曾韵表示，過去銀行一直是客戶理財決策的重要諮詢窗口，無論查詢帳戶、信用卡、貸款、投資績效，或評估是否適合申辦金融商品，多半透過銀行App、客服或理專取得資訊。不過，隨著生成式AI普及，愈來愈多原本發生在銀行場景的對話，將轉移至AI對話介面，銀行必須重新思考與客戶互動的方式。
零售金融未來應從產品管理，逐步走向客戶整體經營，不再只是思考「哪項產品適合賣給客戶」，而是掌握「客戶目前處於什麼狀態、需要什麼服務」，並主動提供建議。安永建議，以機器學習與生成式AI兩大技術架構，打造更精準的客戶經營模式。
在機器學習方面，曾韵表示，其核心價值在於辨識跨產品、跨時間及跨行為的「複合訊號」。例如，信用卡額度使用率提高，若同時薪資穩定入帳、存款維持一定水位且正常還款，未必代表風險增加；但若伴隨存款下降、僅繳最低應繳金額或其他資金調度行為，就可能反映現金流壓力升高。透過機器學習分析多項行為變化，銀行可更早發現風險，也能更精準掌握經營機會。
至於生成式AI，則著重在理解、整理與互動。曾韵表示，當銀行透過模型掌握客戶風險分群、行為變化及潛在需求後，生成式AI可協助整理客戶狀態、解釋模型結果，並建議前線人員如何與客戶溝通，提升服務效率與互動品質。
曾韵認為，銀行需要的不只是建立模型，更需要將資料盤點、評分設計、策略規劃及模型應用整合進日常營運流程，讓AI真正成為決策工具，而非停留在後台報表或一次性專案成果。
曾韵提醒，未來零售金融的競爭焦點，將不再只是產品、利率或App功能，而是誰能更早理解客戶需求、預判客戶決策，並在客戶做出選擇前提供最有價值的服務。若銀行能整合跨產品資料，結合機器學習與生成式AI雙AI引擎，就有機會從傳統產品管理，邁向更即時、更精準且更具溫度的客戶經營模式。
點擊閱讀下一則新聞
