即使你是朝九晚五的上班族，或許都有可能比月入百萬的YouTuber容易向銀行借到錢。因為缺乏固定薪轉證明，各種自媒體創作、接案工作者，在信貸時屢屢碰壁。
如今透過AI模型來評估月收入，得免附傳統財力證明，是玉山銀行歷經4年驗證，始得亮相的創新解方。
能透過線上申請、電話對保的「信貸」，因為快速又便捷，成為許多人有資金週轉需求時，第一時間想到的首選。
顧名思義，「信用貸款」是以聯徵紀錄等信用資料作為依據來借款，銀行也就偏好有穩定工作、能提出每月薪轉證明的在職者，確保未來還款金流無虞。
不過，從收入很不錯的YouTuber網紅，到用現金袋領月薪的員工，都可能因為沒有每月固定入帳金流，卡在財力證明這關，吃上銀行的閉門羹。
對一般民眾來說，結果是借不到錢，可能得轉往民間融資機構；對於銀行來說，也失去了一大票潛在的信貸客戶。
AI有了派上用場的時刻。玉山銀行在9月1日上路試辦「AI財務評估模型」，透過AI來推估客戶的月收入，取代傳統財力證明，為銀行過去服務不到的客群另闢一條蹊徑。
「這是玉山第一個與客戶重大利益切身相關的（AI）模型。」玉山金控科技長張智星說。
積極投入AI發展與布局的玉山金控，銀行旗下智能金融處成立於2018年，自行訓練的AI模型已經超過100個；而這一次針對信貸產品推出的財務評估模型，可能是讓玉山客戶最有感的一個，也是金管會主委彭金隆上任後推出的「輕量沙盒」首案。
拿下金管會輕量沙盒第一案！玉山「AI財務評估模型」上路近100天，成效如何？
受到高度監理的金融業，創新步伐相對緩慢。金管會主委彭金隆上任後，力推擴大金融業試辦範圍的「輕量沙盒」，期待讓金融業更簡便地實驗創新科技。
「輕量沙盒能讓法規往正確方向走，」金管會副主委陳彥良指出，此案具有普惠金融精神，如果試辦成功，不排除調整法規函令，使AI模型試算「類月收」可視作核貸標準的作法，未來有機會讓各家銀行業者一體適用。
玉山的AI財務評估模型試辦期間為6個月，總曝險金額5億元。試辦截至11月26日為止，有2,230件申請，實際核准案件為166件，放款金額突破3,000萬元。
玉山銀行信用卡暨支付金融事業處協理邱聖峰解釋，實際核貸案件不到申請件數的10分之1，是因為玉山向金管會申請試辦時，就有清楚說明，這是當客戶確實無法提供薪資轉帳、財稅等財力證明文件時，才會提供的備用服務。言下之意，不是每個案件都需要AI出馬。
目前成功申貸的客戶，拿到的核貸利率都偏向中高區段，玉山銀行智能金融處（智金處）資深副總工程師林鉦育觀察，「如果沒有這個管道，他們之前真的完全沒辦法向銀行借錢，但看過理由就知道，他們都確實需要這筆錢。」
玉山AI財務評估模型如何運作？
銀行依然不可能完全吃下民間融資市場，不過藉由AI助力，確實開始能服務到部分過去無法觸及的客群。
關鍵1：試辦確保風控，DBR設定11倍
歷經2005年雙卡風暴後，為避免信用過度擴張，金管會頒布俗稱「DBR22」的負債比（Debt Burden Ratio）規定，指金融機構在審核無擔保授信總餘額時，不宜超過借款人月收入的22倍。例如一名月薪3萬的上班族，信貸額度的天花板就是66萬。
玉山財務評估模型的運作方式，是先推估客戶的月收入後，再乘以負債比，藉此得出可貸額度。試辦期間為確保風險控管，最高負債比設定在月收入的11倍，相較法定的DBR22標準還要保守了一半，且設有每件50萬元的上限。
關鍵2：訓練資料來自各行各業薪資行情
玉山為了評估各種職業對應的薪資行情，除了內部資料之外，也使用了行政院主計總處的公開數據，訓練AI來評估國內各行各業的月薪區間範圍。智金處也與業務單位密切合作，透過模擬同時進件，比對模型試算的月收入與客戶實際提供的財證資料，一步步提升模型的準確性。
不過，即使是從事同樣職業的兩個人，月薪上下限會不會可能相距懸殊？
「至少我會知道，你最低應該要拿到多少錢。」林鉦育解釋，以基本工資每月2.7萬元計算，乘以11倍約為29.7萬元，有些人只是想幫上大學的孩子買一台機車，這樣的貸款方案其實已能覆蓋到許多過去無法服務的族群。
