原任台灣大學資訊工程系教授、今年八月才接下玉山科技長的張智星，雖然進入公司才短短幾個月時間，然而他對玉山在AI的研究發展與投入早已留下深刻印象。
張智星回憶，遠在2004年，許多企業對AI還懵懵懂懂的時候，玉山就已率先投入了各式資料分析的工作，到2018年前科技長陳昇瑋接手後，「一鼓作氣」全面向AI轉型。「在發展資料科學跟AI方面，玉山基本都是『超前部署』。」張智星舉例，例如在10年前，玉山就已領先業內，建立了「資料倉儲」、陸續把所有行內外的「結構化」資料都匯入。
辦課程、競賽提升行員「程式力」 首創「AI研發雲」串接各系統
而在2018年，玉山更進一步，透過舉辦公司內程式課程、讀書會與人工智慧競賽等方式，讓非理工背景的業管同仁也能學會如RPA (機器人流程自動化)等應用技術。張智星笑著說，剛開始推行時，很多業管同事都不太清楚他們到底能怎樣運用AI？又有哪些需求？「這部份我們花了很多時間去溝通。」
他舉例，為了讓業管了解AI運用的可能場景，玉山開辦了一系列課程，讓平時負責數據分析的同仁與業管一起上課，甚至會邀請業管同仁參與「建模」的流程，「包含資料清洗、模型建立，到最後佈版上線，這些就是業管的『種子』，他們未來就可以回到各部門貢獻！」張智星強調。
此外，因為考量到AI運算大多需要用到GPU，玉山也「順勢」領先業界，推出了「AI研發雲」，「工程師可以在上面建置模型，建置後，模型就會佈署於Machine Learning as a Service，簡稱MLaaS（機器學習即服務平臺），透過輕量級API提供所有系統機器學習服務。」
2018年轉型至今，玉山內部的「AI軍團」已有逾百人規模，其中又分成DS(資料科學家)和DE(資料工程師)。張智星解釋，DS的主要任務就是建模，做測試，至於DE則偏向平台端，主要工作是怎麼讓DS建出來的模型能夠在服務平台上實現，而且他強調，「速度要夠快！」。
張智星舉例，像是玉山發現有客戶信用卡遭盜刷，在相關資料回傳時，最佳情況是能在零點幾秒內就能完成初步的風險分析，「如果分析還要花兩秒，那就有點久了。」他笑稱。
除了數金處的資料工程師與科學家外，玉山這兩年藉由大量內部培訓，也已培育出了一批扮演「搭橋」角色的同仁。張智星指出，這群人既懂建模，也懂業務的domain know-how。
培養跨部門AI「搭橋人」 深化「自然語言處理」應用場景
張智星解釋，因為建模的人往往在乎像「模型辨識率」提升多少這類的問題，「但這對業管來說沒有感覺，他們更在乎這模型上線後，具體為業管省下了多少人力，或為產品服務帶來多少效益。」
也因此，張智星認為，這群「AI尖兵」就要擔負溝通協調的「重責大任」，有效串接起雙邊的「供給」與「需求」。而這樣的人才，也正是玉山當下迫切需要的。
談及近年金融業在招聘部分職缺更偏好理工人才，進而衍生出商管學生擔憂「被搶飯碗」的現象，張智星觀察，鑑於目前財金系、商管科系畢業的學生，很多都已在學校學過基礎的程式課程，加上既有的商管背景，他們其實就「最適合」擔任上述搭橋人的角色。
「這批人超珍貴的！他有程式經驗，又有金融業務能力，這種人我們非常需要。」張智星如是強調。
然而他也預期，玉山對理工學子的「大門」只會持續開放，「金融業現在很多電子化的資料要處理，例如在『金流偵測』領域，我們就需要非常專門的Graph Computing（圖形運算）人才，招聘理工人的趨勢不會停下來。」況且「玉山早在1992年招募新鮮人時，就強調歡迎理工人進入金融業服務，在業內來說也是第一呢！」他笑著說。
展望未來，張智星預期玉山會在「自然語言處理」的領域持續加大投入，他解釋，目前AI在「Natural Language Understanding（自然語言理解）」仍有大幅進步空間，簡單的工作如「Opinion Mining（意見探勘）」，亦即透過辨識人類講話的意圖與語氣，進而去探測他們對某人或某事物的觀感上，也仍然存有一定難度。他笑著舉例，「例如某人講好棒棒，到底是棒呢，還是不棒？」
張智星也強調，「自然語言處理」的深化，會是玉山邁向全面自動化的「最後一哩路」，「最終，我們希望就是end-to-end的數位化服務流程，透過人機協作，做到隨時隨地且即時解決的金融新體驗。」他笑著說，眼神中，帶著對玉山團隊的自信與期許。
.jpg)
.jpg)
