淺述生成式AI在金融業的應用（下）
作者/蔡湘玫
作者簡歷
作者目前擔任凌群電腦總經理特助，長期觀察產業動態與產業技術趨勢，並擔任凌群電腦參與多個公協會的聯絡窗口，熟悉產業發展現況。
生成式AI在金融業的具體應用
繼上篇，分享金管會所頒布《金融業運用人工智慧(AI)指引》所建議的金融業運用 AI 六大核心原則後，理所當然金融業者亦會做好風險評估，並遵守應用AI系統的六大核心原則。但在大家口中幾近出神入化的生成式AI技術，究竟能在金融業能有哪些應用？參考了國內外的應用和發展趨勢，謹提出以下十個參考方向，敬供借鏡。
一、自然語言生成NLP的技術：
應用在分析客戶反饋、生成報告處理客戶服務查詢等等，並且自動生成客戶服務回覆這樣的應用方向。
二、預測模型和風險評估：
應用在協助金融機構建立風險評估模型，進行預測；也幫助金融機構提前識別潛在風險，避免重大損失。
三、分析數據提供預判：
分析大量的金融數據，提供有價值的預判結果，也幫助金融機構做出更明智的決策，例如投資公司用來發現新的投資機會，提高投資報酬率。
四、決策支援系統：
用在建立決策支援系統，幫助金融機構在複雜的市場環境中，做出快速而且準確的決策，提高交易效率和準確性。
五、AI聊天機器人與客戶服務：
AI聊天機器人可以用在處理客戶查詢，提供二十四小時全年無休的客戶服務，也減少人工客服的工作量。例如保險公司利用AI聊天機器人，處理客戶查詢，顯著提高客戶服務效率。生成式AI驅動的聊天機器人可以讓客戶參與自然的類似人類的對話，這些機器人根據規則回答，而且可以理解語境情感和語言的細微差別，使互動變得無縫和個性化。當客戶有疑問或是需要協助的時候，聊天機器人使用生成式AI來分析查詢，並且提供相關的回應或解決方案，無論是檢查帳戶餘額、解釋交易詳細資料、還是幫助設定帳戶，聊天機器人都可以處理，從而使真人服務人員能夠專注在更複雜的問題上。銀行業在聊天機器人的應用，還能應用在個人化的行銷，透過生成式AI模型分析大量的客戶數據，包含交易歷史、瀏覽行為和人口統計資訊...等等，系統產生針對個人客戶，量身訂製的高度個人化的行銷活動和產品推薦。這種個人化超越了一般的電子郵件優惠，生成式AI可以製作有針對性的訊息內容，甚至是與每個客戶的偏好和需求產生共鳴的產品，有效提高客戶參與度，提高轉換率和客戶的忠誠度。對銀行來講，由生成式AI支援個人化行銷，可以提高客戶滿意度，增加交叉銷售的機率，以及更顯著的行銷投資回報。
六、信用風險評估的應用：
在銀行業，評估信用風險是決定機構貸款決策的基本過程。傳統上，信用風險評估主要依賴歷史數據和統計模型，但是生成式AI在這個過程中，帶來了新的準確度和預測能力，它透過分析大量的資料集，並且產生複雜的信用評分模式，可以比以往傳統評估方式更準確地評估申請人的信用額度。它也考慮了廣泛的因素，包含交易歷史、社交數據、經濟指標，還可以識別出人類分析師可能會錯過的微妙模式和相關性，最終降低了違約風險，並且提高貸款批准率。現在銀行可以更快更有信心的做出貸款決策，生成式AI技術是金融業能夠向更廣泛的客戶提供貸款(包括那些以前可能被忽視，或被認為風險太大的客戶)的有力後盾。
七、詐欺偵測：
隨著生成式AI普遍應用，銀行業打擊金融詐欺將更有效率。它可協助金融業者線上即時檢測和防止詐欺活動；對於維護金融生態系統內的信任和安全至關重要！生成式AI驅動的詐欺偵測系統旨在協助監控交易並且識別違規行為。這些系統採用機器學習模型，不僅可以分析歷史教育數據，還可以產生預測模型來偵測詐欺模式的演進，同時生成式AI在這個應用的獨到之處，在於它的適應性，它從新數據中學習，並且相對的調整了詐欺檢測的演算法，使其能夠非常有效的應對已知和新出現的威脅。此外，它還減少了誤報，確保合法交易不會被錯誤的標記為詐欺，因此銀行可以從深層式AI驅動的詐欺政策中受益，有助於防止財務損失，保護客戶免受未經授權的交易，並且維護金融機構的商譽。
