根據金管會調查，台灣有 3 成以上的金融機構導入 AI，87% 的銀行已佈建 AI 應用。然而，金融業管理者普遍發現，傳統資料庫與數據架構難以支撐 AI 應用，因此需要透過更現代化的數據架構提升 AI 應用效能，並且將 AI 導入的風險降至最低，以加速邁向創新成長的目標。在科技報橘攜手擎昊科技近期舉辦的「AI 金融數據發展高峰會」，便匯聚全球數據治理領導品牌 Teradata，解析金控、保險、銀行實踐 AI 數據治理的案例，同時，勤業眾信講者也深度探討金融機構防範詐騙的策略，助力企業打造核心競爭力。
科技報橘社長戴季全致詞表示，金融產業正面臨兩大趨勢，一方面是在科技推動下，經濟發展與犯罪風險並存；另一方面是 AI 賦能更多應用場景，不僅為金融產業提升效能，也驅動新價值與超個人化顧客旅程時代，「這些演進都需要數據的支持，因此我們攜手擎昊科技、Teradata 和勤業眾信重磅講者，藉由這場高峰會分析全球各類金融機構的治理範例，並從產業第一線視角出發，共探金融趨勢與反詐實務經驗。」
「金融機構導入 AI 提高生產力與競爭優勢的效益愈加明顯，若發揮數據效能、確保 AI 模型準確性，還可有效控制風險，」永續金融與影響力投資學院院長/前金融監督管理委員會主委王儷玲指出，從決策型 AI 到生成式 AI 出世，助力金融產業加速推動流程自動化、智慧化決策，實現金融服務數位轉型；隨著多模態 AI 模型擴展應用，也可同時處理文本、語音、圖像、影片，提供更全面的業務洞察；而在強化風險管理與自動合規監控的面向，AI 更協助金融業進行即時數據分析、行為模式識別，加速完成自動合規審查。因應這樣的趨勢，同時擔任國立政治大學金融科技研究中心主任的王儷玲說明，政大研究中心與 NVIDIA 共同推動 AI 技術標準、提供 AI 專屬實驗沙盒，並藉由監理誘因促進金融機構投入意願，助攻台灣發展金融 AI，「我們也攜手產業聯盟企業，聚焦台灣金融 AI 大語言模型訓練與應用、以 AI 資料共享與算力平台精進銀行防詐和壽險理賠模型等重要主題，期許透過平台串聯資料、訓練、法規內容，讓 AI 真正成為台灣金融市場在未來十年數位轉型的試金石。」
以 DataDNA 為基礎，強化金融業 AI 可解釋性與風控韌性
「我們預測，未來高達 70% 的金融從業職能將因生成式 AI 而出現劇烈轉變，」Teradata 區域解決方案顧問總監 Pant Latesh 表示。過去幾年，產業對生成式 AI 進行了大量實驗，發展重心也已從技術探索逐步轉向實現商業價值與投資報酬率。然而，對金融機構而言，AI 導入能否成功，關鍵在於「可解釋性」（Explainability）。Latesh 說明，隨著 AI 與自動化決策日益普及，客戶對每項系統判斷背後的邏輯越來越重視，而監管機構也提出明確要求。金融業者必須能清楚說明模型做出決策的依據與可信度，否則可能面臨合規違規的風險，甚至引發治理問題與法律責任。
「數據是確保 AI 系統具備可解釋性的根本基礎。銀行若能解釋數據，就能進一步解釋模型的行為與預測結果，最終建立外部信任與內部透明度，」Teradata 區域解決方案顧問總監 Pant Latesh 指出。他建議金融機構應建立「DataDNA」架構，全面掌握業務數據的血緣關係（Data Lineage），包括數據的來源、管理方式、儲存架構與共享流程，進而建立每個數據元素的全貌視圖，才能更高效地管理與運用資料資產。Latesh 進一步指出，面對 AI 帶來的挑戰與機遇，企業需將「數據視為產品」的思維納入營運核心。透過「數據產品」的設計與管理機制，企業可以重新評估如何從既有數據中獲取更高價值與洞察。邁向智慧化轉型的過程中，金融機構必須將數據治理提升至策略層級，強化數據的可解釋性、推動數據簡化與整合、建立清晰的數據血緣，並將數據作為可標準化的產品進行管理。唯有如此，才能有效發揮數據資產價值，同時確保業務穩定性，並因應日益嚴格的監管要求。
強化防詐韌性，以 AI 為基礎提升即時識別與預測能力
