本文共2754字
幾年前，金融業為迎戰數位金融浪潮，積極進行數位轉型。如今隨著AI時代來臨，金融業開始投入AI運用，而AI轉型不是把線下商品放到線上那麼簡單，一旦出錯，損失可能會遠超過賺的錢，從數位轉型到AI轉型，金融業面臨更多挑戰。
金融業迎戰AI之2／金融業運用AI指引將上路 管太嚴沒彈性？ 業者最擔心3件事
KPMG安侯建業數位長賴偉晏表示，AI來的又急又快，現在的金融業正努力摸著石頭過河，內部資源要重新配置，找預算、找人、找策略，或引進外援等，就像是「軍備競賽」，誰能做好AI治理，誰就能取得市場領先地位。
金管會提出的金融業運用AI指引草案，要求「建立治理及問責機制」，賴偉晏說，過去金融業對於AI可能當做一般IT，符合安全架構就結束了，但現在要「問責」，內部流程如果沒有建立，如何問責，有些金融機構甚至連「資料治理」也沒做，就要進入「AI治理」了。
金管會推問責制 AI沒治理當心觸法
金融業從數位轉型到AI轉型，第一個面臨的挑戰就是資料治理。賴偉晏說，資料治理先做好，才可能談AI治理，如何符合指引規定。
什麼是資料治理？他舉例說，銀行要分析客戶資料，包括存款、財富管理、貢獻度等，但客戶來存款時職業是填老師，貸款時是健身教練，做財管時又變成公司經理，職業就有三個。客戶的職業類別可能會變，但是真是假，要有專責單位來判斷職業變化的正確性，這就是資料治理。
一位大型行庫主管說，AI的運用需要大量資料，資料取得也是一項投資，要有大數據蒐集平台、運算跟儲存能力，指引草案出來會讓業者更加重視資料治理。
以往資料治理比較沒有制度化，他說，「我們銀行正請外部顧問，訂定資料品質標準，將資料管理一致化，也會參考玉山、中信等同業的資料分類分級治理作法。」
這位主管說，資料治理是下水道工程，如果資料品質不好或有誤，就是不乾淨的垃圾，像是男女的ID開頭是1或2，過去可能輸錯，跑出3無用的資料，或男女對調的錯誤資料，這些在AI運用時都必須挑出來，「現在很多同業都在進行這塊（資料治理）」。
賴偉晏說，包括金控子公司的交互運用，是否合法等，也都是資料治理的範疇，資料治理做的好，可避免更大損失，否則AI一旦造成歧視或獨法，損失可能會遠高於賺的錢。
另外，如何運用合成資料（synthetic data）來訓練AI，既保護客戶資料隱私，又能解決真實世界數據有限的問題，也是資料治理的新趨勢。
知情官員說，英國數位沙盒已有金融業在設計商品或開發服務時，使用合成資料，等於用仿真的資料去作試驗，好的合成資料在統計學上是跟真實資料接近的，為因應此趨勢，金管會年底提出的資料治理指引及相關諮詢文件，也會納入合成資料。
AI深度學習學到哪 公司要能掌握
第二個挑戰是，AI系統運用的可解釋性。
研發機器人理財的阿爾發投顧董事長陳志彥說，可解釋性是AI指引草案中的重點之一，要能解釋演算法為何會產生這樣的結果，單這點就很有挑戰。
他表示，像放在汽車裡辨識紅綠燈的AI系統，「碰到紅燈停」就是簡單的AI，依演算法執行，沒有學習的功能，是容易被解釋的。
但如果是複雜的AI，像機器學習，自己會不斷學習可能跑出掌控，像生成式AI就是複雜的AI，你不知道他會回答什麼，演算法可能解釋不出來，你不知道為何跑出這結果，那就會違反指引規定。
金融機構碰到的另一個問題是，很多金融機構是用外包商的解決方案，不是自己開發，像很多銀行的機器人理財就不是自己開發，「以前只要覺得外包商專業就可以」，但指引草案要求，金融機構自己也要能解釋、能理解。
難題來了，以前金融機構提供數據，外包商給產品，但裡面的演算法不告訴你，陳志彥說，「我可以給你商品可樂，但可樂是如何生產的，配方不告訴你」，可能因價格的關係，有金融機構會接受，配方不用知道沒關係，結果好就可以。
但指引上路後，很難再這樣，因為你不知道配方，不理解這東西是如何出來的，「可解釋性就有問題」，這是很多金融機構開始要思考、檢視的地方，跟外包商溝通協調，能不能提供配方，提供後的價格可能就不一樣了，但如果不提供，金融機構要如何符合指引規定？
巨資投入AI 商模調整陷兩難
第三個挑戰是，商業模式要不要調整。
陳志彥說，在AI時代，運用AI都要投入成本，除了設備跟人外，原本的商業模式要不要調整，可能是最大的成本，也是AI轉型的一大難題。
他說，這個問題已出現在機器人理財業務上，同一家銀行，理專推薦給客人的商品，跟AI系統的建議不同，線下跟線上的建議產生衝突，這讓銀行現有的商業模式受到挑戰，有些金融機構看到這個現象，開始猶豫這個業務要不要繼續走下去，甚至不敢再投入行銷。
這也可能是國內機器人理財推動多年來，今年1月規模首度出現衰退的原因，1月底規模75.9億元，低於去年底的77.9億元，不過，官員表示，規模下降除投資金額減少外，也可能是市況變化使基金淨值減少，真正原因還需要再觀察。
AI人才搶翻天 跟科技業比薪資福利
第四個挑戰是，跟科技業搶AI人才。
「今天你到分行買金融商品，A理專跟B理專都是認真推薦合適的商品給你，而C理專則是為了業績賣你商品」，陳志彥說，十個客戶，可能有三分之一的客戶被推介到不合適的商品；但如果是用AI系統，演算法是一致性，商品推介如果有偏誤，十個客戶都受影響，錯誤就會被放大。
人推介商品時代，因有好的理專在分散風險，但AI運用，「對的沒問題，但錯了，就全錯了」，所以對金融機構來說，AI的運用需要更多「專業人才」。
陳志彥說，AI時代來臨，AI轉型，已不像數位轉型把線下商品放到線上那麼簡單，牽涉演算法、寫演算法的專業人才；金融機構不僅要有寫演算法的人才，也要有能解釋、理解AI系統運用的人才。
一位大型銀行數位部主管說，AI指引草案出來後，AI人才需求更大，但現在各業界都搶得很兇，不只金融業；金融業的薪資待遇已比傳統業有競爭力了，但要搶AI人才，恐怕仍搶不過科技業，像「台清交」的人才都被挖走了，金融業只能往沾到邊的科系去搶人才。
3月初登場的台大校園徵才博覽會，金融業今年校園徵求領域就相當廣，像是大氣科學、生物科學、醫學、土木工程等，其中尤以AI人才最熱門，多家金控都鎖定AI為徵才熱門對象。
大型銀行數位部主管說，AI專業人才很不好找，真的是在「搶人才」，我們最近找人，單是符合徵才的「書面基本標準」就都很少了。
KPMG安侯建業數位長賴偉晏觀察，多數金融業現在找的AI人才大部分是在「進攻端」，像是機器人理財等商品開發運用，而「防守端」的人才相對欠缺，隨著AI指引上路，防守端的人才需求會愈來愈高。
延伸閱讀 》
※ 歡迎用「轉貼」或「分享」的方式轉傳文章連結；未經授權，請勿複製轉貼文章內容
留言