Page 191 - 台灣金融創新：觀點與對策

第九章 179
趨勢與對策

核。 此外，銀行的內控也能由人工智慧協助，例如將行員與

客戶間的交談錄音及錄影資料，定期進行過濾與檢視，透過特
定的關鍵字檢索並引入語音辨識等人工智慧技術，快速確認其

中是否有違反相關的作業規定。總之，RPA 若能有效整合前、

中、後台業務資源，可望達成優化內部流程，提高營運效率的

目的。

與授信融資相關的人工智慧應用還不止於流程自動化，人

工智慧演算法也能協助銀行改善影響授信品質至為關鍵的信用

評等模式，利用更詳盡的資料將客戶的信用等級做更細緻的分
類，因此有望納入原本位居金融服務體系以外的潛在客戶，進

一步使銀行擴大授信客群。目前大多數國銀的信用評分制度，

均仰賴聯合徵信中心與信用相關的資料作為評分的主要參數，

這些資料大多只紀錄了客戶過去與銀行打交道的種種交易行

為，這種評分方式，對於不使用信用卡或較少與銀行往來的客

戶，顯然辨識能力不足。 由於當前的市場與消費環境日趨複

雜多樣，以傳統金融交易紀錄評估客戶信用狀況，不見得仍有

良好的鑑別力。 若能觀察個人的社群網絡、行動通訊紀錄、

消費模式，或是企業戶的支付、會計帳務等資料，則透過人工
智慧演算法與大數據分析，對於客戶的消費型態與信用風險或

還款能力的關聯性，應該會有不一樣的面貌。 因此銀行若能