「近兩年來，已有四家台灣大型機構採用 Teradata 作為現代化 AI 資料分析平台，其中包括金融周邊關鍵單位」，Teradata 資深解決方案顧問 Angus Fang 表示。Teradata 累積 46 年資料技術經驗，專注於高效穩定的資料倉儲與即時數據處理解決方案，並已與 NVIDIA 展開全球策略合作，進一步強化在 AI 模型運算與加速分析領域的技術實力。其最新「Teradata AIDW 數據分析平台」內建 AI/ML 功能，專為協助企業提升風險預測與詐欺偵測能力所設計，加速從異常行為中辨識潛在風險、即時阻斷可疑交易。在實際應用上，巴西金融機構 Sicredi 曾面臨信用評估不精準、客戶風險難掌控、資料處理效率低與仰賴外部資料來源等挑戰。導入 Teradata Vantage 分析平台後，成功將模型處理時間從 2 小時大幅縮短至 6 分鐘，提升詐欺風險預測的即時性與準確度，並有效減少對外部資料供應商的依賴，實現每年節省 65 萬美元成本，資料傳輸成本也下降 83%。
在保險領域，日本損害保險協會透過 Teradata 高效資料平台與 AI 模型，成功強化保險詐欺偵測能力，不僅提升準確率、降低成本，更有效減少財務損失。Teradata 資深解決方案顧問 Angus Fang 表示：「由於保險產業的詐欺數據量相對有限，容易產生機器學習的冷啟動（Cold Start）問題，導致無法依賴既有規則辨識可疑行為。」該協會運用樣態分析找出相似的潛在受害群體，進一步結合社群網路分析補足樣本不足，再透過歷史資料與行為模式預測詐欺手法，建立長期防禦策略，強化整體防詐體系。
在銀行領域，丹麥銀行攜手 Teradata 打造 AI 驅動的詐欺偵測平台，突破傳統規則式引擎高誤報與偵測延遲的限制。Angus 說明：「該平台具備即時交易評分能力，能在 300 毫秒內完成判斷，有效攔截可疑交易，防止資金外流。」該行導入後，詐欺偵測率提升 60%，誤報率下降 50%，成為北歐金融防詐典範。Angus Fang 強調，Teradata 擁有涵蓋十大產業的標準化資料模型，並協助企業建構「一人一檔」的黃金數據，整合客戶歷史行為、交易紀錄與風險訊號，提供更細緻的客戶風險輪廓，讓 AI 模型能更精準偵測異常模式，進一步提升詐欺偵測的即時性與準確性，是企業建構全面風控與防詐策略的關鍵基礎。
台灣阻詐措施：從上游清源防治，在下游溯源打擊
「我們看見一個趨勢：台灣、新加坡、澳洲等國家都已展開公部門與私部門的打詐協作，」勤業眾信策略、風險與交易部門金融犯罪風險管理顧問團隊執行副總江榮倫說明，台灣在 2024 年通過「打詐新四法」、推動「新世代打擊詐欺策略行動綱領 2.0 版」，強調將結合 AI 技術、深化跨境合作、加強監管力道與被害保護，達到降低財損與案件量的目標。新加坡部分，在今年 1 月通過「防詐騙保障法案」，授權警方在合理懷疑民眾將會轉帳詐騙集團的情況下，能夠發出限制令，並要求銀行於時間內限制個人帳戶的交易功能，讓警方更有效保護可能受詐騙的民眾；澳洲部分，已在今年 2 月正式施行跨產業、強制性的「防詐騙框架」，保護對象包含澳洲境內的個人與小型企業，同時涵蓋防詐義務納入法制、建立跨部門資訊共享機制、賠償與申訴機制、動態調整適用產的 4 大重點。
「針對詐欺風險管控，勤業眾信主要從歷史行為進行偵測，並強化受害者樣貌的防範偵測，」江榮倫分析，台灣往往採取從上游清源防治，在下游溯源打擊的打詐措施，而面對警示過載且資源緊繃的打詐困境，資訊長、金融防治官、數位長就需要發揮各自的關鍵影響力。例如，資訊長需要提供打詐的軍火—— 數據，包括結構與非結構化資料；金融防治官提供精準打擊的目標，如機構內部分析完成的詐欺樣態；數位長則是運用 AI 等工具，快速打擊詐騙集團。江榮倫指出，展望未來，金融機構對抗詐欺犯罪的管理重點，將是持續找出人頭戶、進行可疑交易監看、增強對特定客戶的即時通知，以及結合新興科技提升效率，「金融機構不僅需要降低詐騙集團利用銀行進行詐欺的機率，若使用機器學習或 AI 方式，將來還能提高偵測效果、帶來全新的管理應用。」
隨著金融產業正站在轉型與創新的交會點，從提升營運效率、強化風險控管，到實現個人化金融服務與詐欺防制，AI 已深刻影響金融機構的策略布局。在「AI 金融數據發展高峰會」，各界數據專家透過深度剖析借力 AI 進化金融產業治理能力的關鍵策略，助力與會者在數位金融迅速發展時刻，擘劃金融安全應用的具體行動方案。
