民眾被詐騙的場景已多到幾乎天天上演，在詐騙最後一關的金融機構承受極大阻詐壓力，金融業開始聯手用ＡＩ阻詐，希望加快速度，將過去「道高一尺、魔高一丈」逆轉為「魔高一尺、道高一丈」。業者的具體作法是什麼？障礙又有哪些？
根據警政署統計，截至二○二四年底，警示帳戶高達十四萬九千二百七十四戶，詐團橫行亂象迄今不但未見改善，受害人不斷新增。如何即時攔截金融體系內快速亂竄的詐款，金融機構開始用ＡＩ做為武器，展開與詐團之間的鬥智鬥力。金融業者更形容，這是一場「比快也比準度」的戰爭。
運用AI阻詐 面臨5大挑戰
銀行與詐團鬥智，在ＡＩ運用上進入白熱化的競爭，中信金副總賈景光說：「這就是比速度誰快的賽跑過程。」
然而，即使採取ＡＩ在金融體系內阻詐，金融業實際執行時，仍面臨不少挑戰和阻力。
金融業要進行ＡＩ阻詐，目前面臨五大挑戰，包括：一、如何強化各家不同的樣態分享，來發揮提前達到預警的效果；二、詐團愈來愈會「化整為零」分散匯出詐款在各銀行，如何即時發揮示警效果，讓各銀行之間能即時攔截金流；三、金融業之間對ＡＩ使用的資源多寡及強弱各有不同，倘若戰力不齊就會成為破口；四、愈來愈多的詐團最後由虛擬幣「出海」致使金流追蹤「斷線」；五、政府法令能否跟得上，民眾是否願意配合。
其中，關於樣態的強化，最早富邦金控和刑事警察局合作「鷹眼聯盟」，如今以ＡＩ為基礎的跨金融業的聯盟愈來愈多，包括國泰金發動的「聯邦學習」模型、由金管會推動的「金融產業科技聯盟」，另外，兆豐銀行亦帶頭率八大行庫與八家高科技業者共同成立「金融與科技反詐騙聯盟」。
聯盟打群架 加快攔詐速度
之所以有成立聯盟跨業合作的必要性，最重要在於樣態的分享，以及加快在整個金流體系內攔截詐團的速度，也等於讓金融業者「一起好好打群架」來對抗詐團。
金融科技產業聯盟中的金融科技應用研發工作圈，由中信金作為召集人。中信金副總賈景光目前為中信金最高資訊主管，他指出這個平台一大重點就是透過資料的串聯，和異業合作，來擴大ＡＩ阻詐效力，而中信金透過ＡＩ阻詐的最大成果，其警示戶去年已是「負成長」。
「比的不只是速度，也包括準度。」賈景光說。他舉例，銀行所設定的帳戶阻詐金額門檻一改變，詐團就會去快速閃避，金融業的集體作戰。除了詐團總能在很快的時間「應變」來對付銀行所設立的各種門檻，來自其他同業的金流資訊往往不能互通，則是賈景光認為的第二個瓶頸。
賈景光說明，詐騙常以層層轉帳讓被害款項不易追蹤，各銀行帳戶金流可能看似正常，但全盤去看就會發現端倪，是同一筆款項被快速分散移動。因此，若聯合同業的資料一起觀察，就可看出。
詐款流竄 「1分鐘就轉走」
玉山金科技長張智星也強調全盤觀察金流在各銀行帳戶流竄的重要性。「歹徒放五十萬進來之後，絕不可能就等在那裡，而是一分鐘內馬上再轉出到多家銀行，最後轉成比特幣，然後出海了，根本找不到。」他強調，增加算力的目的，就是和詐團比誰快，來阻斷、設控。
「金控產業科技聯盟」中，玉山金推出「金融無塵室」將直接對金流下手攔截，目標將是一分鐘之內攔截在各家銀行亂竄的詐款。張智星進而舉例，像一筆錢，從Ａ匯到Ｂ又匯到Ｃ，一旦Ａ銀行帳戶被宣示為警示帳戶，透過這種金流的串聯，即可把所有警示戶經過的其他帳戶全部設控，可立刻攔下來，是最有效的作法。
ATM配算力 辨識車手人臉
張智星指出，要阻止車手得逞，讓ＡＴＭ增加人臉辨識的效能和速度，困難之處在於有賴更強大的算力，而且不但要立刻算，而且要立刻通知，他用「神經系統」來形容：「最後這個人臉辨識的ＡＴＭ一定得發展為一個完整的神經系統，一有錯馬上就通知」。然而，就算刑事警察局樂意提供車手影像，但成效多大仍有疑問：「因為車手一直在換」。
先前在國泰金的號召下，國泰、中信、玉山、新光金一起進行「聯邦學習」，國泰金控副總劉浩翔指出，詐騙型態在各銀行分布多寡不一樣，有些銀行模型因為案件發生數量少，不見得能於第一時間發揮辨別可疑樣態的能力，透過聯合學習，可充分發揮截長補短的效果。
據二○二四年的實證結果，在警示帳戶偵測上可因此提高百分之廿的異常案件偵測率。舉例來說，原本用自家內部模型可辨識出一百個可疑帳戶，但透過聯合學習，可再額外辨識出廿個可疑帳戶。
安永管理顧問公司總經理萬幼筠指出，金融業運用ＡＩ阻詐，最常碰到的瓶頸在於精準度問題。最主要來自於客戶群的不同，例如公股銀行和民營銀行客群就不一樣，包括類別、年紀、形式、財富階層等，但這些資料的分類放到ＡＩ訓練之後，得到的答案將不會一樣：「這就是所謂的人工智慧的對齊或校準」。