生成式 AI 熱潮席捲全球，企業無不競相投入技術研發，目標在數位轉型中搶占先機。台新銀行數位科技處數位科技長李正國日前於「2026 AI 人才年會暨 AI 職涯博覽會」，指出金融產業推動轉型最大挑戰並非 AI 技術，而是在於人們能否活用 AI，並整合領域專家知識，「技術進步曲線呈指數成長，但組織吸收曲線卻是線性的，這個巨大的落差才是關鍵。我們以為是 AI 技術不夠強，其實是不懂得怎麼用，過去兩年，大家都在談模型、RAG、Prompt Engineering，如果不誠實面對那個巨大的落差，技術再強也沒有用。」
運用 LLM 的語言優勢，但在嚴謹的框架下運作
李正國表示，如果將 AI 形容為一個很厲害的學生或專家，RAG 就像一本「參考書」，當很厲害的學生搭配參考書，確實能夠提升工作效率，不過實際運作，卻可能面臨 AI 幻覺的風險，「在聊天情境中產生幻覺沒關係，但是在金融業問題就會被放大。因為客戶對於銀行的期待，是每一句話都必須被驗證、被實踐，而金融業是高度監管、錯誤零容忍的行業，所以我們必須在監管框架之下發展 AI 與數位創新策略。」
面對這樣的挑戰，李正國建議金融產業翻轉認知，停止期待 AI 能自動理解複雜邏輯，開始運用 LLM 的語言優勢，在嚴謹的框架下運作，「問題從來不是 AI 不夠聰明，而是我們用錯誤的方式期待、訓練它。我們要適應 AI 的特性，而不是期待 AI 變成完美的人，這就是為什麼『領域專家』非常重要，在金融業的風險管理，可能 90% 都是內隱知識，如果我們沒有將內隱知識放進 RAG，AI 就會難以發揮作用。」
李正國進一步舉例，台新打造風險管理系統時，不僅梳理台灣企業「粉飾報表」案例的規則，還研究過去 40 年來，152 家上市櫃企業的倒閉路徑，再將這些結果轉化為 AI 可以理解的規則和語言，讓 AI 完成風險評估，「要做到精準控制，我們需要資深專家把心中的那把尺：風險判斷、法規解讀的內隱知識拿出來，將其『外顯化』，才能讓 AI 學會金融領域中的專業知識。」
金融產業需要確保 AI 可信賴的 3 項原則
談到金融機構啟動科技與數位創新的策略，李正國指出，「金融業 AI 開發流程是反過來的，我們先談治理，確保產出符合銀行的高標準規範，再來談技術實作。」金融業將資深專家的知識整合至 AI，會從治理導向開始評估，讓監管機關掌握 AI 應用在風險管理的情境、邏輯和規則。這樣的流程其實也適用於各行各業，以製造業為例，當控管產線生產品質時，需要告訴 AI 標準，並將內隱知識包括生產經驗、數據、判斷與外顯知識結合，教導 AI 學習老師傅的判斷邏輯。
與此同時，金融產業需要確保 AI 可信賴的三項原則。第一項原則是「可解釋」，AI 作出的每個決策，都必須具有清晰的邏輯軌跡；第二項原則是「可管控」，銀行需要應用 AI Human-in-the- loop（人類參與迴路），讓專家隨時能修正 AI 的軌跡，並判斷後續的配套決策；第三項原則是「可交接」，透過持續沉澱知識，持續累積組織能力。李正國指出，以前 AI 模型只能告訴風控人員客戶倒帳的機率，但現在能夠評估客戶是否朝向「特定的倒帳路徑」邁進，接著提供下一步建議採取的行動，這顯示專家 AI 知識已經可以被執行，甚至成為企業的智慧與力量。
成為整合型人才，將專家判斷化為組織能反覆使用的能力
剖析在 AI 時代下，工作者如何提升自己的競爭力，李正國鼓勵台灣人才在學習新技術的同時，要能夠理解專業領域知識（Domain Know-How），因為新一代「整合型人才」不一定是厲害的工程師，而是一種全新的角色，負責讓專家的判斷，化為組織能反覆使用的能力，「他們具有的跨領域能力，需將業務高標準無縫轉為可執行的 AI 邏輯，並結合防詐、隱私與公平建議等要求，讓模型既懂業務又符規範，這是確保 AI 應用高效合規的關鍵。」
李正國強調，未來的 AI 贏家，不是跑得最快的人，而是最懂得如何安全、精準地駕馭 AI 的人，並點出台新目前需要的人才不只是具備程式能力，還需要理解金融服務本質與客戶權益，將其轉化為 AI 規則，落實於產品、銷售與資訊揭露各環節，「我們提供一個『負責任創新』的環境，追求新技術帶來實質的價值創造，致力讓每一個 AI 應用都必須經得起檢驗，值得客戶信賴。」
台新新光金控以實際案例證明，AI 在金融業的成功，是建立於「治理導向」的架構，並透過「負責任創新」的信念，將合規與可控在金融服務的第一位，「AI 不會自動幫我們把事情做好，是我們透過對產業標準的堅持，讓 AI 成為值得信賴的夥伴。」
