外重要。