印度SBI共同基金（SBI Mutual Fund）積極擁抱金融科技創新，上個月推出升級版投資應用程式「InvestTap Nxt」，運用生成式人工智慧（GenAI）提供個人化且具對話性的顧問服務。此舉不僅旨在提升投資人體驗，更將AI技術應用於內部風險管理，例如偵測潛在的內線交易，為業界樹立新的標竿。
數位轉型與個人化服務
印度SBI共同基金執行董事暨策略、數位與科技主管斯里尼瓦斯·傑恩（Srinivas Jain）指出，投資與財富管理服務正朝向更個人化與對話式發展。該公司透過AI，提供投資人360度全面的投資組合視圖及具體可行的洞察，協助他們在控制風險的同時規劃下一步投資。
InvestTap Nxt的推出，是繼先前的WhatsApp智慧助理之後的重大演進。傑恩說明，儘管WhatsApp聊天機器人高峰期曾服務近萬名客戶，但其功能受限，主要用於提供帳戶對帳單查詢。相對地，已累積六百萬次下載的InvestTap應用程式用戶，除了關注投資組合，還涵蓋開戶、投資教育等更廣泛的需求。
為滿足這些既有用戶，SBI共同基金選擇在現有應用程式基礎上建構AI框架，而非開發全新應用程式。對於新客戶，AI將成為主要的使用者介面；對於老客戶，AI則能以「輕推」方式，引導他們探索應用程式內的更多功能。未來，InvestTap Nxt也將持續發展語音識別功能，並支援包含印地語在內的區域語言，目標是讓使用者能以任何地方語言進行語音輸入與輸出。
技術架構與數據隱私
在技術層面，SBI共同基金採取自主開發的策略，掌握模型訓練、前端設計、開發與整體架構，以確保端到端的流程控制。傑恩強調，基於數據治理的考量，該公司原則上不將任何個人身份識別資料傳送給合作夥伴或外部AI模型。AI模型僅用於參考與推論，所有資料皆留存在公司內部的模型內容協議（MCP）連接器中，AI透過特定的工具呼叫（tool calls）來存取數據。
為實現此目標，該公司利用約400個現有的API接口進行工具整合，並為應用程式建置API層級的封裝，同時建立MCP閘道以最佳化請求路由。值得注意的是，他們並未直接使用雲端型大型語言模型（LLMs）的API呼叫，而是選擇在自有系統上運行本地端LLM實例。此舉旨在避免數據外移，即便僅是供參考使用，也希望將資料控管在內部，以實現數據安全。
AI模型的訓練資料主要來自其客戶服務中心的龐大語音腳本與客戶關係管理（CRM）工單，輔以WhatsApp互動資料。儘管在訓練初期曾遭遇舊有命名規範導致的錯誤辨識問題，但透過持續修正與學習，錯誤率已顯著降低。
投資回報與內部應用
針對生成式AI專案的投資報酬率（ROI），傑恩坦言目前難以立即量化，但他認為AI投資是提升使用者體驗的關鍵，並將其視為一項「消耗成本」，而非大規模資料中心建置。他指出，隨著技術的精進與優化，例如減少不必要的token用量，消耗成本將得以控制。未來，公司也正評估自建圖形處理器（GPU）伺服器群組的可能性。
除了面向客戶的服務，AI也在內部風險管理上發揮關鍵作用。傑恩舉例，投資管理界高度關注內線交易問題。SBI共同基金導入大型語言模型分析交易員及基金經理人所有的通話錄音。這些錄音結合交易數據與市場新聞進行標記，AI每天會識別出約8至10個潛在的內線交易警示（誤報），隨後再進行人工深入調查。這項應用大幅強化了內部監管，有助於預防重大不法事件發生。
此外，SBI共同基金也利用AI技術建構了業界首創的「財富指數」（Wealth Index），旨在提供超越單純共同基金追蹤的全面性財富管理視角，讓投資人能更清楚地了解其投資組合中的風險。
