你我都可以成為銀行家
你我都可以成為銀行家
2008.06.01 |

台灣緊繃僵化的法規及教育對創造力的漠視,是發展過程終將面對的瓶頸。台灣網路發展多年,除地圖日記等比較屬於年輕人的社群活動外,似乎沒有創造出可以引領世界的商業模型。然而,西方世界從有了網路開始,商業模型創新就沒有斷過。網路第二版(編按:即Web 2.0)的崛起,讓新商業模型更加蓬勃,Prosper就是一個例子,它超越網路第二版社群的概念。Prosper簡單說,就是運用網路遍在性(Ubiquity),讓你我都可以成為銀行家。

大家都熟悉eBay,但可能並不清楚什麼是e-Loan。e-Loan是一九九七年成立的一家網路借貸銀行。透過它,借方可以不必經過實體銀行的中間剝削、廣告騙術或繁瑣程序,從網路上借錢。e-Loan的創始人拉森(Chris Larsen)看到eBay的商業模型,也了解到網路第二版的影響力,在台灣人甚至連e-Loan的經營方式都聞所未聞、更別提法律鬆綁的時候,創立了新型態的借貸銀行Prosper。

Prosper簡單的操作和eBay一樣,只是交易的標的由實物變成金錢。想借入的人將需要的數額以及願意支付的最高利息在網上登出,想貸出的人則競標。至於「如何保證借貸信用」?Prosper也有方法,其倒帳率目前為止只有四%,和信用卡差不多。Propser的方法是:首先調查借款者的信用,並分為AA、A、B,直到HR等級,最高的三個等級倒帳風險在一.八%以上。Prosper並接受借方授權,讓貸方調閱借方的信用報告,據以衡量風險。

Prosper另一個預防倒帳的方法是集體借款。這招和尤努斯(Muhammad Yunus)的微型貸款相同。尤努斯的農村銀行(Grameen Bank)貸款時,要求一群人作為擔保,如果借款者不還錢,整組人都不能再借。
Prosper將這套金字塔底層的方法運用在美國一樣有效,而擔保群組長的工作甚至成為另一樁利潤管道。
此外,Prosper也運用其他傳統方法避免倒帳風險,例如慎重篩選借款者、要求借款者公布個人信用資料等。貸款者也可以將錢分散貸出,以分散風險。如果倒帳真的發生,Prosper先尋求集體擔保組長,接著請求討債公司協助。如果一切方法都無效,就向信用調查單位報告,借款者未來將有可能無法再借到款。

Prosper目前累積的交易量大約是一億三千萬美元,估計在二○一七年可達九十億元。這些數字和實體銀行相比還是小巫見大巫,但是它的成長潛力卻不可小覷。尤其我們看多了網路商店如何打敗實體商店,Prosper未來肯定會是實體銀行的強勁對手。

就如同Napster發展出Peer-to-Peer音樂分享,Prosper的借貸原則也是P2P。換言之,Prosper就是運用
網路第二版的概念,在銀行業創造出新的商業模型,讓每個人都可以不需透過金融機構,直接參與借貸。這個新的商業模型可以做到實體銀行無法做到的事,它讓每個人都可以成為銀行家,甚至是創投家。無論是銀行還是創投家,在過去都不是一般人可以扮演的角色,但現在不一樣了,你可以自己根據信用報告做風險評估,依據創業企劃案做出投資決定。

在銀根緊縮時代,P2P借貸提供另類貸款管道。當前不管美國還是台灣,向銀行借款簡直如同蜀道難。銀行如此的過度反應,只是讓資金流通減緩,其間接效果說不定是經濟衰退。P2P借貸正好填補了這個缺口。

P2P在金融業開創了前所未有的長尾效應。許多借貸並不是因為信用問題而無法交易,而是傳統銀行沒有能力評估投資風險。例如網路新興事業,即使到了今天,銀行對於貸款給網路公司還是畏首畏尾。但網路上P2P借貸卻極有可能具備更好的能力,評估新興事業的風險。凡此種種,空前地擴大了借貸交易。

另外,P2P也讓農村銀行的經營模式透過網路普及。孟加拉的尤努斯因為其微型貸款經營得體,實質照顧到當地貧民,因此獲得諾貝爾和平獎。如今透過網路,P2P貸款不僅加強銀行經營的流通性,也讓微型貸款的方式可以照顧各地需要金錢的人們。事實上,Prosper有一大部分比例是小型貸款,其中不乏傳統家庭代工、慈善事業。從借款面來看,Prosper運用和尤努斯一樣的方法降低倒帳風險;而從貸款面來看,卻有著比尤努斯更為有效的獲得資金方式。

台灣最近在討論社會企業或企業社會責任,一方面談企業應該為社會盡什麼責任,一方面也強調運用企業經營的方法,有效地盡到社會責任,同時創造新的商業模型。Prosper最大的意義就在這兒:以一個新的開放式商業模型,打破傳統銀行的經營方式,更為社會企業點出一條融資的活路。

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 2026 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