臺銀攜手IBM、敦陽、臺大 領先布局金融代理式AI

左起台灣 IBM 策略客戶事業群業務總監宋安晴、臺銀創新實驗室主任盧建志，攜手 IBM、敦陽及臺大，探索以watsonx.ai推進金融代理式AI應用。

在臺灣銀行創新實驗室，沒有人穿著制服。「我們是特別規定同仁可以不用穿套裝制服的單位！」創新實驗室主任盧建志說。

這個辦公場域跟臺銀其他單位不太一樣，反而有點像新創公司。這股「新創感」的起點，是幾年前一趟以色列參訪，臺銀團隊參訪當地的金融科技生態後，回到臺銀就把這間實驗室，打造成了一個可以快速試錯的地方。

免穿制服，還只是外表的不同。最近，真正被解放的，是臺銀同仁翻找資料的時間。

數十小時查找資料時間，壓縮成一小時

臺銀徵信部產業調查科，現在由三位同仁，每個月定期產出九大產業、二十二項次產業的動態報告。以往，要完成一份報告，得跨政府網站、產業資料庫與企業公開資訊來回蒐集，資料來源分散，光是找資料、整理資料，就要耗掉數十小時。

「在以前，產業研究與報告分析工作，需要同仁自行蒐集大量資訊，資料來源分散，從蒐集、整理到彙整分析，都需要投入相當時間與人力。」盧建志說。這正是臺銀啟動「智能分析助理」專案的起點：不是為了追逐AI熱潮，而是先解決一個具體到「數十小時」的問題。

   ▲（左起）敦陽科技資深處長孫世傑、敦陽科技副總李欣陽、臺銀創新實驗室組長胡程鈞、台灣 IBM 策略客戶事業群業務總監宋安晴、臺銀創新實驗室主任盧建志、敦陽科技業務經理曾憶緹、臺大資管系教授林永松、臺大資管最佳化實驗室成員孫子龍於臺銀創新實驗室合影，這裡正是「智能分析助理」專案發想與驗證的起點。

為了改變，臺銀組成了一支超強隊伍

在這個專案，臺銀找來的合作對象，是臺大資管團隊、IBM，與敦陽科技。

臺大資管團隊扛下最前端的技術研究，包括RAG架構怎麼設計、提示詞怎麼寫、雜亂的公開資料怎麼清理成AI讀得懂的格式。敦陽科技則是把研究成果落地的人，負責整個專案的管理與雲端系統規劃架設，一步步把技術搬進臺銀真正能用的系統裡。

IBM團隊，則是負責技術指導與驗證環境支援。系統最終建置在IBM watsonx.ai與watsonx Orchestrate之上，前者用來管理、測試不同的語言模型，後者讓技術團隊用拖拉模組的方式，把多個AI代理人串成一條自動化工作流程。

臺銀自己，則從業務需求、資訊安全、資料治理到法令遵循，全程參與規劃與驗證。身為龍頭公股銀行，把AI放進日常作業前，這些都是省不得的功課。

這套系統，用的不是一般的問答機器人邏輯。「代理式AI建立在生成式AI的基礎之上，進一步擁有感知、執行、記憶、學習等功能，並可串聯多流程與多工具，自動化完成任務。」盧建志解釋。

差別在哪？傳統的搜尋工具，同仁得自己上網查、自己讀、自己整理。智能分析助理則像一名會規劃的員工，先想清楚要去哪裡找、找什麼，再自己動手跨來源蒐集、摘要、彙整。

數十小時的人工作業，壓縮成報告生成後，同仁只需要花約一小時審核與確認。這一小時，同仁不再是花苦工查找資料的人，而是憑多年經驗做出最佳判斷的人。

臺銀布局LLMOps與AI治理，兼顧模型全生命週期管理、法遵與風險控管。

公開資料上雲端，機敏資料留地端

概念驗證階段，臺銀刻意只用公開資料：政府網站、產業觀測站、企業公開資訊。這不是技術限制，是一條刻意劃下的安全紅線。

「有些外部公開資料放在雲端沒有問題，但是內部資料，尤其是徵信報告，當然更勢必要用地端！」盧建志說得明確，眼下的雲端概念驗證，驗證的是技術可不可行；真正要碰到臺銀內部機敏資料的那一天，系統得整套搬進地端機房。

這也是臺銀規劃中的下一步：建置LLMOps（大型語言模型維運）平台，把傳統機器學習模型與大型語言模型，一併納入從訓練、部署到成效追蹤的全生命週期控管。同時間，臺銀也在同步建立AI治理制度。效率之外，還要顧法遵、顧風險。

智能分析助理的服務對象，也不會只停在總行徵信部。盧建志透露，相關單位未來承作企業貸款時，也能直接沿用這套系統產出的報告：大額案件截取詳細分析，小額案件截取重點摘要，依案件規模彈性取用。

二十家金融同業，合作打造一顆專屬大腦

比起單一專案的成敗，盧建志更在意的是臺銀在AI浪潮裡的位置。

「代理式AI，我們認為是下一波重點發展方向。」他說。除了智能分析助理，臺銀也偕同十九家金融同業，投入臺灣第一個金融主權大語言模型專案：「金融主權大語言模型（FinLLM）」專案。這個模型未來能進一步用臺銀自己的資料做微調，變成專屬於臺銀的主權AI模型，不必依賴外部大型語言模型，也不必把機敏資料暴露在雲端。

「金融業不論是導入預測式AI、生成式AI、代理式AI或主權式AI，不只是追求新技術的應用，而是如何在兼顧資安、法遵與風險管理的前提下，找到適合金融業務需求的應用模式，達到真正的效益與目的。」盧建志這句話，或許是這整個專案最好的註腳。

人工翻找徵信資料的日子，正在從臺銀的日常工作裡淡出。從九大產業的月報，到二十家金融同業共築的主權AI，臺銀走的每一步都很清楚：公開資料能不能上雲、機敏資料該不該落地、效率提升之後，誰來把關。

代理式AI，正在成為金融業下一波的共同方向。臺銀沒有觀望，而是率先動手做了一輪概念驗證，把問題一一想清楚。這是這家百年公股銀行，走在前面交出的答案。