Share on FacebookShare on LinkedIn

【台灣金融業的 AI 轉型故事】凱基的 AI 創新路四步驟,價值從「流程建立」中展現!

論創新,金融業向來懂得善用當代最新技術,跑在各行各業的最前面。從世界第一台 ATM、電子交易到 AI,是 2018 年金融業全力關注的領域,凱基銀行參與台灣微軟 2018 亞太技術年會「AI 產業應用發表會」,代表的就是台灣金融業的創新觸角,開始延伸到 AI 領域。

AI 帶來的效益提升甚至商業模式創新,讓各家金融機構前仆後繼;而國內銀行近幾年手腳也很快,「智慧客服」、「理財機器人」等「以 AI 之名」的服務也開始普及。但目前台灣金融業的「AI 服務」其實比較屬於「套裝」的概念,並無法真正凸顯 AI 價值。

凱基銀行的 AI 創新路四步驟,走出不一樣的數位轉型旅途

凱基銀行隸屬開發金控旗下子公司,為了要將金融業與科技真正結合,選擇了一條更有挑戰性的 AI 路徑,從組織調整、資源配置的思維,全面盤點 AI 能夠創造的成本效益,更與台灣微軟攜手,希望結合銀行大數據與 AI 人工智慧,開發更多滿足客戶需求的數位金融服務。

第一步:成立 AI 學習小組,定義問題範疇與凝聚組織文化

過去一年半,開發金控率先成立了,跨產學界及集團內各子公司的數據及資訊專家 的 15 人 AI 學習團隊,透過各子公司前線的實務議題蒐集,本次選定利用 AI 深度學習的優勢,結合凱基銀行「KGI inside」的異業生態資源,由學習團隊以 POC(Proof of Concept 概念驗證)的方式,選定以集團內客戶對個人信貸產品的精準預測及差異化服務為題,發展以「AI 預測模型」為核心的自動化決策的關鍵技術,解決目前數位化服務與產品中決策效率、差異化服務的瓶頸。

專案的範圍更著重如何將概念落地以產生業務的實益,由學習團隊針對 End to End 的所有關鍵步驟,以新的 AI 方法逐一設計檢視及落地。。

要讓這個新的方法順利運行,第一步面對的就是最重要的步驟「議題的制定」,AI 的運用範圍大、種類多,各單位對 AI 的期待及實際效益評估有很大的差異,透過跨單位的溝通取得共識,訂定出可快速且量化驗證成效的議題。

接著,要克服「組織文化」的差異性,透過學習型 AI 團隊的組成,讓集團內部各單位逐漸凝聚共識,並透過產學合作,讓學校及企業進行技術交流,同步學習與精進。最後完成最重要「資安保護」工程,在跨集團子公司的匯整運用,且技術團隊為外部團隊的狀況下,特別加強建立個資保護去識別化、不可逆的標準準則,於企業防火牆獨立封閉的環境內建置開發環境,集中控管軟硬體環境及資料,讓 AI 技術發展在確保個資及資訊安全下,兼顧專案進行。

第二步:確認好專案開發目標,評估新技術導入後的實質效益

凱基銀行結合中華開發金控資源及軟應商、學界技術團隊合作,以「運用大數據及 AI 達到資源自動化與決策自動化」為首要任務。在目標任務確認後,在使用同樣的資料下,由政大技術團隊建置 AI 預測模型,與傳統預測技術比較,以評估導入新技術解決舊問題效益。

與凱基合作此項專案的政大金融科技研究中心副主任謝明華表示,從學界的觀點來看,希望透過這類合作,達成產學雙贏。「開發團隊提供演算法測試的流程 know-how。」他表示,政大與凱基將利用此案機會,將各種演算法一一套用測試,找出最佳解方。他也強調, AI 並不是選了一種演算法就不能改變,而是類似模組化的概念,當新的資料進來,資料特性改變,變換一種演算法就能挖掘出更多資訊。

第三步:量身打造 AI 轉型路徑圖,企業的 AI 轉型流程自己定義

凱基以中華開發金控集團內部子公司產品跨售做為導入 AI 的試金石,在建立新的演算法及軟硬體環境後建立 AI 預測模型,再將所產出的新資料導回模型,透過 AI 自動判別與修正,得出判斷結果。這一連串的流程如果能夠發展出標準化的 SOP,未來因應各子公司不同的業務需求,即可將這套模式複製套用,藉重 AI 預測模型提升效率甚至創造出新的商業模式。

第四步:聯手數據專家,從 AI 找洞見提供金融業新視野

▲ 凱基銀行創新科技金融處資深副總經理周郭傑是促成本次 AI 開發專案的最大推手。

凱基銀行創新科技金融處資深副總經理周郭傑指出,台灣的金融業透過 AI 來開拓新服務與業務的空間還很大。舉例來說,國內大型金控集團業務繁多,從銀行、保險到證券等等,加總起來,台灣各大型金控都至少有超過六百萬的客戶數,可惜這些客戶往往各自分散在各個子公司,無法整合發揮綜效。

