top of page

新加坡 AI 任務瞄準詐騙與貸款

12 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Vlada Karpovich / Pexels.

新加坡於 2026 年 11 月 18 日公布三項金融業 AI 任務,針對金融犯罪、企業貸款及由軟件代理進行的交易。這些新加坡 AI 任務集合銀行、研究人員及科技公司,共同推進開發工作。其核心挑戰是在提升金融資訊實用性的同時,確保存取、決策及資金流動均可追責。

副總理顏金勇在新加坡金融科技節上概述這些任務。新加坡金融管理局(MAS)及未來金融研究院(FFI)公布配套措施,包括供開發者使用的合成金融數據,以及計劃中的代理支付測試環境。

這項公布為一種常見做法帶來壓力:每家機構圍繞自身資訊及系統開發 AI。新加坡希望透過合作處理跨越機構界限的問題。DBS、OCBC、Standard Chartered 及 UOB 是 FFI 的金融機構啟動合作夥伴,但單憑參與並不代表擬議服務已證實有效。

新加坡 AI 任務實際改變了甚麼

新加坡正圍繞單一機構無法完全獨力處理的金融問題,組織共享開發及測試。

目前最清晰的措施是 AI Innovation Arena。FFI 將與 MAS 合作,向開發者及解決方案供應商提供相關合成數據,即為反映金融活動而人工生成的紀錄。其初步重點是詐騙偵測。

合成紀錄與不受限制的客戶資訊之間的差別十分重要。這項措施不會讓任何有興趣的開發者公開存取真實銀行帳戶。科技公司、AI 實驗室、解決方案供應商及研究機構可提交存取意向書。

根據官方的金融 AI 措施,初始數據集反映跨機構的交易模式及詐騙活動。MAS 與新加坡政府科技局共同開發該數據集,並參考早前一項匯集五間銀行數據的工作。

這為開發者提供明確問題及更貼近實際的測試資源。模型可研究模擬機構之間的關係,而非只從孤立的帳戶歷史中學習。這能否改善真實情境下的偵測,仍有待評估。

公告亦將研究參與與營運授權區分開來。存取開發數據並不授權公司攔截付款、調查客戶,或在銀行的生產系統中運作。這些決定需要各自的權限及管控措施。

因此,新加坡 AI 任務建立的是通往部署的路徑,而不是公布一項已完成的全國 AI 服務。這條路徑很重要,因為開發、驗證及營運採用涉及不同責任。一項成功實驗仍需要有機構願意實際使用。

FFI 的啟動合作夥伴提供了連接銀行營運的渠道。DBS、OCBC、Standard Chartered 及 UOB 帶來潛在的實施經驗及金融專業知識。它們的參與並不表示每個合作夥伴都已採用每項擬議應用。

這四個啟動合作夥伴亦不應與較早前的五間銀行數據工作混為一談。兩者是範圍不同的不同描述。公告未有證實其成員完全相同。

配套工作不只涵蓋欺詐模型及支付。FFI 將與 A*STAR 旗下 Institute of Advanced Intelligence and Computing 合作,研究具本地基礎的語音轉文字系統,即把口語轉換為書面文字的技術。這項工作旨在推進金融業的實際試點。

其中一項正探索的應用是即時合規監察。FFI 與 A*STAR 亦將探索生成式 AI 護欄,即旨在限制 AI 行為的控制措施。另一方面,FFI 將與 AI Singapore 合作推動人才培育,包括學徒計劃。

這些措施針對實際部署問題。銀行需要能夠評估系統、將其整合到既有流程,並識別失效情況的人才。當參與機構能夠理解數據結果時,共享數據集便更具價值。

該計劃的重要性正在於這種組合。新加坡正連結開發資源、銀行參與及實施能力。關鍵在於這些要素能否在日常營運條件下,產生改善客戶結果的服務。

詐騙偵測需要超越單一銀行的視角

這項反詐騙任務挑戰了將每家銀行的交易歷史視為完整圖像的限制。

在其金融服務主題演講中,顏金勇提到一項現有的五間銀行工作,當中使用安全匯集的交易數據。他表示,相關結果將為業界範圍的 Scam Detection Utility 提供參考,而設計研究將於 2027 年初展開。

