靠生物辨識就能認證身份!金管會導入FIDO標準,最快Q4上路解決金融痛點
靠生物辨識就能認證身份!金管會導入FIDO標準,最快Q4上路解決金融痛點

全台疫情警戒升三級,各項服務都盡可能以線上辦理,但是金融部分服務,卻因為身分驗證問題,無法做到100%線上化。

像是申辦銀行的數位帳戶,如果要開通完整功能、提升轉帳額度,就要拿雙證件臨櫃辦理,或是透過自然人憑證等方式驗證。金管會在去年發表的金融科技發展路徑圖中,就有納入「研究發展金融行動身分識別標準化機制(以下稱金融FIDO)」,透過導入國際FIDO標準,讓用戶不需要密碼,直接透過生物辨識就能認證身分。

金管會在今年5月初成立「金融行動身分識別聯盟」,開始規劃細節規範,預計最快今年第四季,就會啟動試辦。

不需要密碼就能驗證,FIDO是什麼?

FIDO是全球最大身分驗證技術聯盟,董事會成員包括Microsoft、Intel、Google等科技巨頭。這套「FIDO認證標準」,能讓各類連網服務,以生物驗證的方式,更快速、安全的辨識使用者身份,用戶的生物辨識資訊不會儲存在應用程式的伺服器上,不需取得使用者的個資,對隱私更加有保障,比起傳統輸入帳密,安全度更高。

因應國人對數位金融的需求,金管會表示,規劃導入國際FIDO標準,先讓民眾綁定行動裝置、實體卡片及生物特徵,未來使用金融服務時,可以直接用綁定的裝置、生物特徵進行身分識別,不再需要實體卡片或帳號密碼。

金管會解釋,由於FIDO伺服器上只保有公鑰,不保存密碼、私鑰或個人生物特徵,可避免隱私洩露的問題。此外,金融FIDO也規劃提供跨機構身分識別及交易功能,讓金融機構得依客戶交易風險屬性,提供客戶辦理相對應安全的服務項目。

延伸閱讀:股東會喊卡、會計要跑銀行,疫情燒出金融業「線上化」危機!背後原因在這裡

最快今年第四季開始試辦

對消費者來說,推動金融FIDO,可以解決傳統帳號密碼,作為身份辨識用途所衍伸出的各種問題;對於金融機構來說,則可以免除向顧客重複驗證身分的作業。

為了推動金融FIDO標準化機制,金管會、聯徵中心、財金公司,金融控股公司、銀行、保險公司、證券商及期貨商等,在今年5月4日成立「金融行動身分識別聯盟」,加速推動金融行動身分識別標準化機制。

金管會表示,聯盟目前已經有超過120家金融機構加入,接下來會規劃研議綁定的信物、生物辨識範圍,並共同開發手機身分識別APP等,也會訂出不同業別所涉及交易,具體應用標準與規範,腳步快的話,預計今年第四季就會開始試辦,我們就能向密碼說掰掰。

責任編輯:錢玉紘

最新6月號雜誌《高價值企業100強》馬上購:傳送門
零接觸電子雜誌訂閱:傳送門

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