玉山金控近百项金融AI专案新进展，靠ML评估顾客3年倒账风险比人还要准

玉山金控科技长暨台湾人工智能学校首席执行官陈昇玮今（28日）揭露了玉山金控运用AI的新进展，范围包括了银行风险控管、金融商品推销、投顾服务，以及内部流程自动化，不只精准度高于传统人工作业，也节省不少人力成本。

玉山金控近来积极发展金融科技，对AI也大力拥抱，不只去年找来中研院大数据和AI专家陈昇玮担任科技长，也陆续与交大、台大签署产学合作计划，来发展AI金融应用，特别是风险控管、金融商品推荐、客户消费预测等。

陈昇玮表示，玉山金控内部目前有近百项AI专案在进行，而实际应用的层面，涵盖了对外的风险控管、商品行销、投顾推荐，还包括内部的作业流程精进。在银行风险控管方面，当银行面对法人和个人申请新金融业务时，必须考量客户的倒账风险。过去，玉山银行皆以人工方式查阅申请户资料，再用统计模型来推估未来1至3年内的偿还风险，人工推估准确度约为8成。

“后来，我们全面导入机器学习，”利用各种技术（比如自然语言处理，NLP）来查阅、分析申请户的相关历史资料，再来自动评估申请户未来1至3年的偿还风险，“AI准确度高达95%。”

再来则是金融商品的精准行销。陈昇玮表示，一直以来，金融机构在推销商品时，多以人工根据传统分类（比如年收入、年龄、职业类别等基本资料）来挑选合适的潜在客户，再来打电话推销。“但是，通常100通电话只有20通愿意听，真正会购买的不到5通。”

玉山金控也应用AI来解决这个问题，透过AI分析潜在客户资料、挑选对特定金融商品感兴趣的人选，再透过人工打电话来推销。目前AI选客的命中率，比人工高出3至5倍，“有些案例的精准度甚至高出10至20倍，”陈昇玮说。

另外一项对外的应用案例，则是投资顾问服务。就玉山金控来说，其投顾服务是每周从2,000多档股票中，选出5支股票来推荐客户。“一般来说，分析师推荐5支，通常会中1支。”近来，玉山金控渐渐导入AI，目前准确率则是“选5支中2支。”

在对内的AI应用上，玉山金控则用来精进作业流程，比如支票确认与防洗钱机制。在支票确认方面，玉山银行每年所收的支票高达1,000多万张，“可说是全台最多，”再加上支票大多是手写，像是名字、金额等，为避免看错，玉山银行就配置了2至3人来审查支票。但如此的人事成本过高，后来玉山银行导入深度学习技术，用来辨识支票内容，目前已全面采用。

而反洗钱则是全球金融业投资最多心力的领域。陈昇玮举例，以汇丰银行来说，就分派25%的职员来执行法遵和洗钱防制作业，花旗银行则配置6至8万人来执行，占了全公司的三分之一，“人事成本相当高。”

在国内，台湾金管会也针对反洗钱，公布了超过50种的疑似洗钱或资恐交易态样，给金融业者作为参考。不过，在陈昇玮看来，用这些特征来打造警示模型，就有如传统规则式的专家系统，不仅准确度不高，“警报还会响不停。”他也进一步解释，传统专家系统目标就是把人类的知识转换为规则，交给电脑学习，但在专家写下规则的当下，同时简化了原本的知识，发生伯蓝尼悖论，导致误差产生。

而玉山银行采用深度学习，利用各式资料来训练模型，让模型不需要人为干预，就能自行找出洗钱特征。“在实际效用上，提升了3到5倍的准确度，”陈昇玮说。文◎王若朴