AI與區塊鏈技術加速進入金融業,應用場景逐步由內部營運效率提升,擴大至客戶服務、法令遵循、交易投資管理及新型態金融服務。普華商務法律事務所合夥律師李裕勳指出,金融創新真正的挑戰不只是「如何使用新科技」,更在於金融機構能否同步建立與創新程度相匹配的治理、問責及風險管理機制,並透過董事會監督與三道防線,在創新效率與穩健經營間取得平衡。
目前AI在金融業的應用已涵蓋信用評分、行銷、保險核保與理賠、聊天機器人,以及後台營運、風險管理與資訊處理;在法律遵循方面,亦可應用於詐欺偵測、洗錢防制、打擊資恐及金融犯罪申報。區塊鏈金融的應用則涵蓋跨境貿易融資、供應鏈金融、綠電金流、保險理賠、代幣化存款、穩定幣及現實資產代幣化等領域。
李裕勳表示,AI治理應貫穿系統完整生命週期,從系統規劃與設計、資料蒐集與輸入、模型建立與驗證,到正式部署與後續監控,都須納入公平性、隱私與客戶權益、系統穩健性、安全性、透明性及可解釋性等考量,同時建立組織層級的治理與問責機制。
當AI進一步發展為能自主規劃及執行任務的代理AI,治理難度也隨之增加。代理AI可能面臨的四項風險,包括任務遭改寫、權限遭濫用、單一AI錯誤引發連鎖影響,以及記憶遭污染等。因此,金融機構不能只是「讓AI工作」,而應事前定義AI可以使用哪些工具、接觸哪些資料、執行哪些流程,以及什麼時候必須停止並交由人員判斷。
李裕勳指出,代理AI可透過「結構約束、流程控制、人為核可」形成三層控制架構。首先限制AI可使用的工具、權限與資料範圍;其次設計執行流程、停止條件、驗證標準與異常處理;針對高風險操作則觸發「人為核可」機制,並留下完整執行軌跡以供後續查核。
AI治理另一項核心在於資料治理。李裕勳表示,不論金融機構使用自有資料自行開發AI,或依賴第三方供應商提供的模型、系統及資料,都需要建立有效的資料治理架構。資料治理應涵蓋明確問責、資料安全、資料品質及表現評估、員工能力與資料處理能力;若採用第三方AI服務,也須關注向第三方工具輸入的提示詞、內部文件及相關資料如何受到適當管理。
金融機構掌握大量資料,可藉此發展個人化互動與服務,並以即時、準確的資訊推動業務。然而,資料使用仍須兼顧個人資料保護法等外部規範及企業內部資料治理政策,包括合法蒐集與處理、適當使用與建立資料保護機制,在「數據價值」與「法令遵循」間取得平衡。
李裕勳指出,AI已不只是資訊科技部門的工具,而是董事會與高階管理階層必須掌握的治理議題。董事會及高階主管應評估AI對商業模式、客戶、效率、成長及法律遵循可能帶來的影響,並定期確認AI應用方式是否與公司策略一致。
更重要的是,董事會在設定風險偏好與風險胃納時,也應把AI風險納入考量,明確建立AI使用界線,包括哪些場景可以使用、哪些情況應限制甚至禁止使用AI。董事會與高階主管自身也需要具備足夠的資料與科技能力,才能有效履行監督責任。
在三道防線架構下,第一道防線負責評估AI應用的商業成果、控制措施、重大性與風險;第二道防線則從組織整體角度掌握AI風險,並針對法令遵循、資料品質、可解釋性、行為風險及模型表現進行獨立風險評估;第三道防線則依AI應用的重大性與風險程度,提供獨立稽核。
除了AI,區塊鏈也正成為金融創新的重要技術。李裕勳指出,相較傳統治理可能面臨決策透明度不足、問責機制有限、法律風險與利害關係人信任等問題,區塊鏈具有不可篡改、可追溯與透明等特性,可應用於記錄董事會會議、投票及決議,使相關活動形成稽核軌跡,提高治理透明度及問責性。
然而,採用區塊鏈本身並不代表治理問題自然消失。金融機構仍須回答誰可以參與、誰擁有決策權、如何形成共識、程式碼與規則如何變更、發生問題由誰負責,以及異常情況下誰可以介入等問題。此外,營運韌性、金鑰管理、事件復原,以及跨鏈、第三方平台與外部資料來源的互操作性,也都是區塊鏈治理不可忽略的面向。
李裕勳提醒,金融機構未來面對的科技風險將愈趨多元。AI可能因資料品質不佳導致模型偏誤、表現退化或產生幻覺;高度依賴第三方AI服務,也可能帶來透明度、資料品質、服務中斷及營運韌性風險。若多家金融機構依賴相同模型或資料來源,也可能形成行為同質化的新型態風險。
區塊鏈則可能面臨各國監管制度不同、不可竄改特性與個資刪除要求間的衝突,以及資安、效能、擴充性與責任歸屬等挑戰。換言之,新科技雖然能提高金融服務效率,但也可能創造新的風險傳導路徑。
李裕勳表示,金融創新治理的核心並非在效率與穩健之間二選一,而是透過清楚的治理與問責架構使兩者兼容。從董事會設定策略方向與風險邊界,到高階管理階層負責執行,再由三道防線建立業務控制、獨立風險管理及獨立稽核,金融機構必須讓科技創新的速度與治理能力同步升級。唯有在創新之前先思考治理、在風險真正發生之前配置監督與控制資源,才能讓AI與區塊鏈從新興科技真正轉化為可持續且可信任的金融創新。