凱基銀行打造金融新典範 透過AI應用讓決策更精準

數位時代
AI是一項新技術,新技術的應用可以是創造新服務,也可以是解決現有業務上的問題或服務缺口,而凱基銀行的選擇是後者,其在2017年底成立專責團隊導入AI應用,希望透過AI演算法建立預測模型,突破現有人工建模的瓶頸,不只讓決策變得更精準,也勾勒出金融業AI應用的全新樣貌。

人工智慧的興起,除了與電腦運算能力快速成長有關,大數據也是很重要的因素,而擁有大量資料的金融業,也就成為最積極擁抱AI的產業,根據IDC研究報告,全球金融業在2017年的AI總投資額超過新台幣500億元,是僅次於零售業的最大案主。

究竟AI之於金融業的價值何在?凱基銀行創新科技金融處資深副總經理周郭傑這麼說,「AI人工智慧,用人腦邏輯以外的方式來思考,為顧客提供比人更好的服務」,簡單幾句話,帶出他對金融AI應用的期待,也因為這份期待讓凱基銀行能夠打造出一個與眾不同的AI應用模式。

凱基銀行鎖定4大領域 重新定義金融AI應用

目前金融業AI應用以聊天機器人(智能客服)及智能理財為主,這些都是屬於以專家知識建立規則式自動化的AI應用,透過預先制定的規則與條件,讓AI能夠處理原本需要人來做的工作,但遇到規則外的情境,AI就會無法運作。

以智能客服為例,雖然可以提高回覆客戶的速度,但是當客戶提出的問題不在規則內,機器人的回答就會是「我不清楚你的問題,請換個方式再說一次」,這樣的回答不僅無法與客戶互動,次數多了還有可能引起客戶反感。由此來看,這種規則式自動化的AI應用,銀行其實很難評估所能帶來的實際效益有多大。

因此,凱基銀行在決定導入AI應用後,便希望走出一條自己的路,選定四大領域:AI預測模型、語音辨識、影像辨識、智能理財,作為AI應用的目標,並在2017年底成立AI學習型團隊,整合母公司中華開發金控集團的資源,積極推動AI應用落地。

周郭傑認為,人工智慧的三大要素:資料、演算法與軟硬體環境,後兩者對銀行來說是相對較為陌生的領域,在導入時應該循序漸進,降低錯誤嚐試的機會成本,因此,凱基銀行在四大AI應用中,選定「AI預測模型」為先發目標,並設計出「AI運用三部曲」導入策略,透過「小規模概念驗證→商業運轉→大規模複製」三步驟,逐步建立對AI技術的掌握度,再將相關經驗複製或擴大到中華開發金控集團子公司的業務中,強化客群經營及產品跨通路銷售的綜效。

用AI突破現有技術缺口

所謂AI預測模型,其實是透過AI演算法處理各種資料變數,幫助銀行更快、更精確預測客戶需求。過往銀行都是借助專家的知識與經驗來分析數據、建立模型,但是當資料增加的速度變快、數量變多的時候,專家建模的瓶頸也跟著浮現了,「人力不足、數據太過複雜,是最主要的問題,」凱基銀行創新科技金融處副總經理李玉琪說。

李玉琪進一步解釋,首先是人力的培育(供給)跟不上需求成長的速度。人所能處理的資料量畢竟有限,當資料數量快速成長時,就必須有更多的人力才能持續挖掘資料背後的價值,而一個沒有經驗的建模專家,至少需要6-9個月的時間進行教育訓練,才有辦法建立出第一個預測模型,之後平均每3個月可以建一個新的決策模型。

再來則是數據內容的複雜度。專家建模速度取決於其對屬性的熟悉度,而過往專家在建模時,大多使用銀行內部的結構化資料,但是現今有許多非結構化資料、外部資料及異業資料時,例如:網路上的數位生活足跡、經常使用的支付工具...等,這些都能看出顧客的金融需求或是未來的購買傾向,卻不是專家所熟悉的領域,而人工智慧採用互動式邏輯的學習方式,恰好適合分析這種大量且複雜的數據,有效的萃取出人工無法辨識的資料價值。

「當數據的量和內容,都已經超出既有專家的知識範圍,只能借助人工智慧的力量,」周郭傑語氣肯定的說,他認為AI演算法不只能突破金融業專家建模的瓶頸,還能提高預測模型的精準度,進而改善服務品質或降低作業成本。

以個人信貸的行銷活動為例,目前最常見的作法是用AI預測模型篩選目標客戶,透過預測模型精準度的提升,如果能將顧客回應率由3%拉高到6%,雖然就數字來看只是成長3個百分點,對應到成本上卻是50%的節省。而從行銷回應率繼續往下延伸,還有申貸率、核准率、實際動撥率,與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指標,每一項指標都是一個決策點,「凱基銀行的目標是,每一個決策點都能有顆AI腦協助進行預測,讓決策更精緻更貼近客戶需求。」周郭傑信心滿滿地說。

未來,凱基銀行將結合中華開發金控資源,分享銀行實做AI概念驗證和導入的經驗,協助集團成員快速提升對AI技術與應用的熟悉度,優化集團服務品質,期待能為金融業立下AI應用新典範,為客戶帶來更有價值的金融服務體驗。