• 會員中心
  • 訂閱管理
  • 常見問題
  • 登出

SAS攜玉山金建維運化 數分鐘完成上百AI模型監控回饋

本文共1105字

經濟日報 記者楊筱筠/即時報導

金管會重視金融業法遵與風控,全球人工智慧與分析領域領導者SAS切入這塊藍海市場,SAS台灣總經理陳愷新今(10)日宣布,已助玉山金控(2884)(2884)建置維運化(Ops)流程,讓上百個AI模型得以數分鐘內完成監控與回饋,實現AI規模化應用

玉山金控科技長張智星今日解釋,早前為了讓AI服務能在各事業單位實際發揮商業價值,由智能金融處自建機器學習即服務平台(Machine Learning as a Service,MLaaS),讓各業務單位系統可透過此平台即時呼叫請求AI微服務,可說是打造供應內部單位AI的服務平台。

推薦

然而,隨著內部AI應用場景愈來愈多元,連接此平台上包含行銷、風控、服務等AI模型累計數量超過上百個,模型上線後迎來營運端不斷變化的真實資料,要維持一定的預測準確度不易。

例如,早前上線的信用卡盜刷偵測模型,受疫情影響刷卡習慣從實體商店移轉到電商通路,這些改變導致既有盜刷偵測失準,突顯模型監控的重要性。如果模型失準後還需要再投入3到6個月重新訓練,不難想像當面對上百個模型,管理難度與時間耗費多麼驚人。

因此玉山攜手SAS,共同打造一個自動化、透明化的模型維運流程(ModelOps),藉以將模型管理作到規模化。這流程包含把所有AI(商用或開源)模型版本、分析專案納管在一個中央儲存庫,設定權限讓應用單位機密不外洩;再來把整個模型生命週期的管理流程標準化,提高協作效率也便於監控。

最後打造統一且透明的回饋機制,讓各應用單位權責人員皆可主動監控異況,同時參與簽核把關模型品質。最重要的是透過此平台把整個管理與稽核軌跡留存下來,為邁向法遵規範立穩根基。張智星表示,與SAS的合作,玉山金成功將監控模型作業從3天縮短到數分鐘。

SAS總經理陳愷新建議,企業除了維運化(Ops),下一波必須掌握「複合式AI」(Composite AI)技術-即在同一個運行框架下,結合不同AI技術,來為複雜商業問題提出最佳解。

譬如一個零售商想要了解如何最佳化定價,過往可使用機器學習技術,運算歷史交易資料、庫存水位、客戶屬性及競品訂價,來定出產品價格區間。但如果想進一步深掘問題層次,像是了解在定價以及促銷策略上該如何取得平衡?最終該最佳化營業額、利潤、市場份額、還是三者間做出情境模擬?

面對這樣複雜的商業問題,就需要運用到橫跨機器學習、需求預測、統計及最佳化等AI技術。

此外,複合式AI還可以從小數據中,以集合式的技術找出洞察,可說是AI價值的再進化。陳愷新也提醒,能養成具備跨AI學科團隊的組織仍是少數,因此企業須尋求可支援複合式AI技術的單一平台,搭配為自身重要商業問題做出定義與排序,制定出「階梯式戰略」才容易取得成功。

SAS攜手玉山金、北榮落實AI營運化。玉山金控科技長張智星(右)、SAS台灣總經...
SAS攜手玉山金、北榮落實AI營運化。玉山金控科技長張智星(右)、SAS台灣總經理陳愷新(中)、台北榮民總醫院資訊室主任郭振宗(左)。照片提供/SAS

※ 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

延伸閱讀

上一篇
升息這一波...業者憂喜參半
下一篇
國泰金:國泰產險防疫保單每天賠1,100萬元

相關

熱門

看更多

看更多

留言

完成

成功收藏,前往會員中心查看!