這在現有工作、合成數據集及擬議工具之間作出有用區分。它們服務相關目的,但不能互相替代。公告並未證實一項全國性營運工具已在保護每一筆付款。

壓力首先落在銀行連結資訊的能力上。單一機構可評估自身系統內的活動,卻可能缺乏周邊脈絡。合作旨在改善這種脈絡,同時不會免除個別機構的責任。

試想一條涉及多間銀行的示例付款鏈。每間機構可能各自看到一筆孤立來看並不顯眼的轉帳。若綜合觀察,該序列或會因其時間、關係或資金在帳戶間反覆流動而值得調查。

這個例子解釋擬議方法,並非來自新加坡試驗的已報道結果。重要問題是,較廣闊的脈絡能否更早產生有用警示。在損失發生後發現可疑關係,與及時介入所帶來的效益並不相同。

因此,開發者面對的測試比在準備好的數據集中識別異常紀錄更嚴格。銀行需要知道警示是否足夠及時,以支持採取行動;亦需要有可辯護的理由作出該行動。

識別出真正詐騙的警示具有價值。中斷一筆合法供應商付款的警示,則會帶來工作及潛在損害。評估須檢視兩種結果,而非只因模型產生更多警示便予以獎勵。

合成數據集提供一個研究這些取捨的空間。開發者可比較不同方法,而毋須把每一筆開發紀錄解讀為真實客戶事件。然而,這些比較是否有用,取決於數據對相關行為的反映程度。

合成數據不會自動填補實驗室工作與日常銀行業務之間的落差。真實活動會改變,機構記錄資訊的方式不同,而調查亦會揭示付款當刻無法取得的細節。這些差異應納入後續驗證。

營運問題同樣重要。模型或可識別可疑連結,但仍須有人決定下一步如何處理。可能的回應包括進一步覆核、聯絡客戶,或按機構現有程序升級處理。

共享偵測亦帶來協調問題。參與銀行需要清楚界定評估訊號及處理分歧的責任。若每間機構均假設其他參與者會調查,警示的作用便會下降。

這些考慮解釋為何管治應納入該工具的設計之中。它決定誰可使用資訊、誰解讀警示,以及誰可授權介入。若把管治視為日後的行政工作,主要營運問題仍會懸而未決。

對客戶而言,相關結果是在合理處理合法活動的同時,提供實際保護。公開公告未有提供量度過的欺詐減少或誤報結果。其貢獻是建立協調測試路徑,而最終表現仍需證據支持。

企業貸款面對不同的證據考驗

更好的資訊可改善貸款評估,但 AI 模型不能把每一份資料不完整的申請變成具信貸資格的借款人。

顏金勇的貸款建議聚焦中小企(SMEs)。他指出,企業資訊零散,評估集中於過往表現、擔保及抵押品。政府計劃利用逼真的合成數據測試不同方法,並徵詢中小企意見。

這描述的是資訊問題,而非自動批核的承諾。貸款人需要區分紀錄有限但可行的企業,以及無法還款的企業。額外數據只有在能可靠支持這種區分時才有幫助。

一間示例企業可能定期收到客戶付款,卻沒有很長的借貸歷史。其發票及帳戶活動或可提供傳統申請中缺少的脈絡。AI 輔助評估可幫助整理這些證據以供覆核。

這個例子亦揭示局限。發票未必代表客戶一定會付款。近期收款不會自動證明需求持久,而看似完整的紀錄仍可能包含錯誤。

這項融資任務同時為銀行及科技供應商帶來壓力。銀行必須判斷額外資訊能否改善信貸判斷;供應商則必須證明其系統能帶來有用證據,而非以自信的建議掩蓋不確定性。

對借款人而言,加快處理只是其中一項潛在好處。基於不準確資訊作出的快速拒絕並非改善。一項有用服務亦應讓人能識別缺失紀錄並更正重大錯誤。

這使模型周邊的工作流程變得重要。需要有人確認紀錄關乎哪一間企業,以及其資料是否最新;亦需要有人決定相互矛盾的資訊如何影響評估。

這些工作聽來不如自動承保般引人注目;自動承保是指使用軟件評估貸款申請。然而,它們決定軟件是否以正確證據評估正確企業。先進模型無法可靠地彌補錯誤身分認定。

公告未有證實參與貸款人將取消抵押品要求或個人擔保。它亦未有報告批核率、還款表現或借貸條款有所改善。這些將是測試後需要評估的結果。

可信的評估應區分處理效率改善與信貸改善。減少人手處理文件可降低行政工作量,卻未必改變哪些企業獲得融資。要擴大取得融資的機會,須有證據顯示更多可行借款人獲得合適的方案。

還款表現與取得融資同樣重要。在未了解風險的情況下擴大審批,可能為借款人及貸款機構帶來困難。相反,過度審慎的模型或會透過另一套技術流程,延續原有的排除情況。

因此,新加坡 AI 貸款的影響將取決於模型開發以外的決策。數據存取、借款人參與、覆核程序及機構貸款政策,都會左右結果。這項任務為測試它們如何互相作用提供了一個場景。

中小企的意見尤其重要,因為即使系統在技術上完備,仍可能為申請人帶來不合理的工作量。重複要求提交文件或提供不清晰的解釋,都可能削弱所承諾的便利性。測試應在機構擴展服務前揭示這些摩擦點。

對企業東主而言,適當的解讀應保持審慎。新加坡正研究較豐富的資訊能否支持更佳的融資決策。當局尚未宣布保證貸款、全面放寬信貸要求,或取代貸款機構評估還款能力的責任。

Agent 付款將授權置於自主性之前

計劃中的 Agentic Money Sandbox,將權限及問責置於測試可調動資金的軟件之核心。

AI agent 是可朝着既定目標選擇行動並使用工具的軟件。FFI 計劃設立的 sandbox,即受控測試環境,將研究使用數碼貨幣的 agent 交易。初步應用包括由 agent 發起的付款及資金管理,後者即管理機構的現金及融資。

