金管會指導成立的金融科技產業聯盟，今日在金融科技創新園區FinTechSpace 舉辦「金融大語言模型(FinLLM)」專案啟動記者會，由國內16家指標性金融機機構，攜手台灣金融研訓院、資訊工業策進會、政治大學金融科技研究中心、亞太智能機器等單位共同參與，宣示要打造「在地化最懂台灣金融」的大語言模型。
中信金資訊長賈景光指出，此為推理型大語言模型，後續還要分階段擴大模型能力，預估第三季推出初版模型，第四季發表最終版模型，之後還能擴散到保險業與證券業。
賈景光說，對金融業來說，各銀行未來可以直接部署，發展各自的落地業務應用，融入自家銀行的專業知識，發展各自專屬語言模型。
「今天只是啟動，不是啟用，只是個開始！」身為專案召集人的中信銀董事長陳佳文指出，金融業界一起來做，有三個好處，首先是資料有互補性，每個銀行的強項不一樣，特殊領域也不一樣，給AI越多好的資訊，它會學得越快越好。其次，大家可以分攤算力成本。
陳佳文說，第三的好處是把業界的標準統一，舉例來說，AI如果是個銀行員，中國信託的行員需要跟兆豐的行員打電話、溝通，如果產業標準不一樣，科技介接就會產生問題。如今，大語言模型做好後，大家各自帶回去應用，只要加上每個銀行各自獨特產品跟獨特流程，訓練起來就會非常快。
參與此一模型開發的16家指標性金融機機構，包括中信金控、中華郵政、台新新光金控、永豐金控、合庫金控、兆豐金控、第一金控、將來銀行、國泰金控、富邦金控、華南金控、凱基金控、彰化銀行、臺灣銀行、臺灣土地銀行、臺灣中小企業銀行。
隨著生成式AI浪潮席捲全球，通用大語言模型在處理專業金融領域時，常面臨不夠在地化、且難以對接國內金融業務知識與規範等痛點。
「通用大語言模型，有如外國學生在台灣要考試，你給它一堆參考書，它只能不斷地查答案，在時間壓力下，很可能只先抓片段的資訊給你，而且可能不是台灣本地的資訊；反之，如果有在地的大語言模型，有如本國學生已有在地知識，只需要補充給它最新的資訊！」中信金資訊長賈景光比喻說。
為此，聯盟交由中信金擔任專案召集人，發起金融大語言模型專案，目前已列入國家級AI新十大建設的行動方案之一，亦基於數發部的主權AI語料庫，同時攜手金融研訓院、資策會、政大金融科技研究中心與亞太智能機器等合作夥伴，打通合法資料授權、模型訓練與評測、商業模式與維運機制等各個環節，以打造兼具在地化與專業度的金融AI基礎建設，提升台灣金融業整體科技競爭力。
本次專案的亮點包括，推動金融業從「各自研發」轉向「集體協作」的新模式。聯盟指出，透過16家金融機構的群體力量，加上實務場景的深度整合，不僅能大幅降低單一機構發展大語言模型的技術與資源門檻，更能藉此建立具備一致性資訊安全與作業標準的應用典範。
其次則是透合法授權資料，增強模型可解釋性，透過聯盟銀行共同進行審議，建立標準化評測基準，以形成對台灣金融知識判斷能力的共通標準，達成監管要求。
展望未來，金融大語言模型將以金融知識、法規理解與業務推理為核心，打造可落地、可擴充的金融AI能力。隨著模型完成提供16家專案創始機構應用，將持續思考規劃擴大服務範疇，助力台灣金融業由「應用AI」邁向「掌握AI」，在AI時代穩健前行，共創產業關鍵優勢。
中信銀董事長陳佳文同時分享中信金AI導入進展，他說，現在資訊人員可在AI幫助下，檢查修改程式，節省很多時間；風控人員可利用AI做防偽偵測跟詐欺預防；客服人員可以利用AI幫忙回答客戶問題；理專可利用AI幫忙檢視成千上百頁產品說明書，然後很快可以給比較明確的答案。
陳佳文也分享他心目中的世界3家標竿銀行（摩根大通銀行、加拿大皇家銀行、DBS），也就是過去3年，ROE（股東權益報酬率）都在15%以上，PB（股價淨值比）維持2倍以上，且這3家銀行的共同特色就是在數位技術跟AI應用遙遙領先同業，像是摩根大通宣稱去年投入科技跟AI相關的經費是150億美金，給台灣金融業啟發，而這正是它維持全世界最強金融機構必要投資。
本文由《品觀點》授權提供
