Page 135 - 金融科技力

戶的 服務。雖 然人工智 慧在自然 語言理解 技術上仍 在持續精 進， 但

是更 重要的是 如何讓機 器與人類 各自分工 ，做擅長 的事。亦 即， 如
何讓 機器知道 自己的能 力邊界， 而將自己 無法判別 的通話， 甚至 是

能從文字中判斷客戶情緒，轉交給人工客服處理。
AI 不代表「不教可戰、自己會學」的智慧技術，若任由 AI 客

服「 自己試誤 、自己判 斷、自主 推薦答案 」等仿真 設計，將 會是 一
場災難。輕則造成客戶崩潰、猛戳螢幕、轉 貼 AI 不當回應貼圖分享，

重則傷害銀行品牌形象，或擾亂 AI 數據庫價值，最終仍繞回真人客
服，造成重工成本與事後的檢討成本。事實上，任何 AI 主動透過深

度學習或機器學習的「推薦答案」，應於當下或事後投射給真人客 服
或 AI 訓練專業者參考，以避免失控的 AI。

二、歐洲中央銀行之 AI 監理應用：

歐洲中央銀行 (ECB) 於 2019 年底，公開揭露人工智慧應用於
銀行監理的方法，其中聚焦二項：機 器學習與自然 語 言 處 理。首 先 ，

ECB 認為監督式及非監督式皆可應用至銀行監理。例如，透過監督
式機 器學習， 可應用經 濟指標、 銀行資料 及歷史數 據，預測 歐元 區

內不良債權 (non-performing loans) 的情 況。在非 監督機 器學習中，
電腦 無需人工 指導或預 先設定標 註，即可 識別銀行 自身的流 動性 問

題。第二項則為自然語言處理 (natural language processing)，具備
自然語言處理之電腦可協助監理單位分析非結構化資 料

(unstructured data)，例 如年度報告、審計報告或資本與流動性評估。
該工 具可用於 淬取、綜 整訊息， 並識別情 緒之功能 ，即內容 是正 面

的、負面的還是中立的。
為開發人工智慧於金融監理之應用，ECB 成立了監理科技中心

(SupTech Hub)開發相關研究專案。較具體者，例如：
1. 貨幣市場統計報告(Money Market Statistical Report, MMSR)：蒐集

歐元區內 52 家最大之銀行，每日數萬筆貨幣市場交易資料，進行
異常檢測 (anomaly/outlier detection) 或資料驗證；

121