AI帶動銀行典範移轉？ 安永：雙引擎打造零售金融新商機

AI 席捲銀行業，過去銀行透過 App、客服、理專與客戶互動，未來客戶可先問 AI、釐清需求與比較條件後才會找銀行，銀行恐成「被選擇」的被動角色。安永諮詢服務股份有限公司執行副總經理曾韵指出， AI 帶動的新典範移轉趨勢已逐漸成形，建議零售銀行採用「雙 AI 引擎」，化被動為主動，經營為客戶量身打造的新商機。
 
曾韵表示，過去當客戶需要全方位理財服務時，銀行一直是主要諮詢對象。當客戶想知道帳戶餘額、信用卡支出、貸款狀況、投資損益，或是評估自己是否適合申請某項金融產品時，通常會打開銀行 App，或是透過銀行客服、理專、業務人員取得答案，銀行扮演了金融資訊整理、解釋、決策引導，以及金融商品的提供者。隨著生成式 AI 逐漸進入日常生活，這個關係正在開始鬆動，過去多半發生在銀行場景的對話，未來可能越多轉向到 AI 對話介面中，成為銀行業的新典範移轉趨勢。
 
曾韵指出，為了因應這個重大轉變，越來越多銀行開始重新思考，零售金融是否應從產品別管理，逐步走向客戶層的整體決策能力，讓銀行從「這個產品能不能賣給這個客戶」，進一步轉向「這個客戶目前處於什麼狀態，銀行應該如何與他互動」，然後主動出擊。安永建議可以從機器學習與生成式 AI 這二大 AI 架構出發，為客戶量身打造、滿足需求。

一、機器學習協助辨識「複合訊號」

當銀行從單一產品視角，走向客戶層的整體經營時，必須關注多個行為訊號同時發生變化時，背後所代表的風險或機會。例如，信用卡額度使用率升高，本身未必一定代表風險升高。若客戶薪資穩定入帳、存款維持一定水位，且還款行為正常，這可能只是短期消費需求增加；但若額度使用率升高的同時，也伴隨存款下降、還款型態改變、僅繳最低應繳款的情形增加，或其他短期資金調度行為，就可能反映客戶現金流壓力正在累積。
 
機器學習的價值，是在銀行既有信用決策基礎上，協助辨識跨產品、跨時間與跨行為的複合訊號。透過這類方法，銀行有機會從大量客戶互動與交易行為中，更早發現風險變化，也更精準辨識潛在經營機會。

二、生成式AI 協助溝通「客戶需求」

生成式 AI 擅長「理解、整理與互動」，可以協助銀行理解客戶狀態、協助銀行人員與客戶溝通需求。例如，當銀行已經透過客戶層模型掌握客戶風險分群、行為變化與潛在需求後，生成式 AI 可以協助整理客戶狀態，說明近期行為變化，提示可能的風險或需求，讓前線人員理解模型結果，並建議如何用合適的方式與客戶溝通。
 
曾韵分析，銀行需要的不只是模型建置本身，更需要專業服務機構協助，從客戶資料盤點、評分設計、策略規劃，到將模型結果轉化為可應用的決策。對銀行而言，整個流程真正的價值在於把分析能力嵌入日常營運與客戶經營流程，而不是讓模型停留在後臺報表或一次性專案成果中。
 
曾韵提醒，未來零售金融的競爭，可能不再只是誰的產品比較多、誰的利率比較低、誰的 App 功能比較完整。真正的競爭，可能是誰能更早理解客戶狀態，誰能更準確辨識客戶需求，誰能在客戶形成決策之前，就提供有價值的互動與建議。因此，銀行若能整合跨產品資料，運用機器學習強化預測能力，再透過生成式 AI 改善理解與互動，就有機會從過去的產品管理，走向更精準、更即時、更有溫度的客戶經營。