金融科技的應用，應以客戶需求為依歸，而不是為了實驗金融科技而應用科技。面對快速變遷，金融機構需要關注人工智慧發展趨勢，攜手科技公司，提升人工智慧相關金融應用知識，以激發創新應用。
自人類在1950年代發明電腦後，如何讓機器具備人類智慧，一直是科學家嘗試突破的領域。1956年的達特茅斯會議揭櫫了人工智慧（Artificial Intelligence），寄望機器能夠解決各種目前只有人類能解決的問題，以及能夠自我改善。雖然人工智慧各項理論在早期研究時期即已奠定基礎，但是受限於各種因素，人工智慧經歷過兩次低潮，直到2014年再度成為世人的焦點。
而這次的熱潮在於三個重大的要素交互作用，也讓人工智慧應用進入新的領域，這三個要素是強大的計算能力、高品質的大數據以及機器學習演算法的發展。
金融業是最早應用計算機技術的產業之一，對於接受新科技並不陌生。因此分析人工智慧在金融業的應用可分成四個層次，第一層次的基礎架構是由資料及分析能力所組成。以資料為基礎，金融業探索各種理論，如機器學習、深度學習、自然語意分析、圖像辨識等等，已建構第二層次的人工智慧元件。
第三層次則是將各種元件進行組合各種解決方案，如虛擬語音助理（Virtual Assistants）、機器人流程自動化（Robotic Process Automation）、自動化投資顧問服務（Expert Advisors）等等。最後一個層次則是將各種解決方案依據客戶所處的情境，提供最適當的服務給客戶。
提升人工智慧的金融應用知識
金融科技的應用，都應該是以客戶需求為基本依歸，任何金融創新都應該圍繞著客戶需求為基礎，而不是為了實驗金融科技而應用科技。同時科技的發展日益快速，金融機構畢竟不是科技公司，因此面對快速的技術變遷，如人工智慧，金融機構是無法自行獨立發展。因此金融機構需要關注人工智慧發展趨勢，與科技公司合作，適時引進人工智慧應用。
同時人工智慧的應用充滿各種可能性，金融機構應該整合外部資源共同探索人工智慧在金融業的應用。最後，要善用人工智慧於金融業，需要提升人工智慧相關金融知識，以激發創新應用。
網路經濟的時代，隨時掌握客戶需求，以客戶期待為中心，持續於適當時機以「迭代」方式提供金融服務已成為基本運作準則。以台新銀行Richart為例，目標客戶群體為熟悉網路經濟的群體，因此僅以8個月的時間即推出適合網路世代的服務內容，並持續推出新功能，至今已有30個版本，平均每個月推出一個版本。而在人工智慧應用上，以智能投資為例，從AI依據客戶投資偏好提供智能投資推薦組合、自動建議客戶調整組合，到全委AI投資的服務，也逐漸在市場上出現。
另一項人工智慧應用，則是語音／文字客服為基礎，所衍生的對話機器人（Chatbot），應用人工智慧技術建構一對一的對話問答，可解析口語問題以提高回覆內容之準確性，亦可加入對話式問答，提升優良的服務品質，同時增加產品的滲透度。人工智慧可以是一項很複雜、同時也是很簡單的科技應用，所有運用的原則只有一個，將客戶擺在產品規劃的核心，了解某項人工智慧的應用，能夠對客戶帶來什麼樣的價值或解決什麼痛點，才是真正有效的應用。
如同人工智慧的應用，區塊鏈則是另一個需要密切關注的科技創新領域。區塊鏈技術是加密貨幣的底層技術，吸引最多新聞關注的焦點多為加密貨幣的暴起暴落，而首次代幣發行（ICO：Initial Coin Offering）也在不同國家產生爭議，甚至有國家全面禁止加密貨幣交易以及I CO。雖然如此，仍有銀行嘗試運用加密貨幣的機制進行代碼化（Tokenization）的應用，運用其低成本、不易竄改、可進行網路交易的特性，進行小金額消費或是各種點數的交換，例如GLN（Global Loyalty Network）即應用區塊鏈技術，規劃跨國、跨單位的點數兌換機制，提供成員企業的客戶更方便的跨境服務。
金融業導入AI須注意4大重點
人工智慧的應用，在未來仍將會是非常重要的探索領域，但是在導入人工智慧的應用中需要注意以下幾點：
一、區分通用型AI與專業型AI的界線：避免將現時可行的技術與未來5到10年的技術混在一起，過度期待人工智慧專案的成效。目前人工智慧的發展仍侷限於特定用途，也就是專業型AI，在可見的未來期望人工智慧能夠像人類一樣思考，但是全面取代人類是不切實際的，反而應該規劃如何以現在成熟的技術協助人類更有效的完成工作。
二、選擇適當的應用：啟動人工智慧的應用需確認要達到的目標為何？應針對專案實際需求而選擇適合的技術，不應該為了一時熱潮而執行專案。當題目不清楚，不知道要達成什麼目的，要找什麼因子或是特徵值時，是沒有辦法讓機器「學習」的。
三、數據仍是重點：想要尋找的答案要有足夠且完整的資料，新資料的權重、相關性，以及數量仍是最重要的議題，就如同人類獲得智慧是不斷的從書本、日常生活中「學習」而來，因此，選擇應用目的的一個重要要素為，是否有足夠的數據，能夠讓機器可以學習。
四、設定合理的期望值：導入人工智慧是一個不斷學習、修正的過程，設定過高的期望值，容易導致專案無法短時間達到目標而失敗。專案應從小規模的應用開始，再逐步擴大至多樣化的應用。
不論是人工智慧或是區塊鏈的創新應用，都充滿了各種樂觀的預測以及保守的推論，金融機構唯有持續關注創新科技的發展，依據自身策略適時的投入資源，才能夠在創新的道路上走得更加穩健。
