金融VS.AI－金融保險業運用AI 可努力之方向

金融業多已利用AI改善與客戶互動、提升效率。圖／本報資料照片

金融保險業近來已利用AI（人工智慧）提升經營效率，及改善客戶互動等工作。AI雖有益處，但因開發及應用過程涉及資料偏差、代表性等問題，各種運用尚未充分發揮潛力。AI的不當使用可能導致歧視性決策，甚將特定客戶羣體排除於市場。故對AI模型及資料來源進行透明審查、定期評估AI演算法準確性、公平性，以及與客戶互動，以確保妥善處理客戶之疑慮爲重要焦點。

美國衆議院金融服務委員會2024年報告論及金融機構在利用AI時面臨的最重大挑戰爲監管的不確定性，在未獲此類新型應用之監管覈准，各金融機構對實施新AI驅動模型持較謹慎態度。就涉及客戶資料隱私權問題，其從公共網站獲取大量資料集進行訓練，涉及使用消費者資料問題。小型機構無法自行開發AI，多依靠第三方建構之系統，就確保資料品質、安全性及隱私權保護等應更爲重視。

尤其人壽保險業務涉及被保險人之個人資料，其經由大數據技術大量取得個資，並加以運用、儲存與移轉，對隱私權將造成威脅。而就技術建置成本亦爲難題，大量投資於新技術將致成本增加，或使經濟弱勢羣體難以承擔。若使用高性能模型，需更大量計算資源，亦將導致成本上升。就消費者而言，其中風險在於深度僞造及以AI所生詐欺威脅。

保險人應適當揭露以高科技技術所得資訊之演算與分析結果，俾使監理機關或消費者得了解相關商品之設計與作業程序，方得進行適當之監理作業與瞭解自身權益，始符公平待客戶之目標。

據此，建議金融保險業未來可就下列六項進行努力：一、發展健全基礎設施：確保資料衛生和發展健全雲端基礎設施，爲有效利用新興技術之關鍵。二、適合AI使用之資料建立：資料重要性不容忽視，特別是資料可及性、資料流動，以及將金融及非金融資料整合至新型人工智慧機器使用尤爲重要。

三、建立資料字典：建立資料字典至關重要，有助於記錄資料含義、關聯和使用方式，並藉標準化術語滿足內部和外部之需求，此爲長遠之任務。四、相關技術應可監管：複雜模型的運作機制如難解釋，可能導致金融機構在法遵及信任問題面臨困境。因此須能就此進行解釋，解釋內容包括所使用AI功能與缺陷、安全環境，以及得出特定結論之依據。業者與監理機關應定期評估AI有效性，確保系統於風險管理計劃發揮實質效益。監理機關應瞭解保險商品設計之過程與內容，始得對保險業務進行妥適監理。

五、相關人才培訓：AI競賽升溫，人才供應不足，保險業除須與同行或他人競爭合適人才。同時具備金融保險知識與人工智慧專業之人才爲少數，故具備跨領域技能之人才，對於金融保險業發展人工智慧應用至關重要。就管理階層而言，使其掌握AI相關知識，將能有效引領業務發展，並有效監督商業、監管和倫理問題。廣泛對員工進行培訓，亦爲重要議題。六、金融教育宣導：除金融從業人員培訓，提升金融消費者之金融教育，讓其更好了解AI在金融領域之風險亦屬重要。