借貸不一定要財力證明!金管會通過這家銀行「AI模型評估月收入」,誰適用?規則一次懂
借貸不一定要財力證明!金管會通過這家銀行「AI模型評估月收入」,誰適用?規則一次懂

金管會副主委陳彥良8日宣布,將核准一家金融業者申請的創新試辦案,在辦理無擔保業務時, 可使用財務評估AI模型,取代申請人提供的月收入財力證明 。金管會近期審核通過後,最快在8月底可上路,將成為國內首例。據悉,該家金融業者為玉山銀行。

玉山銀行
圖/ 記者吳秀樺攝

「平台經濟盛行,網紅收入不少,有一定還款能力,但也不一定拿得出證明。」銀行局局長莊琇媛指出,不只用現金袋領薪資的中小型商家員工,或收入不穩定的自由工作者在與金融機構往來時,難以提供財力證明,就連網紅也會遇到類似問題,難以透過月收證明還款能力。

金管會強調,開放金融業試辦用於所有一般消費性放款,其中包括無擔保信貸與信用卡。意即未來無法提供月收證明的人,金融業者也可能使用財務評估模型衡量收入,並核發信用卡。

AI也能核貸!AI模型預估申貸者月收入,誰適用?

過去金融業者辦理無擔保授信案件時,多以客戶提供的財力證明文件判斷月收入。不過業者發現,其實具備一定還款能力的客戶,不一定方便提供財務收入證明,一來一往審核之間,也大幅拉低申辦效率。

金管會表示,隨著金融科技與大數據發展,已有銀行建置AI模型評估客戶還款能力或衡量客戶月收入,希望能解決部分客戶不易提供財力證明文件的情境。

雖然金管會僅透露,該家金融業者是五大發卡行之一,但據了解,這家將成首例的申請業者是玉山銀行。玉山自2018年就開始使用舊有客戶個資、聯徵資料等訓練內部AI模型,希望能解決客戶痛點,預計試辦時長6個月,試辦無擔保授信總額為5億元。

「財務評估模型會先預估出客戶的月收入,再乘以小於22倍的數字,就是銀行願意借出的額度。」莊琇媛解釋,業者這套AI模型經過多年學習與校正調整,未來將用在於新客戶身上,初始將以「非常保守」的倍數計算,從未辦過信用卡、沒有聯徵分數的信用小白,可能也將是受惠對象。

至於為什麼借貸金額,必須少於月收的22倍?金管會自2005年起實施的「DBR22」規範,指的是無擔保負債不得超過平均月收入22倍;換句話說,若月收入為4萬,銀行放貸金額不得超過88萬。莊琇媛一再強調,目前開放的試辦範圍,同樣不得違反DBR22規定,只是提供另一種方式讓民眾證明月收入。

莊琇媛表示,業者並非要以財務評估模型完全取代月收證明,例如公務員就是容易提供財力證明的族群, 只有遇到不易證明財力的客戶時,才會讓模型派上用場 。申請業者評估, 約有25%客群可能使用到此模型

延伸閱讀:違約交割是什麼?會留下聯徵紀錄嗎?為何股市暴跌,違約交割也跟著飆高?

發揮普惠金融精神,鼓勵業者提出試辦

金管會主委彭金隆7月16日宣布促進金融科技發展五大策略,包括跨大容錯空間、加大創新領域,大幅放寬銀保證業務試辦範圍,加大創新實驗範圍與力度。如今邀請業者加入試辦財務評估模型,就是金管會開出的第一槍。

金融科技五策略.jpeg
圖/ 截自金管會簡報

未來業者若要加入試辦行列,得先向金管會簡報說明,經過審核才能放行。陳彥良表示,這將使不容易提供財力證明的民眾,也能借助金融科技取得小額貸款,具有普惠金融精神,也增強金融包容力,「金融業是高度監管的行業,輕量沙盒讓法規往正確方向走。」

「輕量沙盒」意指在金管會全權處理的自律規範、行政規則和函釋內,開放業者試辦,並將視成效調整函令與規定,讓財務模型等試辦方案也能符合公會自律規範。

金管會鼓勵銀行,先以試辦方式提出可取代財力證明的金融創新方案,期待金融業者加速創新,持續於各業務面向積極發展金融科技,以提升金融業務效率並落實普惠金融。

延伸閱讀:台股大崩跌,這支卻漲停!元大台灣50反1是什麼?為何執行反分割?

責任編輯:林美欣

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