客戶 Ignite 演講：Maurizio Poletto（Erste Group 平台長暨營運長）與 OpenAI ☕ Buy me a coffee

🧑‍🏫 這支是 OpenAI 和歐洲銀行集團 Erste Group 的對談。Erste 的平台負責人 Maurizio 分享，在規矩最多的銀行業，他們怎麼一開始就讓 AI 接上真實客戶資料、踩過哪些坑。內容也談到客戶真正怎麼跟 AI 互動，想在公司或自己工作裡推 AI 的人很有參考價值。

• 00:05 主持人 Fola Odundele 在倫敦負責 OpenAI 部分企業業務；來賓 Maurizio Poletto 是 Erste Group 的 Chief Platform Officer，背景涵蓋設計、創新與 fintech
  ↳ 主持人 Fola Odundele 在倫敦負責 OpenAI 部分企業業務。來賓 Maurizio 是 Erste Group 管平台的高層，背景有設計、創新和 fintech（用科技做金融服務，例如行動支付）。
• 00:05 Maurizio 主導打造 George，字幕稱它是歐洲領先的數位銀行平台之一
  ↳ George 是 Maurizio 帶頭打造的數位銀行平台，也就是客戶用手機或網頁辦銀行業務的那套系統。字幕說它是歐洲領先的數位銀行平台之一。
• 01:09 董事會從第一天就對 AI 很興奮。差別在於，當初只是個人私下體驗加上一堆 PowerPoint，現在則伴隨一連串要解決的問題
  ↳ 董事會一直看好 AI，這點沒變。變的是階段：以前只是各自私下試用、做簡報談願景；現在真的要落地，實際問題就一個接一個冒出來。
• 01:09 這些挑戰包括：如何推廣給員工並讓他們真的使用、如何合法合規，以及如何說服資安人員開放而不是封鎖
  ↳ 落地卡在三件事：員工會不會真的用、合不合法規、資安部門肯不肯放行。資安人員的本能是有風險就先擋，要說服他們開放並不容易。
• 01:40 他認為不解決這些挑戰就無法產生價值，而 Erste 目前正處在解決挑戰的過程中
  ↳ 意思是光有熱情沒用。這幾關沒過，AI 就只是展示品，不會替銀行帶來實際好處。Erste 自己也還在闖關，不是已經做完。
• 02:10 他認為 AI 不是炒作，而且會留下來。5-6 年前的 blockchain 也曾讓人很興奮，但後續沒有真的去處理一連串挑戰，AI 則根本上不同
  ↳ blockchain（區塊鏈，一種分散式記帳技術）幾年前也很紅，但熱潮過後沒人去解決實際困難。他認為 AI 不同，大家正一關關處理問題，所以會留下來。
• 02:40 在銀行業，一旦開始存取客戶資料就必須放慢，不能再用拼湊的方式做，要好好做
  ↳ 只用公開資訊時可以快速試錯。一旦 AI 碰到客戶的帳戶和交易資料，就不能東拼西湊、先上再說，必須放慢，把每個環節做紮實。
• 03:10 客戶資料是系統中最敏感的資訊。銀行業建立在信任上，而信任代價高昂，失去後要花一段時間才能重新贏回
  ↳ 客戶敢把錢交給銀行，靠的是信任。資料外洩或出錯一次，信任就垮，要花很久才修得回來。所以客戶資料是整個系統裡最碰不得的東西。
• 03:40 約 2 年半到 3 年前開始接觸 AI。很多銀行從不含客戶資料的內容著手，例如說明中心、公開入口網站資訊
  ↳ 他們大約兩年半到三年前開始碰 AI。當時多數銀行先拿不含客戶資料的內容來試，例如常見問題說明、官網公開資訊，就算出錯也不會傷到客戶隱私。
• 03:40 Erste 選擇走困難的路，從第一天就直接串接客戶資料。過程中犯了很多錯
  ↳ Erste 反其道而行，一開始就讓 AI 接上真實客戶資料。這條路風險高、規矩多，他也坦白說過程中犯了很多錯。
• 04:10 選擇困難路線的理由是：這件事終究要發生，不如馬上做。因此合規、資安都必須到位，事情也要做對
