第六，反映多元迅速，傳統聊天機器人設定，當客戶問到一半，突然跳到別的領域問題，例如突然問「台北現在正在下雨嗎」，傳統的聊天機器人無法應用設定問題集以外的問題，但生成式AI下的聊天機器人可以輕鬆的解決這個問題。
初期建構成本高需要良好的訓練設計
從技術上來看，這涉及到輸入介面的挑戰、辨識的挑戰、回饋機制的挑戰，甚至未來要進入語音對話，將更為擬真。
當然，以生成式AI技術解決客戶問題，也有許多現有的障礙需要克服，首先，它也有初期建置的高成本問題，生成式AI是藉由深度學習才能達成的技術，而深度學習本身需要透過大量的計算及訓練資料才能實現。其訓練過程在計算上有著硬體設備、電力等高額成本存在，而訓練的資料更是需要大量蒐集及人工標記，同樣需要高額成本。對銀行業來說，它可能需要透過真實的客服案例，不斷的訓練出基礎反應模式，再進行實用、修正、學習。
金融業為專門事業 AI要學會很多專門術語
生成式AI聊天機器人可能缺乏銀行業的特定領域知識，導致聊天機器人難以理解複雜的財務查詢、法規或銀行業特有的細微差別。這可能會導致回應不準確或不完整，從而使客戶感到挫折，「機器人聽不懂我的需求」。以下也將探討實務上可能面臨的問題。
是法遵上的挑戰，由於以聊天機器人解決客戶實體問題實屬創新應用，可能超出許多現有法令的規範，導致銀行陷入違反法遵的風險。例如，聊天機器人可以推薦基金給客戶嗎？它能被客戶授權查詢客戶的帳戶餘額嗎？它也面臨安全性、個資外洩的風險。
仍需要定期維護和更新，以確保其保持最新、準確和有效。這可能既耗時又昂貴，需要在技術資源和專業知識方面進行大量投資。
AI軟體必須和既有系統相容 降低風險
可能和現有銀行資訊系統相容性問題，將像ChatGPT這樣的軟體與現有銀行系統和程式步驟並用，可能具有挑戰性且耗時，可能會出現API使用介面限制和系統兼容性等問題，從而導致技術困難和延遲、甚至當機。
一開始聊天機器人可能缺乏許多客戶喜歡的人性化接觸，使他們在討論敏感的金融話題時感到不舒服或不安，沒有安全感，甚至用詞不當，導致客戶覺得被歧視，反過來向金管會投訴。
可能會誤解客戶意思，執行錯誤指令。聊天機器人可能會曲解或誤解客戶的查詢，做出錯誤的回應，從而導致客戶受挫、困惑，甚至經濟損失。例如客戶問「幫忙查一下那2萬元轉帳進來了沒」，機器人不精確地理解說「要轉帳2萬元出去嗎」。
銀行搶先AI商機 將大幅提高競爭力
是否會有語言障礙？銀行使用聊天機器人的野心，是能夠以語音對話和客戶交流，這涉及到收音和發話兩個程序的挑戰。收音，是要正確的辨識客戶的語意，可能難以理解具有不同口音、方言或語言變化的客戶，這可能會導致誤解或不正確的回應，對於打算經營全球市場的大銀行來說，可能是個特殊的問題。
然而，正因為生成式AI技術能帶來創新的商機，當企圖心積極的銀行能控制它可能帶來的風險之後，便能領先其他同業，享受對話式銀行業務帶來的大商機，吸引其他競爭對手的客戶轉到本行。
*本文選自164期台灣銀行家雜誌，授權轉載。
