當ChatGPT浪潮吹進台灣時，企業又愛又擔心，尤其是金融業，從iThome 2023年CIO大調查結果可以看到，高達6成金融業者的第一反應是，強化自家員工的ChatGPT資安意識，甚至有近4成6的金融業者更是直接下令在內部網路中禁用ChatGPT相關網址，深怕不小心就外流了企業的機敏資訊到上面而曝光。

不過，也有2成金融業者反過來鼓勵自家員工試試看，更有39%金融業者開始評估，各種生成式AI的可行性，金融業看重生成式AI的企業比重，遠高於整體產業的平均比例，這也反映出ChatGPT浪潮，開始讓金融業認真看待生成式AI的價值和可行性，而且比其他產業更加的積極思考生成式AI在企業應用的可能性。

一方面高度警戒，另一方面又高度感興趣，金融業對ChatGPT浪潮的反應相當兩極，這反映出，金融業想要擁抱ChatGPT，但是，擔心背後風險的不可控程度，真正的問題不是要不要用，而是該怎麼用它？

ChatGPT去年剛現身時，就以擬人般的對話能力獲得高度關注，不過，有位銀行資訊主管一看到這項新技術，第一時間就要求客服團隊先不要用。「這項技術的不確定性，出現任何一個閃失，都可能造成顧客的災難。」這位IT主管私下這樣對我説。

銀行是一個無法容忍誤差的行業，甚至是，所有銀行資訊系統中，與金錢有關的資料欄位，都避免甚至禁止使用浮點數，尤其是交易類的系統，就是為了確保每一筆錢的計算都精準，不能有任何小數點。

為何摩根大通銀行年初下達ChatGPT暫時限用令？

正是擔心ChatGPT相關技術的不可控性和不確定性，所以，就算是目前率先開始評估ChatGPT的金融圈先行者，也不敢輕易就直接運用到交易系統，或是直接面對顧客的場景中，如公開表明正在進行ChatGPT技術評估的摩根大通集團，旗下銀行第一時間也先對員工下達暫時限制使用令，不只國外，台灣也有銀行發布了ChatGPT內部禁用令。

從頭打造一套ChatGPT背後大型語言模型和訓練成本可能上億美元，相當驚人，但對 2023年IT預算高達153億美元（約台幣4,700億元）的摩根大通集團 而言，1億美元只是IT預算的幾個百分比零頭，禁用ChatGPT不是IT預算不足的問題。

更不用説，摩根大通這幾年發展的AI應用案例超過300個，涵蓋了風險、潛在顧客挖掘、市場行銷、顧客體驗和詐欺防範等領域的AI應用案例，例如在消費市場領域，已有25個利用AI來提供個人化的產品和顧客體驗應用，創造了2.2億美元的價值。

在2023年投資者日活動（5月22日）時，摩根大通全球資訊長Lori Beer更透露，這300個應用已經影響了10億美元的業務價值，這是摩根大通在2021年訂下的3年目標，但提前在去年達成，因此，摩根大通今年甚至將AI對業務影響金額的KPI目標，提高到了15億美元。摩根大通集團，非常清楚，AI對金融業可以帶來的業務實質價值。

摩根大通不是因為錢，也不是不清楚AI的價值，會因為AI人力不足而無法用ChatGPT嗎？

統計到2023年，摩根大通集團擁有900多位資料科學家，600位機器學習工程師和1千多名資料管理人員，更有一個200人規模的AI專門研究團隊，他們自己揭露，在知名銀行AI成熟度指標Evient AI評比上，摩根大通名列第一。所以，AI研發人力更不是摩根大通集團不敢輕易用ChatGPT技術直接面對顧客的關鍵門檻。

更不用説，不只Open AI、微軟，連Google、Nvidia、AWS等科技巨頭，都開始透SaaS服務形式，來提供ChatGPT類技術，或GPT類LLM模型的商用服務，透過公雲服務等級的法遵配套，以及商業契約形式的機敏資料約束擔保（如保證上傳資料不會用於契約外的運用）。

