從數據痛點出發 台新新光金控以黑客松探索AI金融應用
- 徐慈澤／台北
-
隨著生成式AI快速滲透企業場域，金融業除持續優化對外的「智慧客服」服務外，亦積極將AI技術轉向賦能企業內部工作流程。台新新光金控本次參與「2026台灣生成式AI應用黑客松競賽」，特別以「金融創新」為題，從銀行內部高頻發生的數據整理與分析痛點出發，打造「智慧數據簡報神器」，期盼藉由黑客松跨域探索能實質提升營運效率的AI應用模式。
台新新光金控資訊長孫一仕指出，銀行內部許多業務單位經常需要製作產業趨勢、同業動態、競品分析及客群剖析等高階報告，過程涉及大量內外部數據的搜尋、彙整、比對與解讀，最終還需轉化為利於管理層快速決策的精準內容。過去，這類工作高度仰賴人工操作與Excel等工具，耗時且繁瑣。
因此，本次競賽命題特別引導參賽者導入AI技術，協助自動化處理數據搜尋、整理、分析與建議產出。相較於過去AI多集中於客戶端（B2C）的應用，本次競賽不僅是創新的激盪，更成為台新新光金控驗證內部（B2E）AI賦能工具的重要測試場域。
在本次競賽的「金融創新」命題中，最終由來自逢甲大學經濟系及輔仁大學心理系的團隊脫穎而出獲得優選。孫一仕分析，該團隊的關鍵優勢在於完整考量了資料擷取後的「自動校驗機制」，有效避免錯誤數據（幻覺）一路干擾後續分析；同時靈活整合全託管式基礎模型服務Amazon Bedrock上的Claude模型等AI工具進行數據比對與內容生成，並運用提示詞工程調整簡報呈現方式，使其產出精簡、結構化且符合高階主管閱讀偏好的報告格式。台新新光金控高度肯定該團隊的成果，其流程從資料前處理、邏輯分析到最終簡報呈現皆經過縝密設計，高度貼近真實金融業務的實務情境，充分展現跨域人才的創新實力。
其中，AWS的Amazon Bedrock提供託管式基礎模型服務，讓開發團隊可在同一環境中調用不同模型，減少自行建置與維運模型基礎設施的負擔，也有助於加快原型測試與工具整合。對需要同時處理搜尋、分析與內容生成等多項任務的應用而言，這類模型服務也提供較大的配置彈性。
談及未來的實務落地，台新新光金控評估可先從特定垂直場景切入，例如財務部門的競品分析，依序驗證資料源頭、校驗機制、模型推理效率與簡報輸出品質，再根據使用者回饋進行迭代優化。長遠來看，這套架構亦可進一步解構為搜尋、資料清理、整合及圖表生成等獨立的「AI Agent（AI代理人）」，待技術成熟後即可彈性模組化延伸至授信審查等其他核心業務，大幅提升工具的複用性。
此外，考量金融業對資料正確性與合規性的極高要求，實際應用時亦會納入「人機協作（Human-in-the-loop）」檢核機制，由業務專家進行最後一道覆核，兼顧AI帶來的高效與專業品質。
孫一仕強調，本次競賽讓台新新光金控深刻看到「跨域人才」與「金融實務」對接的無限可能。他觀察到，隨著AI工具使用門檻降低，「能否深刻理解金融業務流程、掌握實際痛點並定義出正確問題」已成為決定AI應用成效的關鍵因素。因此，第一線業務人員的產業知識與資訊團隊的技術能量，兩者必須緊密配合。
未來，台新新光金控也期盼與參賽團隊保持深度互動，透過實習計畫讓年輕人才接觸真實的金融場景；同時藉由黑客松等交流平台，讓企業得以汲取多元的創新解題思維，參賽者亦能直擊產業真實需求，為台灣金融科技人才的培育與應用探索累積豐沛經驗。