以目前核貸案件數量與放款金額觀察，初估平均每件申貸金額約落在20萬元左右，確實距離每件50萬元的上限還有不少空間。
關鍵3：信貸專用模型，試算「最適額度」
換句話說，玉山財務評估模型計算出的是「最適額度」，有需要的客戶在小額信貸上，也有機會能夠透過銀行借到錢。
金管會8月預告核准此案，也鼓勵所有銀行業者在無擔保授信上提出創新方案，找出傳統財力證明的替代方案。也就是說，以模型試算的月收入，不僅能應用於信貸業務，也有機會延伸到信用卡額度的評估。
那麼，玉山現行這套AI模型，有可能拓展到信用卡業務嗎？
邱聖峰解釋，雖然信貸與信用卡同為無擔保授信消金產品，但特性不完全相同。信貸業務屬於單筆借款，信用卡則牽涉每期額度恢復等情境，相較複雜。
「你希望信用卡額度低還是高？」邱聖峰進一步指出，客戶會期待信用卡額度越高越好，而財務評估模型目前DBR設定在相對保守的11倍，可能不一定符合需求。林鉦育則補充，如果要擴大到信用卡業務，模型還需要再調整，也得看業務上是否有實際需求。
關鍵4：金融業應用AI模型重視「長時間」有效
要確保專用於信貸產品的AI模型有效，除了推估月薪數字準確與否之外，另一項決定性的關鍵要素是「時間」。
常見蒐集消費者偏好、應用於電商廣告推播的AI模型，因為行銷活動與消費行為節奏快速，通常使用近3至5天內的資料，能產生最高的經濟效益。相比之下，信貸的還款期限最長可達7年，考量風險控管，模型也就必須隨產經脈動調整，維持長時間有效。
「台灣社會變化很快，不太可能好幾年前的模型到現在還一模一樣。」林鉦育說明，國內中小企業產值年年增加、新興行業不斷誕生，評估月薪行情的AI模型要維持長時間準確，並不是完全維持不動，而是得反過來「與時俱進」。玉山為此設計了一套抽樣機制，定期回收部分案件，以持續驗證模型有效性，並進行調整優化。
金融業經營著重建立長期信任關係，因此林鉦育也提到，如何維持模型長時間的有效性，就是銀行在發展AI技術時，必須擁有更高掌握度的一項專業。
玉山在2020年完成模型訓練時，就曾向金管會銀行局討論過試辦可行性。當時主管機關提出的其中一項疑慮，就是信貸還款期限長，如何證明模型始終有效，並希望充分諮詢行內法遵後，再來討論可能性。
為拉長觀察期，4年來玉山每隔一段時間就做一次測試，驗證模型準確性，確保能應對各種變化，最後也採用較保守的負債比確保風控，在今年獲得主管機關同意試辦。
下一步布局GenAI，把「資料」視作銀行重要資產
回到4年前，玉山打造這項模型的起心動念，來自於第一任科技長、前台灣人工智慧學校執行長陳昇瑋。他在2018年初來乍到時，就不斷在思考數位轉型後的未來銀行，應該是什麼樣子？
在觀察全球各國銀行業的創新服務時，中國螞蟻金服的貸款產品「310」——3分鐘申請、1分鐘等待並0秒撥款，讓玉山內部開始腦力激盪：有沒有可能用AI，加速貸款服務作業效率？
如今財務評估模型試辦上路，確實能在客戶無法提供財力證明時，省去重複嘗試提交文件和第一線溝通的各種成本，也打開AI在金融業應用的新場景。
在AI崛起的時代，張智星強調，金融業如果未能善用AI簡化業務，將難以在激烈競爭中脫穎而出，從資料上雲到生成式AI，都是智金處布局的重要方向。
玉山金在2023年9月就推出第一版生成式AI平台GENIE，透過API串接將GAI整合到各種系統和應用場景。此外，張智星指出，金融業涉及大量機敏資料，部分沒有上雲，在地端運行更有效率也更安全，玉山以建立全行的知識管理庫為目標，堅持打造自有的大型語言模型（LLM），目前正與中研院合作進行訓練。
儘管成本高、耗時長，這仍是玉山提升競爭力的關鍵策略之一。目前外部商用LLM邏輯相對成熟，不過林鉦育強調，玉山不會放棄訓練自己的邏輯引擎，唯有與內部緊密連結，具備更安全穩定的效能，才能真正釋放LLM的價值，「這件事終究還是只有在玉山內部才能發生。」
張智星認為，過去「錢」是銀行最大的資產，如今從展示AI應用潛力的財務評估模型、到發展自建LLM都需要的「資料」，也應被視為另一項關鍵資產。銀行業不再只能以錢生錢來創造價值，資料作為AI布局的根基，將是銀行拓展服務、滾出新商機的核心動力。
責任編輯：林美欣
