銀行的應用——數據和數碼的完美結合

本文作者蕭建邦 (Dominic Siu)，為數據及人工智能素養協會 (DALA) 執行委員 及 大新銀行總經理兼零售銀行處智能數據及數碼創新部主管，為《EJTech》撰寫專欄

在金融科技迅速發展的今天，數碼轉型早已變為「必然路徑」。然而，不少傳統銀行在組織架構上，仍習慣將數碼銀行與數據分析分屬不同部門，各自承擔不同職能。這種分工模式在早期有助專業深化，但隨著業務複雜度提升，跨部門協作成本亦隨之增加，甚至拖慢創新步伐與落地成效。事實上，當數碼和數據分析由支援轉型為業務增長的核心引擎後，兩者之間的協同，往往成為成敗關鍵。

以筆者任職的一間中型本地銀行為例，我們近年利用人工智能（AI）提升客戶體驗，當中數碼與數據的深度融合，就是多個核心項目的設計基礎。其中，「Next Best Action」產品推薦方案是一個具代表性的實踐案例。該方案整合超過150個內部數據來源，包括客戶交易紀錄、行為模式、產品使用習慣，以至市場及經濟環境數據，並透過機器學習模型分析與預測，洞察客戶的理財需要。這套系統猶如銀行的「大腦」，能夠從海量數據中提取洞察，為每位客戶找出最合適的下一步行動。

然而，數據的價值不在於本身，而在於其能否轉化為可感知的客戶體驗。數碼平台正正承擔了這個關鍵角色。我們透過銀行的流動理財手機應用程式，在合適的時間、以合適的方式向客戶推送個人化建議。無論是理財產品、貸款方案，還是日常金融服務，都能貼近客戶當前情景與需要。這種「數據為腦、數碼為手」的協同模式，不僅提升客戶體驗，同時亦有效推動業務轉化，實現真正的數據驅動營運。

隨著生成式人工智能（GenAI）與代理式人工智能（Agentic AI）的崛起，數碼與數據的融合進一步深化。我們曾與科技公司合作，開展一項快速落地的概念驗證（POC），將AI應用於信用卡及外匯市場資訊的個人化內容推送。整個流程由不同的AI代理處理，包括市場資訊搜集、文字和圖像內容生成、合規審查及語調調整，並按不同客戶群特徵進行精準分發。

例如，當市場出現某項外匯趨勢時，系統可同時生成多種版本的內容：對於投資者，內容聚焦於策略分析與機會捕捉；對於一般零售客戶，則以不同場景及對話轉化為簡明易懂的提示或理財建議。這種「同一資訊，不同演繹」的能力，使銀行能在保持一致性的同時，大幅提升內容的相關性。透過推送通知、電郵等數碼渠道，資訊得以迅速而大規模地送達客戶，實現速度與個人化兼備的溝通模式。

然而，生成式AI技術仍存在「AI幻覺」的限制，即模型有機會產生看似合理但實際不準確的內容。對於金融行業而言，這種風險尤其不可忽視。因此，本行在所有面向客戶的AI應用中，均採用「human-in-the-loop」的管控機制。在內容正式發布前，仍需經由專人審核，以確保資訊準確、符合法規要求，並維持品牌一致性。這種人機協作的模式，既能發揮AI在效率及規模化方面的優勢，同時亦保留人類在判斷與風險管理上的角色。

在客戶體驗層面，AI的應用亦進一步強化了銀行與客戶之間的互動關係。對於未配置專屬客戶經理的客戶群，AI可充當虛擬客戶經理或理財助手，根據其交易記錄、產品持有情況及市場變化，主動提供貼合時機的賬戶提示與理財建議，例如資金閒置提醒、潛在投資機會或風險預警，讓客戶在日常銀行互動中感受到即時且具價值的支援。至於已配備客戶經理的中高端客戶群，AI則可整合其整體賬戶狀況及最新市場動態，生成精簡而具洞察力的資訊摘要，讓客戶可隨時透過數碼渠道掌握關鍵信息，並一鍵聯絡其客戶經理作深入討論。這種「AI支援 + 人工服務」的模式，不僅提升服務效率與一致性，更促進由數碼渠道到人工接觸的自然銜接，真正實現線上線下融合的全渠道客戶體驗。

總結而言，數碼與數據的融合，不僅是技術層面的整合，更是營運模式的重塑。只有打破組織壁壘，建立以客戶為中心、以數據為基礎、以數碼為載體的一體化框架，銀行才能在瞬息萬變的市場中保持競爭力，並繼續為客戶提供更個人化、更即時、更具價值的服務體驗。這正是未來銀行發展的關鍵所在。

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。