  ↳ 他的邏輯是：AI 遲早要用到客戶資料，繞不過去，不如早點面對。compliance（合規，確保做法符合法律與監管要求）和資安從一開始就得到位。
• 04:10 他說這個過程讓他們多了幾根白髮，但他認為值得。現在累積的知識讓他們有信心加快腳步
  ↳ 「多了幾根白髮」是說真的很辛苦。但最難的部分先啃下來，團隊學會在規範內處理客戶資料，之後做新東西就有把握，可以加速。
• 04:41 集團策略：生產力工具由各國自由選擇、快速推進，例如協助團隊學習文件、作業指引、政策的 chatbot。他不想成為各國同事的瓶頸
  ↳ 給員工用的生產力工具，交給各國自己決定、快速上線，例如能回答內部文件、作業流程、公司政策的 chatbot（聊天機器人）。他不想讓每件事都卡在總部。
• 05:11 面對客戶的 AI 則有明確規則：各國不准碰，一律由集團中央負責
  ↳ customer facing（直接給客戶用）的 AI 則完全相反：各國不准自己做，一律由集團總部負責。對內放手、對外收緊，是刻意的分工。
• 05:42 原因是集團在所有國家共用同一個數位平台，並希望在 app 上用客戶資料提供 AI 對話、理財建議與支援
  ↳ 因為所有國家的客戶都用同一套數位平台。總部想在 app 裡用客戶資料提供 AI 對話、理財建議和客服，如果各國各做一套，就會亂掉。
• 05:42 他們發現，客戶問的問題和銀行預想的並不一樣
  ↳ 上線後才發現，客戶問的跟銀行事先猜的不一樣。產品不能只靠內部想像，要看客戶實際怎麼用，再回頭調整。
• 06:13 他們從零售客戶開始，發現許多零售客戶還沒準備好和銀行對話。他們願意到分行和真人談，但只把數位銀行 app 當成工具使用
  ↳ 他們先從一般個人客戶開始試，發現很多人還不習慣跟銀行聊天。想談財務時，他們寧可去分行找真人；app 對他們來說只是轉帳查帳的工具。
• 06:13 客戶需要時間才能理解 app 可以是能對話的夥伴。這個過程要花一段時間，至今仍在進行
  ↳ 要讓客戶把 app 當成能問問題、能商量的對象，得慢慢養成習慣。這是認知上的轉變，急不來，到現在都還在進行。
• 06:43 他們的 AI 分兩種：reactive AI 由客戶主動開啟對話；proactive AI 則由銀行推送對話 nudge，再觀察客戶反應
  ↳ reactive AI 是客戶自己打開對話發問。proactive AI 是銀行主動推 nudge（一則對話提示，告訴客戶可以問什麼），再看客戶怎麼反應。
• 06:43 proactive AI 的成效較好。因為許多客戶喜歡 AI，卻不知道該問什麼
  ↳ 銀行主動提示的效果比較好。很多人對 AI 有好感，但面對空白對話框不知道要問什麼；銀行先丟出話題，客戶比較容易開口。
• 07:13 目前的策略是在 proactive 與 reactive 之間取得平衡，讓客戶逐漸熟悉這項新技術與這類對話
  ↳ 所以現在兩種並用：一邊主動丟話題帶客戶入門，一邊保留讓客戶自己發問的空間，讓大家慢慢習慣跟銀行的 AI 對話。
• 07:43 George app 有數百萬客戶使用。被問到它該是自助服務還是財務教練時，他坦言自己不知道
  ↳ George 有好幾百萬人在用。被問到它該是讓人自己辦事的工具，還是會給建議的財務教練，他直接說還不知道，要看客戶實際怎麼用。
• 08:13 他舉 Alexa 為例：當時顧問和公司說客戶會改用語音發問而不用 app。他說要等到在大眾運輸上看到有人問手機「我的餘額多少」，才會改變看法
  ↳ Alexa（Amazon 的語音助理）剛紅時，顧問說大家會改用講的查帳。他不信，說除非在公車捷運上看到有人問手機「我的餘額多少」，他才會改觀。
• 08:43 某支顧問宣傳影片中，使用者問 Alexa 最後一筆交易，Alexa 卻要他先打開 app 登入。他認為這個流程有問題
  ↳ 顧問自己的示範影片裡，使用者問 Alexa 最後一筆交易，Alexa 卻叫他先開 app 登入。這樣語音根本沒省到事，流程設計本身就有問題。
