台新金控資深經理王正男日前（10/18）揭露台新金控生成式AI進展，他們不只制定AI發展關鍵因子和AI導入指引，還發展4項實驗專案，包括協作平臺的聊天機器人Teams Chatbot、知識管理平臺、程式碼撰寫助理Codex，以及虛擬智能客服。其中，Teams Chatbot是讓金控成員認識生成式AI的第一步，有了成功經驗，他們開始結合生成式AI與內部資料，打造知識管理平臺，讓使用者以自然語言問答查詢。該平臺雖未上線，但基礎建設完整，未來可能擴大發展，如作為智能客服。而虛擬智能客服不只生成擬真的客服人像，還能與使用者語音互動、推薦理財商品。

制定AI發展關鍵因子，作為金控導入AI的重要參考

面對生成式AI強勢襲來，台新金控在今年初列了張發展AI關鍵因子表格，作為金控導入AI解決方案的重要參考。王正男指出，這份發展AI關鍵因子表格，羅列了台新金控導入AI的目的、介面、技術、數據、基礎建設和人才等因子。就目的來說，導入AI的目標可分為降低成本、增加效率、提升體驗、輔助決策和提高收益等，這是團隊導入AI時，優先考量的項目。

再來，台新金控重視與顧客的互動，要採用AI，會思考從不同介面與顧客互動，比如文字、聲音、圖片、影像、虛擬人物、智能設備等。就虛擬人物來說，他們也打造一款虛擬客服服務，已發展2年多，接下來要瞄準智能設備。

至於技術，則可分為機器學習和專家系統2種，進一步細分則有自然語言處理／理解、語音轉文字、文字轉語音、生物識別、OCR，以及大型語言模型（LLM）等技術。王正男透露，台新金控看好能力強大的LLM，是接下來1、2年的發展重點。

他也表示，如何運用金控大量、高品質和多元的數據來發展AI，提供更好的服務，也是另一個發展AI的關鍵因子。還有個因子是基礎建設，台新金控將其分為儲存空間和運算能力，如自建或採公有雲。最後一個因子是人才，資料科學家、資料工程師、AI工程師、AI訓練師，以及其中最關鍵的推動者。因為，推動者要能與長官溝通、獲得支持，才能讓AI導入事半功倍。（如下圖）

不只列出發展AI的關鍵因子，台新金控還根據觀察，歸納出AI導入成效不彰的重點，來避免踩坑。這些原因有4個，首先是無法規模化，王正男舉例，金控有許多部門，每個部門各自獨立、容易發生數據孤島，或是各自導入功能相同的AI，如金融卡部門導入OCR服務、法金部門也導入OCR服務，這就花費2倍成本，效益不佳。

另一個原因是實驗性質過高，比如為導入而導入、未思考商業應用效應。其他原因還有對導入的商業效益過於樂觀、成本過高等。這些原因都是台新金控導入AI時要避免的。

制定AI導入指引，擴大應用優於全新導入

另一方面，台新金控也制定AI導入指引，共有4大原則。首先，「導入AI不會減少成本，」王正男指出，因此他們將第一原定為擴大應用優於全新導入，意思是，行內若有既有的AI技術，就會思考如何讓這項技術更普及於其他領域，而不只局限於原本的單位內。

第二個原則是業務效率優於技術創新。換句話說，AI新技術推陳出新，比如前些年，人臉辨識、指紋辨識等生物辨識技術遍地開花，台新金控團隊會思考，這些技術對業務是否有幫助，而非為成為新聞亮點而導入。

第三個原則是技術導入優於產品導入，也就是「不再以產品為導向，而是以技術為導向。」王正男舉例，若業務需要OCR，團隊就會思考採購OCR模組，至於能包裝成何種業務場景、業務流程，團隊則會與協力廠商溝通、包裝，來提升技術效益。

第四個原則是外購優於技術移轉，且優於自行開發。王正男指出，台新金控內部並未大力發展AI培養能力，因此採外購模式居多，認為外購優於技術移轉、優於自行開發。（如下圖）

發展4大生成式AI實驗案例

於是，他們選定廠商，找來宏碁資訊和微軟，來進行生成式AI實驗專案。

第1項便是用於協作平臺Teams的聊天機器人ChatGPT Chatbot，台新金控首選導入這款Chatbot，是要讓集團各單位更了解生成式AI。因為，當時台新金控高階主管和職員都對ChatGPT印象深刻，但對其局限並不清楚，因此團隊想藉導入Chatbot，來創造一個安全的環境，讓大家試驗、進一步理解生成式AI。

