金融業導入AI先檢視16項風險　案例準確率達98%

金融業導入人工智慧（AI）時，應先確認要解決的問題與資料是否可信，再決定採用何種技術。美國銀行（Bank of America）與標普全球（S&P Global）高層強調，應謹慎界定AI的應用範圍，並建立由人員檢查結果的流程。

美國銀行首席技術與資訊主管哈里・戈帕爾克里希南（Hari Gopalkrishnan），以及標普全球首席客戶官兼市場情報共同主管莎莉・摩爾（Sally Moore），1日在紐約證券交易所舉行的《財星》AIQ峰會上討論金融業如何運用AI。《財星》報導，戈帕爾克里希南指出，把AI優先用在確定性模型已足以處理的工作，是常見的錯誤。

戈帕爾克里希南表示，應先了解客戶需求與工作流程，再決定是否導入AI。有些工作可能更適合透過行動應用程式或即時規則系統處理。美國銀行表示，會從個人資料保護、偏見、人力影響與智慧財產權等16項風險檢視AI專案。

他認為，現階段輔助人員工作的AI代理，比自主型AI代理更有應用空間。《財星》引述戈帕爾克里希南表示：「有人參與的輔助型代理，仍有很大的實現空間。」這也凸顯，除了AI產出結果的速度，人員檢查結果並承擔責任的流程同樣重要。

摩爾表示，資料的準確性與來源可追溯性對金融業務至關重要。她說：「資料在AI裡就像貨幣。」她指出，客戶必須能確認資料來源與運算結果，AI才能用於受監管的業務。

摩爾也分享一項案例：大型銀行將標普全球內容整合至自家平台後，在標普全球支援下，實際上線所需時間縮短為原來的六分之一，準確率則從初期約60%提升至98%。她未公開銀行名稱及測量方法。

標普全球於7月6日宣布，將市場情報業務重組為「Kensho Data & Platforms」與「Enterprise Solutions」兩個部門。公司表示，此次調整旨在依照客戶需求整合資料、AI、軟體與工作流程能力。摩爾在峰會上的發言，與公司整合資料及平台能力的重組方向相呼應。

兩位高層的發言顯示，金融業導入AI的成效難以單憑自動化規模判斷。評估成果時，也應考量AI負責處理哪些工作，以及如何驗證結果。

美國銀行虛擬助理Erica相關數據也須留意統計口徑。《財星》引述戈帕爾克里希南表示，Erica已處理36億筆交易。美國銀行則在3月的官方公告中表示，客戶與Erica的互動次數超過32億次。兩項數據的統計時點與計算方式不同，無法直接比較。

本刊先前報導AI投資規模與高層責任時，也提及業界對擴大導入及責任歸屬的不同看法。此次峰會上，兩家公司高層強調，應先選定適合AI處理的問題，再建立人工審核流程並確保資料可信。