另一項人工智慧應用，則是語音／文字客服為基礎，所衍生的對話機器人（Chatbot），應用人工智慧技術建構一對一的對話問答，可解析口語問題以提高回覆內容之準確性，亦可加入對話式問答，提升優良的服務品質，同時增加產品的滲透度。人工智慧可以是一項很複雜、同時也是很簡單的科技應用，所有運用的原則只有一個，將客戶擺在產品規劃的核心，了解某項人工智慧的應用，能夠對客戶帶來什麼樣的價值或解決什麼痛點，才是真正有效的應用。
如同人工智慧的應用，區塊鏈則是另一個需要密切關注的科技創新領域。區塊鏈技術是加密貨幣的底層技術，吸引最多新聞關注的焦點多為加密貨幣的暴起暴落，而首次代幣發行（ICO：Initial Coin Offering）也在不同國家產生爭議，甚至有國家全面禁止加密貨幣交易以及I CO。雖然如此，仍有銀行嘗試運用加密貨幣的機制進行代碼化（Tokenization）的應用，運用其低成本、不易竄改、可進行網路交易的特性，進行小金額消費或是各種點數的交換，例如GLN（Global Loyalty Network）即應用區塊鏈技術，規劃跨國、跨單位的點數兌換機制，提供成員企業的客戶更方便的跨境服務。
金融業導入AI須注意4大重點
人工智慧的應用，在未來仍將會是非常重要的探索領域，但是在導入人工智慧的應用中需要注意以下幾點：
一、區分通用型AI與專業型AI的界線
避免將現時可行的技術與未來5到10年的技術混在一起，過度期待人工智慧專案的成效。目前人工智慧的發展仍侷限於特定用途，也就是專業型AI，在可見的未來期望人工智慧能夠像人類一樣思考，但是全面取代人類是不切實際的，反而應該規劃如何以現在成熟的技術協助人類更有效的完成工作。
二、選擇適當的應用
啟動人工智慧的應用需確認要達到的目標為何？應針對專案實際需求而選擇適合的技術，不應該為了一時熱潮而執行專案。當題目不清楚，不知道要達成什麼目的，要找什麼因子或是特徵值時，是沒有辦法讓機器「學習」的。
三、數據仍是重點
想要尋找的答案要有足夠且完整的資料，新資料的權重、相關性，以及數量仍是最重要的議題，就如同人類獲得智慧是不斷的從書本、日常生活中「學習」而來，因此，選擇應用目的的一個重要要素為，是否有足夠的數據，能夠讓機器可以學習。
四、設定合理的期望值
導入人工智慧是一個不斷學習、修正的過程，設定過高的期望值，容易導致專案無法短時間達到目標而失敗。專案應從小規模的應用開始，再逐步擴大至多樣化的應用。
不論是人工智慧或是區塊鏈的創新應用，都充滿了各種樂觀的預測以及保守的推論，金融機構唯有持續關注創新科技的發展，依據自身策略適時的投入資源，才能夠在創新的道路上走得更加穩健。
*作者為台新金控資訊長。本文經台灣金融研訓院授權刊載，精彩全文詳見《台灣銀行家雜誌》201９年７月號。
