【專利一】GenAI 如何改造理財服務？從需求到儀表板——一個銀行 AI PM 的產品設計思路

理財專員的真實痛點

在銀行做 AI 產品，我花了很多時間跟理財專員（RM）聊天。

他們不缺努力，也不缺對客戶的了解。

他們缺的是：在客戶面前，快速整合所有相關資訊，給出有說服力的建議的能力。

現實場景是這樣的：客戶說「我有 500 萬想做一些配置調整」，RM 需要在幾分鐘內：

• 查詢客戶現有資產配置

• 了解客戶的風險偏好與歷史紀錄

• 查看當前市場動態與利率走勢

• 比較內部可銷售的理財產品

• 做出個人化建議

這是一個多源資訊整合 + 個人化推薦的任務，正是 GenAI 最適合的應用場景。

這個洞察，就是 M670472《金融投資建議生成系統》 的起點。

---

系統架構：一個「懂業務」的 AI 助理

系統設計圍繞著 RM 的工作流程展開：

資訊輸入層

• 外部伺服器：即時市場資訊、市場趨勢、產品報價

• 內部伺服器：客戶基本資訊、風險評估報告、客戶資產、可銷售理財產品

AI 處理層

1. 自然語言理解模組：解析客戶的金融投資需求（可以是自然語言）

2. 多元資訊整合模組：同步拉取外部市場資料與內部客戶資料

3. 生成式 AI 模型（LLM）：整合所有輸入，生成初始客製化投資建議

視覺化輸出層

4. 互動式資產儀表板生成模組：呈現客戶當前多維度資產配置分析

5. 投資建議儀表板生成模組：提供多情境模擬的客製化建議

6. 動態視覺化模組：將上述內容整合為一張完整的金融投資儀表板

最後，持續學習模組根據用戶互動回饋持續優化 AI 模型。

---

作為 GenAI Product Manager：這個專案教了我什麼？

1. 「個人化」需要資料架構支撐

很多 GenAI 產品號稱個人化，但實際上只是在 prompt 裡塞幾個用戶欄位。

真正的個人化需要完整的客戶資料模型：風險偏好、資產結構、歷史行為、互動回饋……這些資料架構的設計，比 AI 模型本身更重要。

2. 「多情境模擬」是 AI 的殺手級功能

傳統 RM 一次只能給一個建議。這個系統可以同時產出「保守型」、「平衡型」、「積極型」三個情境的建議，讓客戶自己選擇。

這是人腦很難做到的事，但 LLM 做起來毫不費力。找到 AI 的不對稱優勢，是 GenAI PM 最核心的工作。

3. 持續學習閉環是長期競爭力的來源

產品上線只是開始。系統從每一次 RM 使用行為、客戶反應中學習，讓模型越用越準。這個學習飛輪，才是最難被複製的護城河。

---

給 GenAI PO 的產品設計建議

如果你正在設計金融 AI 產品，我的建議是：

不要從技術出發，從 RM（或任何前線業務人員）的工作流程出發。

找到他們在哪個環節最耗時、最容易出錯、最需要資訊整合支援——那就是 GenAI 最能創造價值的地方。

AI 最好的定位不是「取代 RM」，而是「讓每個 RM 都像有一個全知的助手在旁邊」。

---

M670472 金融投資建議生成系統（客製化 GenAI 金融儀表板）｜公告日：2025/05/11｜唯一發明人：劉岦崱

💬 延伸閱讀： 2025 年度回顧與未來展望