PPT_主題

M3　金融科技

核心重點總表

主題／面向	核心問題	定性分析重點	定量／Excel 分析	學習成果
工具選擇	科技是否解決真實痛點？	API、電子單據、AI 審查、e-KYC、RegTech	效益、成本、風險與導入難度加權	導入優先序
資料與內控	自動化是否可安全運作？	資料品質、權限、雙重核准、金鑰及版本管理	流程成熟度評分	治理清單
模型與資安	自動判斷是否可靠？	AI 偏誤、模型漂移、資安、第三方與韌性	異常警示及人工覆核	風險控制

一、可觀察的學習成果

層次	學生完成本單元後能夠
理解	說明金融科技如何改變付款、文件、信用與合規流程。
分析	辨識科技導入前必須具備的資料與流程條件。
操作	建立工具比較、權限、異常警示與人工覆核表。
判斷	區分適合自動化與必須保留人工核准的工作。
查核	檢查資安、法規、供應商、資料及合作夥伴接受度。

二、核心概念與實務敘述

金融科技的核心不是把金融搬到手機，而是用軟體、資料、網路與自動化重新設計支付、融資、身份驗證、信用評估及合規流程。

API Banking 可讓 ERP 直接發送付款指示、查詢餘額與取得交易狀態，但需權限分層、雙重核准、金額限額、金鑰管理及例外處理。

AI 可協助文件比對、信用評分與異常偵測，但資料偏誤、樣本不足與市場改變會造成模型風險，因此高風險決策仍需人工覆核。

三、定性分析與學生任務

練習：金融科技導入優先序

情境：一家出口商仍以人工登入網銀、Excel 對帳及人工檢查信用狀單據。管理層考慮導入銀行 API、AI 文件審查、電子提單平台及區塊鏈追蹤，但預算有限。

學生要處理的項目	作答要求
痛點定義	先說明目前錯誤、延誤、重工與風險發生在哪裡。
方案比較	比較四種工具的效益、成本、導入難度與風險。
治理設計	提出權限、核准、資料、模型與資安控制。
試點方案	選一項先試點，定義 KPI 與停止條件。

◆教師版｜參考答案

通常可優先從資料與流程較成熟、範圍較清楚的 AI 文件審查或銀行 API 小規模試點；但前提是文件格式、主資料、核准流程及資安控制已建立。電子提單與區塊鏈追蹤則更依賴外部夥伴與法律效力。

◆教師版｜判斷理由

工具價值取決於痛點、資料品質及流程成熟度，而不是技術新穎度。API 會把錯誤高速自動化；AI 文件審查若缺乏可靠主檔與人工覆核，也可能產生大量錯誤警示或漏判。

◆教師版｜可能的不同答案

若企業最大痛點是無法即時取得付款狀態，銀行 API 可能優先；若信用狀不符點成本高，AI 文件審查可能優先；若核心客戶與承運人已共同採用電子文件平台，電子提單也可能先行。

四、定量分析與評分規準

分數	改善效益	導入容易度	成本可控	風險安全
5	直接降低高頻錯誤或時間	可用現有資料與流程	成本透明且可試點	控制成熟
3	有改善但範圍有限	需部分整合	成本中等	需補控制
1	效益不清	高度依賴重建流程或外部夥伴	成本不明或高	資安／法規風險高

學生作答表

工具	改善效益	導入容易度	成本可控	風險安全	加權結果	優先序
銀行 API
AI 文件審查
電子提單平台
區塊鏈追蹤

公式／計算提示

加權結果＝改善效益 30%＋導入容易度 25%＋成本可控 25%＋風險安全 20%。另設必要條件：未完成權限、資安與人工覆核者不得正式上線。

◆教師版｜量化參考與解讀

參考上，AI 文件審查常可作局部試點，銀行 API 則需較強內控。若合作夥伴接受度或法律效力權重提高，電子提單／區塊鏈方案排序可能下降；若多方資料不一致是主要痛點，排序可能上升。

五、AI 結果查核、課堂操作與評量

項目	要求
AI 使用	可協助整理需求、測試案例與異常規則，但不能自行核准付款、授信或合規結論。
人工查核	銀行 API 契約、資料權限、電子文件法律效力、資安測試、模型表現與第三方風險。
課堂成果	工具評分表、試點章程、權限矩陣及 KPI。
評量重點	能否先定義問題，再選工具，並保留必要人工控制。