• 09:13 他不確定銀行業務是否會變成對話式。他認為介面設計得好時，點按鈕、輸入數字比口頭指示更容易完成交易，但不排除未來會走到那一步
  ↳ 他不確定銀行業務會不會全面改成對話。像轉帳這種事，設計好的按鈕和輸入框比用講的更快更準。但他也不排除哪天真的走到那一步。
• 09:43 真正的挑戰是：目前只為約 20% 的客戶提供理財建議，也就是選擇到分行的客戶。目標是服務另外 80%，他們目前只用工具轉帳、查看財務狀況
  ↳ 真正的挑戰在這裡：現在只有約 20% 客戶拿得到理財建議，也就是會去分行的那群。另外 80% 只用 app 轉帳、看帳戶，沒人給他們建議。
• 10:14 這 80% 很可能最需要建議。拿到建議的 20% 通常較富裕、年紀較長，也有時間去分行
  ↳ 而那 80% 可能才最需要建議。拿得到建議的 20% 多半比較有錢、年紀較大、有空跑分行；其他人反而被漏掉。
• 10:45 集團願景是像醫生照顧健康一樣，照顧人生中第二（或第三）重要的東西：金錢。目標是服務所有客戶而不只富裕客戶，他認為 AI 在這方面非常有用
  ↳ 集團想像銀行能像醫生照顧健康一樣，照顧客戶的錢，而且照顧所有客戶，不只有錢人。真人理專顧不到這麼多人，他認為 AI 正好能補上。
• 11:46 他說 OpenAI 讓銀行陷入「很糟的處境」：他本身是 pro 用戶，形容這是每月花過最值得的 $23。OpenAI 的消費產品很成功，因此設下了標準
  ↳ 他半開玩笑說 OpenAI 害慘銀行。他自己是付費 pro 用戶，說那 $23 是每月最值得的花費。大家用慣 OpenAI 的產品，對 AI 的期待就被拉高了。
• 11:46 即使受限於產業規範、風險部門與資安部門，銀行提供的 AI 仍須達到這個標準。客戶不會因為對方是銀行就接受較差的 AI 對話
  ↳ 銀行有法規、風險部門、資安部門綁手綁腳，但客戶不管這些。他們會拿自己用慣的 AI 來比，銀行做得差，不會因為「你是銀行」就被原諒。
• 12:17 他對 OpenAI 的期待：幫助銀行達到這個標準
  ↳ 所以他希望 OpenAI 也能幫銀行，在這些限制下做出一樣好用的 AI。
• 12:47 他類比 Amazon 一日到貨：起初多年虧損，但所有人都得跟上。現在門檻很高，沒有「部分好」的體驗，只有好或不好
  ↳ Amazon 一日到貨當初虧了好幾年，但做出來後，整個零售業都得跟上。AI 也一樣：標準已經被拉高，客戶眼中沒有「還算可以」，只有好用或不好用。
• 13:48 給剛起步者的建議：接受犯錯。AI 平台是數位銀行平台之中的平台，2 年內已進入第二版，第一版必須完全重做
  ↳ 給新手的建議是接受會犯錯。他們的 AI 平台架在數位銀行平台之上，兩年內已經做到第二版，而且第一版是整個打掉重來，不是小修。
• 13:48 他不排除幾年後的第三版也要完全不同
  ↳ 他也坦白，再過幾年的第三版，可能又跟現在完全不同。技術變得太快，沒有一次就做到位這回事。
• 14:19 就像新創先做 monolithical application，之後發現無法擴展就得重新設計。有些組織視此為浪費，Erste 則視為正確做法，並已預留約一年半後再次重做的空間
  ↳ monolithical application 是把所有功能綁成一大塊的程式，初期好做，規模一大就得重寫。有人視重做為浪費，Erste 認為這才對，已預留約一年半後再重做的空間。
• 14:49 關鍵在於更快地重做，他希望借助 coding assistant 等工具加快。必須接受做錯幾次才會做對
  ↳ 重點是重做要夠快。他想靠 coding assistant（幫工程師寫程式的 AI 工具）加速。心態上要接受：先錯幾次，才會做對。

根據 Maurizio，Erste 目前大約為多少比例的客戶提供理財建議？