於是，他們在今年3月與廠商規畫、建置專屬Chatbot，並租用微軟Azure OpenAI環境，5月正式將ChatGPT串接至Teams中，提供200個帳號供各單位使用。這項應用，也在台新金控內部舉辦的6場生成式AI Roadshow中登場，由團隊向金控成員介紹生成式AI的潛力及局限。

將生成式AI用於知識管理平臺

有了成功經驗，台新金控進一步展開第2項實驗專案，也就是生成式AI加持的知識管理平臺。這個平臺能讓使用者向AI提問內部問題，並得到相關解答。這項專案的目的，是要驗證Azure OpenAI能否用於內部知識管理，於是，金控IT和廠商一起打造這個平臺，採用嵌入索引（Embedding Index）來整合生成式AI和自家知識文件，再用指令（Prompt）來調整生成式AI的回答。

該平臺的運作機制是先透過AD驗證使用者身份，使用者再向生成式AI提問，平臺再根據問題搜尋內部資料。這些資料包括內部作業指導書、資訊管理辦法、永續報告書和一級以上主管名單，為找出答案，平臺會先拆分資料，接著索引找出分數最高的相關資料，來讓生成式AI整理，產出回覆給使用者。在這個過程中，平臺也會記錄整個對話，以被稽核使用。（如下圖）

王正男表示，該平臺還是實驗性質、並未上線。因其基礎建設完善，未來平臺若完整建立，會擴大發展為智能客服或其他應用，「是個非常指標性的專案。」

導入程式撰寫助理Codex

再來，台新金控也想驗證生成式AI用於程式開發的效益，於是展開另一項實驗專案，建立一系列研究，來測試程式撰寫工具Codex。這些研究是由使用者提出需求，讓Codex從零開始撰寫程式碼直至完成，包括資料表的建立、增刪減與重新規畫，使用自然語言對話來產生程式碼，以及撰寫初階和進階程式碼、撰寫程式碼說明等。

王正男表示，為衡量Codex效益，台新金控也以資淺到資深的工程師來手動進行這些任務，對比Codex的任務表現，找出使用的優缺點。首先，人類工程師撰寫時間大約1小時，若初階工程師使用此工具，可提高3至4成的開發和文件撰寫速度，中階開發工程師則能提高2、3成速度，高階工程師則提升10%至20%。

不過，團隊也發現，問對問題是需要訓練的，且「問對問題很重要。」再來，就像是對使用者說明一樣，工程師使用AI時，也要一步步好好說明問題，而Codex產出的程式碼通常無法直接使用，還需要人為調整和判斷。尤其是交易類的程式碼，只能參考，需要工程師核實再確認。

即便如此，團隊建議，金控內部工程師可開始使用Codex來輔助撰寫程式了。

打造虛擬客服來推薦理財商品

不只如此，台新金控也用生成式AI打造虛擬客服，也就是生成一個擬真的客服人員，再利用語音轉文字、文字轉語音、人臉辨識等技術，來推薦理財商品給客戶。

台新金控發展這項服務，是要解決幾個痛點，比如理財商品眾多、理財顧問理解耗時，新進人員訓練不易等。因此，他們想用主動行銷方式，來協助理專推薦商品，例如透過虛擬客服互動、取得相關資訊（如性別、年齡），再推薦理財商品給顧客，並介紹這些商品。

他們採用的技術有JavaScript臉部辨識API，來預測顧客性別和年齡，再用Google Cloud Speech to Text API來辨識語音，轉換成文字後傳送至後端Azure OpenAI服務，來生成回覆內容。最後再將文字轉為語音，由虛擬客服用語音回答顧客，並推薦相對應的理財商品。

而後臺的運作方式，則是團隊先將內部問題集和答案資料匯入Azure認知服務，當後臺收到顧客回答時，會進行認知搜尋，並在文件內容建立嵌入（Embeddings），再由Azure Cognitive Search拆分查詢字串、請求最類似答案。最後，會由Azure OpenAI服務將答案組合、傳回前端，由虛擬客服給出回答。（如下圖）