凯基的 AI 创新路四步骤，价值从流程建立中展现
- 台北讯
-
论创新，金融业向来懂得善用当代最新技术，跑在各行各业的最前面。从世界第一台ATM、电子交易到AI，是 2018 年金融业全力关注的领域，凯基银行参与台湾微软 2018 亚太技术年会AI 产业应用发表会，代表的就是台湾金融业的创新触角，开始延伸到AI领域。
AI带来的效益提升甚至商业模式创新，让各家金融机构前仆后继；而国内银行近几年手脚也很快，「智能客服」、「理财机器人」等「以AI之名」的服务也开始普及。但目前台湾金融业的AI 服务其实比较属于「套装」的概念，并无法真正凸显AI价值。
凯基银行的AI创新路四步骤，走出不一样的数码转型旅途
凯基银行隶属开发金控旗下子公司，为了要将金融业与科技真正结合，选择了一条更有挑战性的 AI 路径，从组织调整、资源配置的思维，全面盘点AI能够创造的成本效益，更与台湾微软携手，希望结合银行大数据与 AI 人工智能，开发更多满足客户需求的数码金融服务。
第一步：成立AI学习小组，定义问题范畴与凝聚组织文化
过去一年半，开发金控率先成立了，跨产学界及集团内各子公司的数据及信息专家的15人AI学习团队，透过各子公司前线的实务议题蒐集，本次选定利用AI深度学习的优势，结合凯基银行「KGI inside」的异业生态资源，由学习团队以 POC(Proof of Concept 概念验证)的方式，选定以集团内客户对个人信贷产品的精准预测及差异化服务为题，发展以「AI预测模型」为核心的自动化决策的关键技术，解决目前数码化服务与产品中决策效率、差异化服务的瓶颈。
专案的范围更着重如何将概念落地以产生业务的实益，由学习团队针对End to End的所有关键步骤，以新的AI方法逐一设计检视及落地。
要让这个新的方法顺利运行，第一步面对的就是最重要的步骤「议题的制定」，AI的运用范围大、种类多，各单位对AI的期待及实际效益评估有很大的差异，透过跨单位的沟通取得共识，订定出可快速且量化验证成效的议题。
接着，要克服「组织文化」的差异性，透过学习型AI团队的组成，让集团内部各单位逐渐凝聚共识，并透过产学合作，让学校及企业进行技术交流，同步学习与精进。最后完成最重要「网安保护」工程，在跨集团子公司的汇整运用，且技术团队为外部团队的状况下，特别加强建立个资保护去识别化、不可逆的标准准则，于企业防火墙独立封闭的环境内建置开发环境，集中控管软硬件环境及数据，让AI技术发展在确保个资及信息安全下，兼顾专案进行。
第二步：确认好专案开发目标，评估新技术导入后的实质效益
凯基银行结合中华开发金控资源及软应商、学界技术团队合作，以「运用大数据及AI达到资源自动化与决策自动化」为首要任务。在目标任务确认后，在使用同样的数据下，由政大技术团队建置AI预测模型，与传统预测技术比较，以评估导入新技术解决旧问题效益。
与凯基合作此项专案的政大金融科技研究中心副主任谢明华表示，从学界的观点来看，希望透过这类合作，达成产学双赢。「开发团队提供演算法测试的流程know-how。」他表示，政大与凯基将利用此案机会，将各种演算法一一套用测试，找出最佳解方。他也强调，AI并不是选了一种演算法就不能改变，而是类似模块化的概念，当新的数据进来，数据特性改变，变换一种演算法就能挖掘出更多信息。
第三步：量身打造AI转型路径图，企业的AI转型流程自己定义
凯基以中华开发金控集团内部子公司产品跨售做为导入AI的试金石，在建立新的演算法及软硬件环境后建立 AI 预测模型，再将所产出的新数据导回模型，透过AI自动判别与修正，得出判断结果。这一连串的流程如果能够发展出标准化的 SOP，未来因应各子公司不同的业务需求，即可将这套模式复制套用，藉重AI预测模型提升效率甚至创造出新的商业模式。
第四步：联手数据专家，从AI找洞见提供金融业新视野
凯基银行创新科技金融处资深副总经理周郭杰指出，台湾的金融业透过 AI 来开拓新服务与业务的空间还很大。举例来说，国内大型金控集团业务繁多，从银行、保险到证券等等，加总起来，台湾各大型金控都至少有超过六百万的客户数，可惜这些客户往往各自分散在各个子公司，无法整合发挥综效。
但是未来的趋势是，当客户有保险、银行、证券的需求时，金控能够提供快速、便利且无磨擦的服务。能达全方位服务的前提就是透过大数据与AI的运用，有效掌握客户过往的消费行为甚至是信评，当客户对某一项产品有需求时，即可作为提供服务及评估的参考。周郭杰说，以开发金控集团为例，能够提供给客户的服务很多元，若能整合互通，不论对企业或客户而言，都能产生更高附加价值。
因此集团从一年半之前，就开始替导入AI做准备。他举例，银行业的贷款业务，是一条很长的决策树，从行销回应率、申贷率、核准率、到实际动拨率，再到动拨之后的提前还款率、流失率、呆帐率、甚至呆帐回收率等等，每一项都是一个决策点，而决策点的预测值怎麽来，就可以靠AI来辅助。
以目前银行的核贷率为七成为例，传统的贷放决策思维是尽可能以专家经验及知识谨慎筛选，以免有对客户的情况有所误判。但如何更精确判断每一个客户适切的需求及精准的回应，就是我们的课题，也是运用AI及大数据可以有效解决的议题。
AIvs专家知识 ，理性逻辑之外看见更多可能性
金融业能借重AI跳脱本业的思维，周郭杰认为金融业需要透过AI导入，拓展全新的视角来理解用户以及优化服务。比方说，与银行往来的客户之中，哪些在证券部门下单的成功率最高？若根据传统的专家推论，可能会以客户跟银行往来的次数、或基金下单次数这类变量来判断。但AI处理的不是理性逻辑，它擅长将多个看似不关连的变量，进行交叉比对之后，得出意料之外的结果，也因此充满更多可能性。
不论如何，凯基选了一条更不轻松却更有潜力的道路，以客户为中心发展AI应用服务，而金融业AI发展决胜的关键，就是谁最贴近客户，而不是以过去经验为依归，相信这会展现在凯基的品牌价值上。
