從工具到「數字員工」：金融機構如何邁向AI原生

香港2026年11月12日 /美通社/ -- 人工智能（AI）正快速改變金融機構的運作模式。隨着生成式AI及AI代理的發展，金融機構需要思考的，已不只是如何利用AI提升效率，而是當AI能夠自主完成更多工作時，人與AI之間應如何重新分工和協作。

當AI逐漸深入營銷、催收等不同業務領域， AI從單純的輔助工具，成長為組織中的「數字員工」，與人類員工互動和協作，共同完成複雜業務任務。近期，微眾銀行數字金融發展部總經理助理、人工智能架構專家王亞盛對此分享了自己的見解。

從工具走向「數字員工」，先要打破知識孤島

要讓AI真正參與工作，其中一項重要挑戰是打破企業內部的「知識孤島」。

大型語言模型雖然具備強大的通用能力，但對企業內部的具體業務、決策過程和專業知識仍然缺乏足夠了解。尤其在真實的企業經營場景中，許多複雜的業務知識和經驗並未包含在模型的訓練之中。如果希望 AI 代理能夠端到端完成業務任務，就需要讓它掌握足夠的企業內部知識和業務上下文。

然而，這些知識往往分散於不同部門和系統之中。因此，金融機構需要打破內部的知識孤島，逐步構建企業級「知識大腦」，讓 AI 能夠有效獲取和運用完成任務所需的資訊。同時，建立知識持續積累、更新和反饋的閉環機制，讓 AI 能夠更好地參與產品開發、測試及其他複雜業務任務。

這亦對金融機構的技術基礎設施提出新的要求。AI技術正快速演變，底層架構需要保持開放、靈活及技術中立，能夠因應需要接入不同的技術、模型及GPU，快速適應技術變化。

工作可以交給AI，責任不能交給AI

隨着AI可以執行更多任務，金融機構亦需要面對一個更重要的問題：哪些工作可以交由AI自主完成，哪些決策仍然必須由人把關？

其中一個思路是採取「基於風險的自主權」（risk-based autonomy），按照不同應用場景的風險及影響程度，決定AI可以擁有多大的自主空間。

以信貸審批為例，AI代理可以協助進行評估和製作報告，但由於相關決定會直接影響客戶，最終決策仍需要由人作出。相對而言，在客戶服務的內部營運及支援場景，AI則可在風險可控的前提下承擔更高程度的自動化工作。以微眾銀行的實踐為例，透過傳統自然語言處理技術，超過95%的客戶服務需求已可自動處理，而大型語言模型則可進一步支援坐席處理較複雜的需求，並串連仿真培訓、摘要分析、自動外呼及實時質檢等內部營運環節，形成全鏈條應用。

因此，AI自主程度並非愈高愈好，而應與風險相匹配。背後的原則其實十分簡單：工作可以交給AI，但最終責任不能交給AI。 無論AI能夠承擔多少工作，業務負責人仍需要為業務和最終決定承擔責任。

當AI改變工作，組織也將隨之改變

當AI從工具逐步變成「數字員工」，改變的不只是工作流程，還包括企業本身的組織形態。

傳統組織通常有清晰的角色、職責和部門分工，並具有一定的層級架構。但在AI時代，這些界線可能逐步被打破。例如，微眾銀行正試行由三至五人組成的跨職能精簡團隊，成員不再局限於產品經理、前端或後端工程師等單一角色，而是共同作為「建設者」（builders），運用不同AI代理協作完成任務。

隨着這種人機協作模式持續發展，AI正逐步成為銀行日常運作的新型基礎能力，未來的組織形態亦會變得更加扁平、靈活和敏捷。從數字原生走向AI原生，並不只是引入更多AI工具，而是重新思考知識如何沉澱、團隊如何協作、崗位能力如何融合，以及系統如何為AI提供更佳的工作環境。與此同時，當AI演變為「數字員工」並承擔愈來愈多工作時，如何在AI自主與人類問責之間取得平衡，或會是金融機構邁向AI原生必須持續回應的核心課題。

SOURCE WeBank微眾銀行