AI 入銀行

AI 進入銀行是風險判斷的權力重新分配。銀行本來就依靠大量資料判斷一個人是否值得借錢、是否有違約風險、是否需要額外審查。過去這些判斷由職員、信貸部門、風險模型和內部規則共同完成，雖然普通人未必完全理解，但至少仍然可以想像背後有一套可追問的流程。當 AI 被放進信貸審批、反洗錢、客戶分類、詐騙偵測和風險預警之後，問題便是拒絕、限制和懷疑開始變得更難被解釋。

銀行使用 AI 有很強的現實誘因，它面對大量交易、申請、投訴和監管要求，人工判斷成本高，速度慢，容易不一致，AI 可以在短時間內比對收入、消費紀錄、還款歷史、資產狀態、地區資料、職業變化，甚至某些異常行為模式。對銀行來說，這種工具可以降低壞帳、提高合規效率，也可以及早發現詐騙。從管理角度看，這是制度升級：把過去分散在不同部門的人手判斷，集中到更容易規模化的系統之中。但關鍵在於銀行的判斷不只是技術問題，它判斷的是一個人能否進入某種制度關係，例如一個自由工作者申請按揭，收入每年不低，但月份之間很不穩定；一個新移民有穩定工作，卻沒有長期本地信用紀錄；一個小商戶現金流正常，但交易形式與大型公司不同。這些個案如果交給人處理，至少還有解釋和補充的空間，但當模型把這些情況轉成風險分數，個案的特殊性就可能被壓縮成一個不利結果。

而 AI 錯的方式很難被一般人辨認。申請人被拒絕貸款時，銀行可能只會說「不符合風險政策」、「資料不足」、「系統未能批准」。這些說法聽起來中性，其實把責任推回一套不可對話的程序。申請人不知道是哪一項資料造成問題，也不知道這個判斷是來自明確規則還是模型從大量歷史案例裡推算出來的相關性。在這，拒絕變成一個被系統封存的結果。這個轉變將會改變人的行為。當人知道自己無法理解銀行如何看待自己，就會開始猜測制度喜歡甚麼樣的人，例如自由工作者可能被迫把收入整理成更像受薪階層的形式，小商戶可能避免某些看似異常但實際正常的交易，普通客戶也可能因為怕被系統標記而調整消費模式。金融制度本來已經塑造人的生活，AI 只是令這種塑造更細密，即是 AI 會透過不可見的評分和分類，讓人提前修正自己，以免被誤判。

銀行當然不能完全不用模型。現代金融規模太大，單靠人工處理並不現實，但模型判斷不能取代制度責任。銀行如果使用 AI 協助判斷，就必須保留可解釋、可申訴、可覆核的接口。尤其在信貸、保險、凍結帳戶、風險標記這些會直接影響人生機會的場景，不能只用「系統判斷」作為答案。監管的重點由此便不只是模型是否準確，也是人在被模型處理之後，是否仍然有機會知道自己為何被拒絕以及如何重新被理解。

AI 入銀行之後，風險判斷會變得更快或變得更穩定，但同時會把制度本來就存在的不透明放大。過去銀行拒絕一個人，至少還像是一個機構的決定，但未來銀行拒絕一個人，可能會被包裝成一個技術結果。這種轉變會讓判斷看起來像事實。當一個人被模型分類為高風險，社會很容易忘記這只是一套制度在特定資料和規則下給出的版本。銀行要回答的是當風險判斷變得更有效率時，誰還願意為被排除的人提供一個可以說明自己的位置。