八、程式交易(或稱為”演算法交易”)的優化：
銀行和金融機構可依靠生成式AI驅動的交易策略來優化投資，並且在快節奏的金融市場中保持競爭力。生成式AI的模型可快速分析大量的市場數據、歷史交易模式、新聞情緒、甚至社群媒體趨勢等巨量且即時的數據。這些模型產生複雜的演算法，可以根據這些數字數據中得出的見解，做出瞬間交易決策。生成式AI因其適應性和學習能力，而在演算法交易中大放異彩，這些模型會自我更新，使他們能夠準確的針對不斷變化的市場條件和新興趨勢做出回應，產生更有效的交易策略，從而提高回報率並降低風險。對金融機構來說，還可以以非常快的速度和準確性來執行交易，從而提高其市場地位和獲利能力，由生成式AI支援的演算法交易，讓投資人(或機構)能夠探索一切難以想像的新交易策略。生成式AI已成為金融機構在尋求競爭激烈的演算法交易領域，快速獲得市場優勢的重要工具。
九、財富管理和投資組合的優化：
財富管理是銀行業的關鍵領域，也是利潤重要來源之一。客戶委託金融機構投資，為其保護其資產；生成式AI在增強財富管理和投資組合優化方面，可發揮強大功能。系統可分析大量的金融數據、經濟指標、市場趨勢和個人客戶資料…等資料，然後由AI系統產生預測模型，推薦VIP客戶最佳的資產配置和投資策略。這些模型可以根據不斷變化的市場狀況甚至市場新商機，及時調整投資組合，形成”動態”的財富管理方法，銀行甚至有可能同時有效管理風險並為客戶賺取最大的回報。對銀行來說，財富管理機構可以為客戶提供更個人化的投資策略和資產配置，提高客戶滿意度和忠誠度。
十、反洗錢(Anti-Money Laundering，縮寫為”AML)的應用：
防止洗錢和遵守監管要求，是銀行最關心的問題；生成式AI則是加強反洗錢的有力幫手。生成式AI的模型可以分析大量的交易資料、客戶檔案和歷史模式以識別可疑的活動。這些模型不僅可檢測已知的洗錢技術，還可以適應不斷發展的計畫，確保銀行領先於犯罪策略。生成式AI在反洗錢當中特別有效的原因在，它能夠產生預測的模型，這些模型可以識別表明洗錢的異常狀況和模型，並從快速更新的資料中學習。對於銀行來說，生成式AI驅動的反洗錢系統能更準確的檢測非法活動，減少誤報並增強主管機關對金融業者反洗錢系統監管的要求。
生成式AI在金融業的挑戰
提了這麼多，足見生成式AI在金融業的效益清楚可見且巨大，包含了提高效率、提高客戶滿意度、更好的風險管理以及降低成本…等。當然也有挑戰，因為新一代的人工智慧仍然是一種相對較新的方法，它帶來一系列不容忽視的挑戰，包括資料隱私問題、監理的合規性的問題以及資料偏誤或公平性的問題；因為這些模型可以從訓練資料當中獲得，可能也會帶入一些BIOS資料，在銀行業可能會導致貸款或是其他的金融服務方面的歧視，因此如何確保人工智慧模型的公平性和透明度? 將是另外一項挑戰，需持續監控和改進。
另一個挑戰是採用和變革管理。畢竟這是一個新的技術，金融業應培訓員工面對變革管理，以確保人工智慧應用系統順利運作，這是銀行必須克服的挑戰之一。
展望未來，生成式AI發展潛力無窮，所能帶來的應用隨著未來技術進步，將更天馬行空。透過擁抱生成式AI，面對挑戰，銀行可以引領創新，並提供客戶卓越的價值，這是邁向更有效率、安全、以客戶為中心的產業的一個過程。凌群電腦於2023年發表生成式AI的重大突破，推出企業知識創價生成式AI解決方案NeuroChain及NeuroCodie，獲得國內客戶熱烈迴響，也協助許多企業和政府客戶建置各種生成式AI應用，歡迎與我們聯絡。
凌群電腦服務信箱：info@syscom.com.tw