為什麼銀行需要「會自己學習」的知識圖譜?
大多數人對知識圖譜的印象是:需要大量人工標記、需要事先定義本體(ontology)、需要一群領域專家持續維護。
這在金融業尤其是個大問題。
銀行的業務知識變動極快:法規更新、產品改版、新客群需求……傳統知識圖譜的建構成本高、更新週期慢,根本跟不上業務節奏。
身為一個 GenAI Product Owner,我問自己一個問題:
「如果讓 LLM 在每次客戶互動中,自動萃取實體與關係、持續更新知識圖譜——這樣的系統可行嗎?」
答案是可行的,而這個想法後來成為我的專利 M676680《知識圖譜建構系統》。
系統怎麼運作?
這個系統的核心架構很直觀,分成四個模組:
-
處理模組:將客戶的行為數據與查詢輸入大語言模型,解析成結構化的「處理後文本」
-
實體識別模組:從文本中辨識出關鍵實體(人物、產品、事件、風險類型等)
-
關係抽取模組:分析實體之間的潛在關係(如「客戶 A → 持有 → 基金 B」)
-
儲存模組:以圖資料庫(Graph DB)儲存並持續更新知識圖譜
更重要的是,系統還能根據這張知識圖譜 + 使用者畫像,提供個人化資訊回應。
GenAI PM 的核心思維:從流程痛點找創新點
很多人問我,一個 PM/PO 怎麼會去申請專利?
我的答案是:因為專利本來就是解決問題的紀錄。
做 GenAI 產品,你每天都在解一個問題:如何讓 AI 系統在企業環境中真正跑起來?知識管理是 RAG 架構最脆弱的一環——垃圾進、垃圾出(GIGO)。如果知識庫不能自我演化,RAG 的效果會快速衰減。
這個專利的核心價值不是技術炫技,而是用系統化架構解決知識庫的維護成本問題。
對 GenAI Product Manager 的啟示
如果你正在規劃企業 GenAI 產品,這幾個問題值得認真思考:
-
你的知識庫多久更新一次?由誰負責?
-
有沒有辦法讓系統從用戶互動中自動學習?
-
你的知識圖譜設計能支援個人化嗎?
知識圖譜不只是技術選型,更是 GenAI 產品的「記憶力設計」。
M676680 知識圖譜建構系統|公告日:2025/11/01|唯一發明人:劉岦崱
💬 延伸閱讀: 2025 年度回顧與未來展望