專家傳真-金融業如何妥善運用AI成顯學

AI應用為全球各產業趨勢,隨著數位化和大數據的發展,AI在我國金融業的應用已逐漸擴展到行銷、投資、財富管理等領域。因此,如何在兼顧效率及客戶權益保障的前提下運用AI,即為金融業的重大課題。

在建立或導入AI模型過程中,一般會包含需求確認、模型設計/選擇、資料準備、模型訓練、結果檢視與評估等環節。以金融業行銷為例,AI通常會被運用在預測客戶的行為模式,而在建模過程中,初始可能需考慮多個候選模型(例如迴轉分析、決策樹或隨機森林等),並篩選有助於判斷客戶行為邏輯的資料類型(例如行職業、年齡層、偏好等)以進行模型訓練,再透過特定指標(如準確率、精確率或召回率等)檢視模型的訓練成果,同時評估模型上線後的風險,進而決定如何對模型進行控管。

針對上述議題,金融監督管理委員會日前分別發布「金融業運用人工智慧(AI)之核心原則與相關推動政策」及「金融業運用人工智慧(AI)指引」,要求金融業於運用AI時應留意「建立治理及問責機制」、「重視公平性及以人為本的價值觀」、「保護隱私及客戶權益」、「確保系統穩健性與安全性」、「落實透明性與可解釋性」及「促進永續發展」等原則,建立全面且有效的AI治理架構(例如訂立董事會/委員會與三道防線職責等)、風險管理機制及問責機制,並在「系統規劃及設計」、「資料蒐集及輸入」、「模型建立及驗證」及「系統部署及監控」等階段,按各階段的關注焦點執行相關工作。

首先,在「系統規劃及設計」階段,金融業應進行AI開發前的影響評估,確認模型訓練流程的科學性、嚴謹性及公平性,持續監控AI系統,確保文件紀錄完整與網絡框架安全性。在「資料蒐集及輸入」階段,金融業應定期審查及驗證資料準確性,並評估擬餵入模型的資料量是否足夠、是否具備一定品質,或資料是否對任何客群顯示偏見等,以減少AI系統偏差。

在「模型建立及驗證」階段,金融業應就不同需求選擇適合的模型,並使用樣本外數據驗證模型的真實性能。在AI模型上線後的「系統部署及監控」階段,金融業則應確認模型運作符合預期,評估是否需重新訓練、優化或淘汰AI模型,避免產生演算法上的歧視,導致影響客戶權益。

除前述政策與指引外,金融業應同時留意AI發展對於既有法規、倫理、安全所帶來的挑戰,以及AI系統所需能源是否對環境生態產生負面影響,以負責任創新為核心,達成促進金融服務升級的目的與願景。

更多工商時報報導
大啖低軌衛星通訊元件訂單 昇達科11月每股賺0.34元
業者怨:打炒房變成打建商
台股回跌 兩大內資百億護盤