助信用小白借到救命錢!背後有AI科技撐腰的貸鼠先生,為何還用人工一對一客服?
助信用小白借到救命錢!背後有AI科技撐腰的貸鼠先生,為何還用人工一對一客服?

談起郭建甫這個名字,一般人可能印象不深,但大部分人一定都用過陌生來電辨識軟體Whoscall,郭建甫正是Whoscall開發商走著瞧(Gogolook)的創辦人,今年九月,他才剛因為開發Whoscall,讓許多人免於詐騙、騷擾、推銷電話,獲得第4屆總統創新獎。

過去,Whoscall幫大家擋掉銀行行銷電話,多年累積的資料,幾乎可以說是台灣最大的防詐騙資料庫。

郭建甫開始思考,以防詐為出發點還能多做些什麼?兩年前,他瞄準金融領域,發現許多人因為辦貸款被詐騙,所以他的目標就是,當民眾有資金需求時,透過科技的力量,成為大家的後盾。

今年三月,郭建甫的第二個創業題目誕生,推出防詐信貸比較平台「貸鼠先生」,他為什麼看好這塊市場?

疫情助長借貸需求,卻也讓詐騙案增加

貸鼠先生目前跟國泰世華商業銀行、凱基商業銀行、匯豐銀行、花旗銀行、渣打銀行、王道銀行等六間銀行合作,申貸者只要在平台上輸入欲申貸的金額、貸款期間及是否持有信用卡等基本資訊,最快可以在30秒內算出各家銀行的總費用年百分率、手續費及每月最低還款金額。

不過,市面上已經有許多信貸比較產品,除了基本的比價,Gogolook推出的「貸鼠先生」,究竟有何不同?答案就是Gogolook團隊最擅長的「防詐」。

Gogolook
郭建甫從兩年前開始思考,還能以防詐的出發點,多做一些什麼?兩年前,他瞄準金融領域。
圖/ Gogolook

疫情爆發以來,許多人生計受到影響並向銀行借信貸,應付短期資金需求。不過,從事勞動工作的藍領階級若平時沒有跟銀行頻繁往來,並不容易借到錢。

「很多詐騙案層出不窮,」Gogolook創辦人郭建甫一臉憂心地說,一些詐騙集團專門瞄準這些借不到錢的族群,仿冒成知名銀行假裝要借錢,實際上可能是為了騙取個資、錢財。

超傳統一對一客服,卻讓團隊有了意外收穫

貸鼠先生推出真人的「一對一線上服務」,透過LINE、Facebook協助民眾辦理貸款,以及解答對於貸款的疑難雜症。這項看似簡單、超級人工的諮詢服務,卻讓Gogolook團隊有了意外的收穫。

Gogolook產品長謝守澤說,「很多團隊中的工程師其實不知道世上苦人多,甚至不知道信貸的邏輯。」其實這不是沒有道理,一般白領上班族,有每月的薪資往來紀錄作為還款信用依據,向銀行申請信用卡、貸款等服務,一點都不難。

但計程車司機、市場菜販這些藍領階級就不同,他們認真工作,但收的是現金,缺乏與銀行往來紀錄,銀行因為沒有足夠的資料判斷信用程度,就不會借錢給這群人。

貸鼠先生的一對一線上諮詢自三月試營運以來,遇到不少低收入戶的民眾詢問貸款資訊,謝守澤回憶:「當時政府推出紓困貸款,有人就換擔心如果申請了,是否會影響自己申請信貸。」貸鼠先生幫助民眾理解申請貸款需要的資料與步驟,推薦適合的方案,找到願意借錢給這群「信用小白」的銀行。

在沒有大規模廣告、行銷的情況下,貸鼠先生成功核貸總金額突破新台幣一億元、核貸率高於市場平均值30%、超過一千人採用真人諮詢服務、媒合超過二千筆以上的申貸送件。

謝守澤透露,試營運運期間,並沒有專職的客服人員,許多員工都會一起抽空協助回覆,幫助工程師走出同溫層,了解民眾在貸款時,為什麼會被騙?客戶最常問那些問題?

郭建甫說,現在這些經驗都在打基礎,除了可以修正產品的設計,未來這些資料可以進一步發展成聊天機器人(ChatBot),透過人機協作的方式,用更自動化的方式提供諮詢服務。

Gogolook
謝守澤(圖右)透露,是營運運期間,並沒有專職的客服人員,許多員工都會一起抽空協助回覆。
圖/ Gogolook

從貸款比價,看郭建甫的「防詐」大夢

現階段貸鼠先生的商業模式相對簡單,協助合作銀行接觸到貸款客戶,成功核貸會彼此分潤。郭建甫認為,如果光看現在的服務內容,確實跟市面上的服務沒有太多創新與區隔,不過,他看好開放銀行的趨勢,隨著第二階段(客戶資料)、第三階段(交易資料)的進展,可以延伸出夠多創新應用、商業模式,讓貸款服務被翻轉。

這可以從服務模式、信用評分兩大面向來看。

以前申請貸款,要到銀行網站一個一個查詢利率及還款資訊,提出貸款申請與文件後,還要經過漫長的審核時間才可獲得貸款。郭建甫說,接下來透過開放API(Open API)串接銀行端用戶資訊,在用戶主動合法授權下,進行跨行貸款快速媒合與審核,讓申貸者可直接在貸鼠先生平台,完成一站式信貸服務。

而為了幫助「信用小白」也能借到錢,Gogolook會用先前在Whoscall創業中擅長的防詐資料庫與AI技術,在用戶主動合法授權之下,提供申請人的電話是否曾被回報為詐騙號碼、高頻封鎖紀錄、廣告興趣等資訊,作為銀行替代性數據,用於信用風險參考,達成「普惠金融」願景。

郭建甫的理想不只如此,他希望有一天,能夠整合Gogolook旗下所有的產品,發展出「信任生態圈」,也希望推動「防詐教育普及化」,透過教育主動防範詐騙於未然。同時強化資料可攜性價值,在開放銀行的概念下,讓用戶主動合法授權自己的資料,運用防詐詐資料庫與AI數據分析技術,打造更安全的金融體驗,進而使社會上不再有人因為詐騙,失去錢財或個資。

Whoscall過去幫大家擋掉詐騙電話,現在貸鼠先生,要幫大家擋下金融詐騙。

責任編輯:錢玉紘

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