金融業 AI 導入：銀行、保險、證券的工作範圍與責任分工

金融業導入 AI，先要決定它能協助哪一段工作，以及誰對結果負責。準備文件草稿、整理核准資料，與核定授信、理賠或投資建議，是不同的用途。模型內容是否正確、資料能否使用、人工如何覆核及出錯後如何處理，都會影響是否適合上線。

以下以台灣機構的規劃問題為主，並非客戶案例、法律意見或監理核准清單。具體要求仍取決於業務、資料、機構規範與當時適用的法令。

三個業別，先選一段可檢查的工作

業別	可評估的支援工作	應先界定的責任與風險
銀行	開戶文件欄位整理、授信資料摘要、內部政策檢索	身分與交易資料的權限、缺件處理、人工判斷及對客戶的影響
保險	理賠文件欄位整理、保單條款查找、申訴草稿分類	敏感資料、錯誤欄位或條款、例外案件與核定責任
證券／投顧	核准研究資料摘要、法說會重點整理、內部文件準備	來源時效、未經支持的推論、利益衝突與對外提供內容的審查

這些是候選用途，不是成功率排名。資料量大，也不代表流程適合自動化。每個候選工作都要有明確的輸入、輸出、負責人，以及可觀察的錯誤。

例如，整理開戶文件可以限定為「讀取獲准文件、擷取指定欄位、標出缺漏，交給承辦人確認」。是否通過 KYC、是否需要通報或是否核准交易，仍是另外的決策範圍。理賠文件摘要也不應自行決定給付；研究摘要中的引用，不等於投資建議已獲查證。

既有的金融文件支援方案可用來討論文件準備與覆核範圍，不代表已證明某一銀行、保險或證券流程的效果。

金管會在 2024 年 6 月 20 日發布《金融業運用人工智慧（AI）指引》。這份行政指導採風險導向，涵蓋治理問責、公平與人本、隱私及客戶權益、系統穩健與安全、透明及可解釋、永續發展六項原則；指引本身不具法律拘束力。

機構可以把框架轉成個別工作的評估事項：誰管理系統、可能影響哪些客戶、使用哪些資料、如何驗證輸出，以及何時應交回人工。相關法令、委外要求與內部規範仍需另行確認，不能把指引當成一張完成後就能保證合規的表單。

列出每一段資料流：來源系統、擷取欄位、模型服務、檢索索引、輸出、日誌、備份及保存期間。確認資料在哪裡處理、誰能取得、供應商能否留存或另作使用，以及如何刪除或停止存取。境內部署與去識別化都不能代替這份評估。

台灣個人資料保護法對蒐集、處理及利用個資設有條件，並對醫療與健康等資料另設規定。請負責團隊依資料種類與用途確認合法依據，再決定服務與部署範圍。

RAG 知識檢索應使用獲准來源，並在查詢與取得文件時維持適當權限。來源連結有助於覆核，卻不能證明輸出正確或使用者有權讀取該資料。

如果團隊規劃讓 AI 草擬客戶回覆，可先約定下列規則：

這是規劃範例，沒有宣稱 AI 可以完成固定比例的工作。既有工作流串接可協助討論這些步驟；應有的決策權與核准程序需由機構確認。

先記錄原流程的準備時間、覆核時間、返工與例外。用代表性案例測試缺漏、錯誤欄位、不支持的推論與錯誤資料版本，同時觀察審閱者是否更容易查證。接受標準依工作風險訂定，不以使用人數代替品質。

成本應包括開發與串接、模型使用、資料維護、專業覆核、監控、事件處理與供應商支援。節省的工時也不自動等於已實現的現金收益。

上線決定前，留下工作範圍、驗收證據、核准責任及日常維運人的紀錄。之後若用途、資料、模型或供應商變更，依影響重新評估。先把一段工作做成可檢查、可接手的流程，才有依據決定是否擴大。