「但是未來的趨勢是,當客戶有保險、銀行、證券的需求時,金控能夠提供快速、便利且無磨擦的服務。」,能達全方位服務的前提就是透過大數據與 AI 的運用,有效掌握客戶過往的消費行為甚至是信評,當客戶對某一項產品有需求時,即可作為提供服務及評估的參考。周郭傑說,以開發金控集團為例,能夠提供給客戶的服務很多元,若能整合互通,不論對企業或客戶而言,都能產生更高附加價值。

因此集團從一年半之前,就開始替導入 AI 做準備。他舉例,銀行業的貸款業務,是一條很長的決策樹,從行銷回應率、申貸率、核准率、到實際動撥率,再到動撥之後的提前還款率、流失率、呆帳率、甚至呆帳回收率等等,每一項都是一個決策點,而決策點的預測值怎麼來,就可以靠 AI 來輔助。

以目前銀行的核貸率為七成為例,傳統的貸放決策思維是盡可能以專家經驗及知識謹慎篩選,以免有對客戶的情況有所誤判。「但如何更精確判斷每一個客戶適切的需求及精準的回應,就是我們的課題,也是運用 AI 及大數據可以有效解決的議題。」

AI vs 專家知識 ,理性邏輯之外看見更多可能性

金融業能借重 AI 跳脫本業的思維,周郭傑認為金融業需要透過 AI 導入,拓展全新的視角來理解用戶以及優化服務。比方說,與銀行往來的客戶之中,哪些在證券部門下單的成功率最高?若根據傳統的專家推論,可能會以客戶跟銀行往來的次數、或基金下單次數這類變數來判斷。但 AI 處理的不是理性邏輯,它擅長將多個看似不關連的變數,進行交叉比對之後,得出意料之外的結果,也因此充滿更多可能性。

導入 AI 技術挑戰當然有,更重要的是建立流程

周郭傑坦言,這個過程的挑戰不少。「對於 AI ,大家在認知上都能接受,也覺得勢在必行。但真正與異業合作並導入數據時,就有不少門檻要克服。」例如如何在個資保密不可逆、去識別化的前題下,把資料運用流程和遵法議題做妥善的處理就是首要思考的重點項目。

此外,原本 A 君在銀行裡的資料,其分析軟體屬於封閉系統,一但進入了整合後的新環境, AI 涉及大量的資料分析,必須借重開源(open source)的軟硬體,也會帶來控管上的挑戰。

「這種種挑戰,必須先在小範圍的試行專案中找到解方,再驗證 AI 流程能否有效運用、複製,最後判斷值不值得導入應用。也就是說 導入 AI 能夠為公司帶來多大的價值,是決定組織內部套用與否的關鍵」

培養 AI 人才,不宜在目標不明確的前提下躁進

企業在從事數位轉型時,經常面對欠缺人才的挑戰。但周郭傑認為 ,以金融業的現況來看,並不急著建立自己的 AI 團隊。他分析,目前技術面的人才,不論是軟硬體或演算法,大多仰賴異業夥伴在銀行內部試作,再由銀行現有人員加入學習。

他主張,人才的引入其實也要分階段性,並且看當下企業所需要解決的需求為何。這是因為現階段金融業導入 AI ,還有很多整合的工作要做:要跟法遵部門談、跟 IT 部門談、跟子公司談。而目前開源或演算法人才多來自學界,學界的試作環境已有現成的軟硬體和測試資料,一旦進入新的企業環境,要重新適應尚未整合的雲端或系統環境,也要另外收集資料,「如果太急於招納 AI 人才,反而對這些人才是傷害。」

投入大量資源導入 AI ,展現以客戶為中心的品牌價值

凱基銀行的 AI 願景,周郭傑形容,「是面對新需求、立下新典範。」也就是拋棄過去以銀行專家為中心的本位思考,直接一腳踏入機器學習及深度學習的 AI 領域。銀行內有長年累積的專家經驗(例如信用卡客服、放貸專員等等),舊的作法是把這些專家見解變成語言,再形成數據模型來進行預測。

新的作法則是利用機器學習,從各個意想不到的領域出發,全方面關照客戶的數位機會。「這兩種作法,最後比拼的就是哪一個更貼近客戶。」最後談到:「凱基銀行選擇了一條基礎功耗時耗工的紮實路線,但我們確信這是一條最能長遠發展 AI 應用的道路。」

不論如何,凱基選了一條更不輕鬆卻更有潛力的道路,「我們費了這麼大的力氣,就是希望先了解客戶需求,『以客戶為中心』發展 AI 應用服務,而金融業 AI 發展決勝的關鍵,就是『誰最貼近客戶』,而不是以『過去經驗』為依歸,,相信這會展現在凱基的品牌價值上。

文章授權: TechOrange 科技報橘

微軟 AI 人工智慧解決方案白皮書下載:https://aka.ms/aisolutionguide

Share on FacebookShare on LinkedIn