網紅、接案終於能貸款！玉山AI模型，用銀行金流算出還款力

「AI從這些細節找到理財習慣『小動作』，」張智星解釋，「再以大量真實資料訓練AI，學習判斷準時還款的機率。」

簡言之，即便沒有正職工作或薪資單，只要金流穩定，AI便能建立信用輪廓。

玉山的AI財務評估模型，從去年9月開始試辦，僅前3個月，就有2千多件申請，實際核准案件為166件，放款金額突破3000萬元。

「這絕對是台灣金融業最該做的AI模型，」一名前金融業科技長肯定，因為在以中小企業為主的台灣，薪資領現的小型企業員工早已是金融弱勢者，「玉山能成功踏出第一步，很鼓舞士氣，讓很多金融業更敢想像，在各種場景、題目上嘗試用AI。」

克服三大難關，讓AI不犯錯

其實，玉山的團隊在之前花了整整半年，才讓AI逐步學會推估月收入。

傳統模型可以直接從薪資條、報稅單抓數據，但面對接案族、小店老闆、創業青年，玉山團隊只能轉向大數據，引用主計總處的薪資平台資訊，再透過自然語言分析，把各行各業的職稱分類，建立一套薪資水準參考表。

廣告

但這樣還不夠精準，因為「技術員」這個職稱，在半導體業與傳統產業的收入差距可能相當大。為了校準預估值，團隊開發爬蟲系統，透過銀行過去的結案資訊，以及網上的職缺資訊，查核模型推算的數字是否合理。

自由業者無論薪資高低都難借款，這個長年來無解的問題可望由AI突破。（謝佩穎攝）

第二個挑戰，是如何驗證AI真的判斷得準。

為此，玉山在訓練過程中，大量進行「平行驗測」：申請案件照舊由人工核貸，同時系統也同步記錄AI預估的月收入，兩邊比對之後，再由內部團隊做普查、出報告，最終確認AI的眼光與人眼相近。

甚至，實際上線後，每5件案子就抽一件人工複查，確認AI沒偏離判斷。

張智星說得直白，「這不是請AI推薦一首錯的歌，而是會影響一個人的生活，我們要對得起這份信任。」

廣告

但到了第三關，才是真正的大魔王。「比起說服金管會，做模型都算容易，」前述科技長分析，金融業審查機關保守謹慎，但生成式AI不像程式碼或邏輯演繹可以逐行追溯，如何說服主管機關模型不是黑箱，就是個難題。

為此，團隊進一步建構了「解釋型模型」，讓系統能清楚說明放款原因。

例如，雖然某申請人的工作年資較短（扣分），但交易活躍度高（加分），因此綜合起來，讓他越過了放款資格門檻。如此分析下來，就能證明這不是AI隨便亂猜的結果。

給AI機會，也要留意風險

透過透明的邏輯與模型結構，玉山成功說服金管會，成為全台第一個獲得輕量沙盒許可的AI財務評估模型。

在玉山，AI不再只是口號，而是深入到每個層面。

例如，在流程自動化上，只要客戶上傳身分證件，AI便能即時辨識欄位資料、分類登錄，減少人工耗時。在客服應用上，目前玉山已有超過三分之一的電話諮詢由AI應答，並能將對話轉為逐字稿，提取關鍵問題。

廣告

然而，導入AI的過程，不只是技術挑戰，更是判斷與取捨的藝術。

張智星分享，企業使用AI可以參考玉山的準則，先建立「四個問號」來把關：合不合法規？風險能不能接受？技術能不能支援？商業價值夠不夠大？

尤其，當AI面對的是客戶時，任何「看起來合理」的判斷，一旦錯了，就可能造成無法彌補的後果。

「我們要會用AI，也要知道什麼地方不該用，」他形容道，「AI就如同一台自駕車，要有煞車和安全系統，才敢踩油門。」

---

【AI金融應用心法】

1. 合不合法規？確認AI模型符合主管機關要求。

2. 風險能不能接受？評估判斷錯誤造成的後果。

3. 技術能不能支援？檢視團隊與技術成熟度。

4. 商業價值夠不夠大？AI投入須創造實質效益。

---

（責任編輯：張蕙蘭）