以目前實務經驗來看，企業使用SaaS形式的GPT技術服務，每個月所需要投入的費用其實不算高，有位台灣新創執行長告訴我，只需數百美元就能嘗試不少GPT類應用。

SaaS服務的好處是可以用多少付多少。從Open AI在3月初開始提供商用ChatGPT模型客製化服務後，陸續看到不少企業嘗試上傳自己的資料，來微調（Finetune）客製版ChatGPT模型，不過，先前那位對客服下達禁用令的銀行IT主管，也對微調客製化模型，先説「不」。

不是不用，場景和時機更關鍵

「不是不用，而是時機未到！」他認為：「需要到調校模型的前提是，AI模型產生的結果，雖不完美但可以接受時，才值得做。」所以，他要求下屬直接用現成生成式模型，進行概念驗證，根據他的評估，目前還沒到需要投入資料，進行微調的階段。

這位金融主管的想法，與英國頂級休旅車公司捷豹路虎Jaguar擔心的ChatGPT長期成本考量一樣。捷豹路虎的擔心是，日後若想要將SaaS形式ChatGPT類技術服務，客製運用到不同的任務用途，每一次，只要需求、任務有些微不同，就需要一筆少少的微調費用，看似不多，但積數百個「少」會變成真的「多」，這個不可預估總成本的不確定感，讓他們轉而思考，能不能從Prompt提示問題下手。 捷豹路虎經驗也很有意思，請看另文補充 。

對金融業者而言， 想要擁抱ChatGPT，真正的痛點是如何找出使用場景。 而且不只金融，對同樣高度擔心ChatGPT不確定性和不可控性的任何產業或企業，都是如此。

就我觀察，多數開始嘗試ChatGPT的企業，仍把生成式AI視為文章產生器的技術，來提高生產力，不論式產生行銷文章，或是內部研究報告，專案計畫內容等，本質上都同樣是文章生成。

目前最可能的ChatGPT或GPT類LLM技術的使用場景，我認為是， 用ChatGPT優化內部作業流程，提高內部的生產力 。舉例來説，在保險場景運用生成式AI的可能性最高。

生成式AI應用可能：保險員內訓場景

這幾年，保險業早就開始運用Chatbot技術，來訓練新進的保險業務員，傳統做法上，新進保險業務人員，得閲讀大量文件或者觀看大量事先錄製的教育訓練影片，來訓練與顧客的應答。已經有台灣的金融業者，開始評估如何運用到保險業務的內部訓練上，像是運用AI來整理或摘要，大量（尤其對新人來説）保險產品或相關説明文字的搜尋。

這正是為何 摩根士丹利財管使用GPT-4來支援理財顧問 的案例，引起各國金融業熱烈討論的緣故，包括台灣金融圈。這家公司用GPT-4來整理龐大的現成公開知識來支援真人理財顧問，讓這些顧問更有能力面對外面顧客，而不是直接用AI來提供面對外面顧客的客服機器人。

不是用來直接面對顧客，而是透過「人機協作」策略， 讓人作為把關的窗口，也能善用既有的稽核、審查、控管流程或機制，來發揮目前仍有高度不確定性和不可控性的ChatGPT技術。

AI人機協作待解課題：真人變AI圖章

不過，長期來説，這種人機協作還是有一個課題待解，會不會讓這些新手保險業務員，喪失了過去那種靠辛苦自學而來的成長能力，反正有AI幫我整理和摘要，我就可以不用那麼辛苦自學，靠「人」作為把關，資深人員是靠過去「非AI輔助」的經驗來建立這樣的判斷人力。

可是，10年後，新一代「AI輔助」下的保險業務員，變成老手後，會不會失去了足夠的真假判斷能力，仍舊靠「能力不足」的真人老手來把關，容易淪為「只是蓋章背責」的真人圖章，這是當前教育界，思考ChatGPT技術對學生影響的長期反思，不過，大家都還沒有答案，都在思索中。看重短期效益的業界，更需要好好參考的教育界對生成式AI長期思考的經驗。

面對新技術，總是得不斷嘗試， 不是問能不能用，而要思考，怎麼用更適合。 文☉王宏仁