企業出題，人才解題！玉山銀行運用 AWS 打詐，善用 AI 保障金融安全

「這會不會是詐騙？」成了許多民眾在日常生活中越來越熟悉的一句自問。根據警政署 165 打詐儀表板統計，2025 年上半年詐騙金額已高達新台幣 480 億元。且在科技快速進步的同時，詐騙手法也不斷翻新，從假投資、假交友到複雜的金流轉帳網絡，讓「防詐」不再只是個人警覺的問題，而是攸關金融體系與社會信任的結構性挑戰。在這條不斷演化的詐騙鏈中，銀行，正是金流能否被攔下的最後一道防線。

👉收聽完整集數

防詐不是比誰模型準，而是銀行的高風險決策考題

「談到金融 AI，很多人第一個想到的是量化交易、怎麼賺錢；但對銀行來說，風險控管與金融安全，永遠排在獲利之前。」張智星直言。這也是為什麼，早在 2017 年成立 AI 團隊時，玉山並未優先投入高報酬模型，而是從信用卡盜刷偵測、反洗錢等風控應用做起，逐步延伸至近年備受關注的防詐領域。原因很現實，詐騙集團的「商業模式」高度成熟，一旦金流順利出境，追回的機率極低。

但防詐真正的難題，並不只是模型準不準。張智星指出，AI 防詐的本質是在「預測未來行為」，而這本來就充滿高度不確定性。「抓得太嚴，一般民眾可能領不到錢；抓得太鬆，詐騙集團就能順利出金。」這種誤判成本極高的決策情境，使防詐成為一場在效率、準確與使用者體驗之間反覆拉鋸的工程。

為了應對兩難，玉山的技術策略相當有趣。「生成式 AI 就像中文系，擅長文字與影像理解；傳統決策式 AI 則像數學系，強於邏輯運算。」張智星以「文科生」與「理科生」作比喻，形象地說明兩種 AI 的差異。過去，這兩條技術路線壁壘分明，如今玉山選擇讓它們聯手。以 ATM 防詐為例，系統會先透過生成式 AI 分析影像，辨識提款者是否出現「邊講電話邊領錢」或「神情緊張」等異常行為；再交由後端決策模型，結合交易數據進行判斷，辨識是否具備車手特徵。這種「文理雙修」的協作方式，讓 AI 的決策不再只依賴單一數值，而是更貼近人類對異常行為的理解。

把真實世界搬進賽場：AI 防詐的人才壓力測試

然技術是需要有人才才能落地。今年邁入第 11 屆「AI CUP 玉山人工智慧公開挑戰賽」，主題正是「精準揪出警示帳戶」。這不是場紙上談兵的競賽，邀請學生與社會人士，從大量且高度複雜的轉帳交易資料中，找出潛在異常行為，提前阻斷詐騙金流。

玉山釋出了高達 500 萬筆去識別化的真實交易資料，這在學界極為罕見 。張智星強調，真實世界的資料充滿雜訊，這才是最殘酷也最有效的練習場。複賽更採用高壓的「黑客松」模式，要求選手在 1.5 小時內面對全新資料，即時修正模型並產出預測 ，考驗的不只是演算法，更是臨場應變的實戰力。要支撐如此高強度的運算，除了資料，還需要足以應付現實世界的算力。而玉山金控與AWS長期就雲端服務進行合作，並曾獲國際財經媒體《The Asset》頒發台灣最佳雲端創新專案大獎 。這也是玉山持續選擇 Amazon Web Services (AWS) 作為競賽與實務夥伴的關鍵原因。

「就像雙 11 流量會爆衝，金融交易量在特定促銷時也會瞬間暴增。」張智星用電商作比喻，若自建機房將難以應對這種瞬間尖峰，而 AWS 的核心優勢在於「可擴展性」，能瞬間開啟數十台虛擬機應對推論需求，峰值過後又彈性縮編，兼顧成本與穩定 。除此之外，金融行業特別講求資料的安全性，AWS 在資安防護上的高標準，以及伺服器運作的穩定性，使得服務中斷的機率幾乎為 0，保障企業能為顧客提供不間斷的服務。此外，透過導入 Amazon SageMaker 等 AI 機器學習服務，參賽學生能直接接觸金融業的真實開發環境。

從單點技術到整體生態系，AI 防詐的未來樣貌

回到更長遠的視角，張智星認為AI防詐的未來，不會只靠單一技術突破，而是一整個生態系的演進。模型會進化、資料會變多，但真正關鍵的，仍是「人」。「AI 不會取代你，會取代你的是會用 AI 的人。」但在金融場域，這句話還得加上一個前提：必須懂領域、守底線。金融業是高度監管的特許產業，資料治理與道德操守的重要性，往往不亞於技術本身。

透過舉辦競賽、與教育部及學界合作，玉山試圖建立一條管道，讓 AI 人才在進入職場前，就能理解防詐背後的兩難與責任。當詐騙手法不斷進化，防詐注定是一場沒有終點的軍備競賽。從企業開放真實問題出題、引入 AWS 雲端算力，到最後由人才解題，這場結合 AI、金融與教育的長期戰役，正在為台灣的數位金融安全，補上最關鍵的一塊拼圖。

到《科技潮什麼》了解更多AWS服務與企業成功案例！