「跳過銀行的匯率才合理！」──TransferWise跨國P2P匯兌服務|數位時代 BusinessNext

如果你想要匯款給正在國外留學的家人，過去唯一的選擇就是透過金融機構，過程中，除了要經過一道道複雜手續，還必須額外支付一筆高額手續費給銀行。就算內心千百個不願意，也要摸摸鼻子乖乖繳出。

2010年跨國轉帳服務TransferWise出現之後，這一切都改變了。TransferWise運用點對點（Peer-to-peer）轉帳技術，讓人們跳過銀行這個中介者，直接將錢轉入對方的戶頭，過程方便、快速，只會收取少量手續費。表面上，TransferWise要解決的是跨國匯兌的問題，但是實際上，背後蘊藏的是更大的命題：公平和透明。

圖說明
圖說：TransferWise共同創辦人塔凡特．辛里庫斯（Taavet Hinrikus）。照片來自：TransferWise

TransferWise的誕生與另一個網路服務息息相關，那就是十二年前就倡議P2P理念的視訊及語音通話服務Skype。TransferWise共同創辦人塔凡特．辛里庫斯是Skype在愛沙尼亞的第一名員工，當時他們採用的P2P通訊架構，讓人們不需透過電信業者就能與遠端的人通話。2010年辛里庫斯催生TransferWise，彷彿延續了Skype的精神。只是這次，辛里庫斯想顛覆的不是電信業，而是長久以來堅不可摧、凡事它說了算的銀行業。

跳過銀行的匯率才合理

TransferWise這個服務就像它的名稱一樣，想要讓人們以更方便、更省錢的方式完成國際轉帳。相較於銀行使用自己訂定的匯率來收取利潤，TransferWise採用的匯率規則是中期市場利率（Mid-Market Rate），也就是買賣匯率的中間值，與大眾在路透社（Reuters）、Google上看到的匯率一模一樣。

TransferWise表示，這才是「合理且公平的匯率」。使用方式跟平常透過銀行轉帳很像，你只要在網站上輸入自己和對方的銀行帳戶、匯款金額，其餘步驟就交給TransferWise自動完成。

圖說明
圖說：TransferWise另一位創辦人克里斯托．卡爾曼（Kristo Kaarmann）。照片來自：TransferWise

這個服務的緣起，一開始是來自辛里庫斯自己的困擾。當時他還是Skype的員工，由於Skype用歐元支付薪資，而他住在英國倫敦，平常使用的是英鎊，匯兌成了惱人的問題。另一位創辦人克里斯托．卡爾曼（Kristo Kaarmann）也有同樣的問題，只是情況正好相反。卡爾曼在倫敦工作，但是他在愛沙尼亞還有貸款要繳。

於是，這兩個好朋友想了一個方法。他們以路透的中期市場利率為基準，找出對雙方來說都公平的匯率。卡爾曼將英鎊匯入辛里庫斯在英國的戶頭，辛里庫斯則匯歐元給卡爾曼。兩個人都拿到自己辛苦工作賺來的錢，而且還沒被銀行賺走半毛，皆大歡喜。

贏得矽谷明星創投青睞

辛里庫斯離開Skype之後，進入法國英士國際商學院（INSEAD）就讀。他自述，商學院就讀期間，他曾經發想了許多創業點子。當想到P2P跨國匯款這個服務時，就連他自己也不知道到底可不可行，「不過，就試試看吧！」想不到，TransferWise一上線就掀起旋風，用戶們都大讚方便。

服務推出一年後，透過TransferWise轉帳的金額就有1千萬歐元，幫用戶省下的金額高達50萬歐元。今年6月，TransferWise宣布他們在過去4年內的累積轉帳金額已達30億歐元，每月轉帳金額約5億歐元，大概是英國整體市場的2%。

不只使用者買單，就連投資者也看好。上線以來，TransferWise每年都獲得資金，而且投資者都是科技圈中響叮噹的角色。除了PayPal共同創辦人彼得．提爾（Peter Thiel）之外，維京集團創辦人理查．布蘭森（Richard Branson）也押注了。

圖說明
圖片截取自：TransferWise 官網

為什麼看好TransferWise？「TransferWise展示了真正的創新。它讓用戶可以保住自己的資產，不用繳納大筆手續費給銀行。」提爾2013年接受英國《每日電訊報》採訪時解釋。

今年1月，矽谷明星創投Andreessen Horowitz領投的5,800萬美元，更讓TransferWise一舉成為獨角獸。有了這筆資金，他們不只要跨出英國，邁向美國和歐洲其他國家，同時還計畫增加300種貨幣兌換選項。

但是，目前聲勢一片看好的TransferWise也不是沒有待解難題。競爭對手Small World Financial Services Group創辦人尼克．戴依（Nick Day）接受《Business Insider》採訪時便提醒，TransferWise的海外之路不會那麼簡單，勢必會遇上各國反洗錢規範和文化差異等問題。不過，正如辛里庫斯反思自己在Skype的日子時所說：「創業時，首先要挑選一個夠大的市場。」金融產業的確龐大、陳舊、保守，但也正因如此，更能激盪出創新火花。

TransferWise小檔案

創新TIPS
1.跳過銀行，利用點對點技術做跨國匯款
2.使用中期市場利率，匯率比銀行更合理
3.明星投資者注資，積極拓展海外市場

公司名稱：TransferWise
創辦人：克里斯托．卡爾曼（Kristo Kaarmann）、塔凡特．辛里庫斯（Taavet Hinrikus）
估值：10億美元
成立時間：2010年

本文出自於：
@@BOOKID:126568@@

@@ACTIVITYID:608@@

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。

「跳過銀行的匯率才合理！」──TransferWise跨國P2P匯兌服務