過去兩年，企業 AI 已經證明自己能勝任文件摘要、問答與重複性工作的自動化，但銀行業關心的是：AI 能不能被信任，去做出承擔財務、法規與法律後果的決策？
Taktile 共同創辦人暨執行長 Maik Taro Wehmeyer 認為，這道門檻正開始鬆動。他認為，過去的模型還沒好到足以承擔金融服務業的關鍵任務決策，而 2026 年將是 AI 真正進入金融服務業的一年。
Taktile，從一張 IT 工單開始的創業故事
Wehmeyer 與另一位共同創辦人 Maximilian Eber 在求學時相識，兩人後來一起進了企業 AI 應用公司 QuantCo 工作，他們在那一再遇到同一個問題：銀行的決策邏輯太僵化，改一次要等很久。
「我們發現自己一直在重複打造同樣的東西，於是決定把過去累積的經驗，拿來打造一個平台。」2020 年，兩人創立 Taktile，目標是，讓金融機構自己就能修改決策邏輯，不用每次都靠工程團隊。
Taktile 的平台讓金融科技公司的風控與工程團隊，自己就能建立、管理決策流程，實驗資料整合方式，監控預測模型表現，並執行 A/B 測試。
舉例來說，銀行可以用它預測開戶最低年齡從 25 歲降到 21 歲，會不會影響顧客流失率。市場上有 Noble、PowerCurve 等競爭者，但 Wehmeyer 表示，Taktile 常常靠「端到端整合方案」贏得客戶：「就算我們某個單一功能不如專精廠商，客戶還是想要一套完整的解決方案。」
融資軌跡：從 5,400 萬到 1.1 億美元
這套定位反映在成長數字上。Taktile 的年度經常性收入，2024 年年增達 3.5 倍，客戶也擴展到 Zilch、Mercury 等金融科技公司。
2025 年，這家紐約公司完成一輪 5,400 萬美元的 B 輪融資，由 Balderton Capital 領投，多家創投與美國前財政部長 Larry Summers 參與，公司累計募資達 7,900 萬美元，當時員工約 110 人。
一年後，Taktile 完成規模更大的一輪募資：1.1 億美元，由高盛另類投資（Goldman Sachs Alternatives）領投。平台定位也更明確聚焦在，為受監管金融機構打造 AI 代理人，協助銀行在維持法規監督的前提下，自動化最複雜的營運流程。
決策速度成為新的競爭產品
Wehmeyer 說，AI 現在已經能自主完成商業放貸、保險理賠管理、企業徵信等工作，這些過去都需要資深分析師才能處理，「我們押注的，是這件事終將成為可能的市場。」
技術跨過這道門檻後，改變的不只是效率還包括銀行拿什麼跟客戶競爭。以前需要數週人工審核的小型企業貸款，現在可能五分鐘就核准；過去要花數月的保險理賠，現在透過空拍影像與 AI 損害評估，數小時內就能完成。
Wehmeyer 提醒，很多人把 AI 轉型跟省成本畫上等號，但真正的競爭優勢，來自 AI 大幅壓縮決策時間。
對現金流吃緊的企業來說，決策速度的價值不亞於資金本身。金融機構的競爭焦點，也跟著從「誰提供什麼產品」，變成「誰能最快給出確定的答案」。AI 因此不再只是生產力工具，而是變成一套營運基礎設施。
規模不是門檻，領導意願才是
Taktile 的客戶樣本還揭露一個違反直覺的現象：機構的 AI 準備程度，跟組織規模幾乎沒關係。部分大型銀行至今仍謹慎，反倒是若干社區銀行與信用合作社，完成雲端現代化後，成為更積極的採用者。
過去，能勝任商業貸款徵信或 KYB（了解你的企業）查核的 AI 模型，只有研發預算與技術團隊雄厚的大型機構才能負擔。Taktile 把同樣等級的決策能力，交到中小型銀行與信用合作社手中，讓一家資產 20 億美元的信用合作社，也能提供跟資產 2 兆美元銀行一樣的決策速度。
Wehmeyer 也觀察到，機構要調整的不只是商業模式，還有員工行為。
從廠商聲稱到可稽核實測
導入自主系統，需要的不只是技術投資，還要組織願意重新設計決策流程、重新定義員工職責，接受新的營運模式。
為了降低採用門檻，Taktile 成立自家研究部門 Taktile Labs，針對徵信、KYB、詐欺偵測與理賠等場景，持續發佈 AI 表現對比人類專家的基準測試數據。
對一位被要求把決策權交給機器的風控主管來說，從「廠商片面聲稱」變成「經過測量、可公開檢視的數據」，往往才是真正推動對話前進的關鍵。Taktile 也鼓勵客戶先用「影子模式」運作，讓 AI 建議跟既有人工流程並行比對，等信心建立後，再正式授權系統取得營運決策權。
這種漸進式的做法，說明了企業不再問 AI 能不能用，而是問它的表現夠不夠穩定，能不能撐過稽核、監理審查與高階主管的究責。
展望更遠的未來，銀行是否終將成為 AI 代理人背後的基礎設施，不再是與客戶互動的主要介面？「我預期銀行會變得非常『代理人優先』、『API 優先』，」Wehmeyer 認為，人類很可能仍會留在最重大、監理機關要求必須監督的決策場景，但日常性的金融互動，可能會愈來愈常發生在軟體系統之間，而不是人與人之間。
未來十年真正定義 AI 走向的機構，或許不是打造出最聰明模型的那一方，而是能說服機構相信，這些模型值得在決策桌上占有一席之地的那一方。
【推薦閱讀】
◆ Fintech 今年募資逆勢成長 23%，AI 下一個殺手級應用為何指向金融？
◆ AI 打敗 60/40？摩根大通測試 AI Agent 挑戰華爾街最經典投資策略
◆ 【華爾街人才洗牌】例行報告交機器、判斷交給人，五種新職能重定義金融人才
＊本文開放合作夥伴轉載，參考資料：PYMNTS、TechCrunch，首圖來源：Unsplash
（責任編輯：鄒家彥）