公告明確指出,這些活動須在既定授權、限制及保障措施之內進行。參與者旨在於部署至實際環境前測試控制措施。公告並非描述可不受限制地獨立管理客戶資金的軟件。

這個界線改變了何謂成功示範。Agent 作出付款只是演練的一部分。機構亦須證明該筆付款已獲准許,以及控制措施如預期般運作。

一個示例性的資金管理情境能具體說明此分別。企業或可授權軟件建議在指定帳戶之間轉帳。獲准備妥轉帳,未必等同獲准執行轉帳。

即使是執行權限亦可附帶條件。指令或會限制合資格帳戶、要求就特定行動取得批准,或在既定任務完成後失效。這些是值得評估的控制措施例子,並非新加坡 sandbox 的已確認規格。

核心取捨在於有效授權與有限權限之間。要求覆核每個細微步驟,可能削弱自動化的效益。容許廣泛酌情權,則可能令企業面對其從未打算授權的行動。

正是在這方面,新加坡的 AI 任務超越了提升預測能力。詐騙偵測及貸款評估可為人類決策提供資訊。付款 agent 則在軟件判斷與外部金融行動之間建立直接連繫。

因此,軟件的指令需要具備可操作的含義。企業提出「有效管理現金」一類要求,仍留下詮釋空間。金融機構需要規則,以界定 agent 實際可以做甚麼。

問責亦必須經得起技術複雜性的考驗。若 agent 在發起交易前使用多項服務,調查人員便需要一份可用的紀錄。該紀錄應把原有授權連繫至最終行動,以及期間作出的任何批准。

例外情況應獲得與一般交易同等的關注。測試應訂明在資訊出現衝突、服務不可用或指令改變時會如何處理。能完成例行工作的系統,仍可能無法妥善應對非常規情況。

新加坡並非唯一研究這些問題的地方。英倫銀行於 2026 年 7 月發布的金融穩定評估指出,授權、可追溯性及責任是自主付款所引發的議題。該評估亦提及 Project Logos,這是另一項在模擬市場研究 AI 投資組合經理的工作。

這項比較有其限制。投資組合管理實驗與付款測試針對不同活動。任何一項工作本身,都不足以證明通用 agent 能安全地執行任何金融任務。

兩者的共同點,是在廣泛採用前利用受控環境檢視後果。對企業買家而言,經證明的克制是有用的採購準則。金融 agent 應能顯示何時停止、尋求批准或拒絕指令。

共享 AI 基礎設施亦共享故障風險

協作可改善取得金融背景資訊的途徑,同時亦會形成需要自行審視的依賴關係。

支持新加坡做法最有力的論據,是其實際性。部分金融問題超出單一機構所掌握的資訊範圍。共享開發資源提供了一種方法,可讓相關參與者共同研究這些問題。

審慎觀點關注的是,這種協作在壓力下如何運作。共享工具可擴散有用能力,但共同弱點亦可能影響多個參與者。機構仍須了解其決策所依賴的服務。

金融穩定委員會秘書長 John Schindler 在 10 月 21 日一場有關負責任採用 AI的演講中談及此議題。他強調供應商集中度、數據質素、模型管治、網絡風險及驗證輸出結果的困難。他的發言屬一般評估,並非對新加坡新任務的審閱。

這項分別可避免得出誇大的結論。這些風險存在,並不代表新加坡的措施不安全;而是指出測試及營運設計應回答的問題。

其中一個問題涉及判斷的獨立性。多間機構使用相似工具,可能以相似方式詮釋同一項異常活動。評估應檢視這種一致性是否反映良好證據,還是共同的盲點。

另一項涉及存取安排。共同開發資源可支持更廣泛的參與,但其實際效用取決於誰符合資格,以及他們能獲得甚麼。清晰條件有助開發者評估參與是否符合其能力及責任。

合成數據集亦需要審慎解讀。人工建立的紀錄可支持實驗,但不等同於可不受限制使用的真實世界證據。這些紀錄上的強勁結果,仍需要在適當營運條件下作後續評估。

同一原則亦適用於語音轉錄。將對話轉為文字可支持覆核,但不準確的逐字稿可能改變陳述的含義。合規應用需要處理不確定性及核查具影響力詮釋的程序。

FFI 與 A*STAR 的計劃合作,承認實際金融應用的重要性。然而,探索合規監察並不代表可在每位說話者、每種語言組合或每種情況下提供可靠監察。機構需要與其實際面對條件相關的證據。

人才培訓是答案的一部分,因為監督所需的不只是政策文件。員工需要能辨識何時模型輸出值得審視,亦需要有權暫停流程並上報問題。

共享基礎設施應令這些責任更清晰。它不應令銀行無法解釋某項決策,只因該決策由外部工具產生。協作改變能力的開發方式,而機構仍保留具重要影響的營運選擇。

最具可信性的結果,將是結合有用的共享資源與明確的機構責任。這容許共同學習,而不假設一致採用總是合適。不同應用將需要不同的限制、證據及覆核安排。

下一個訊號在於存取、保障措施及成果

下一階段應按可觀察的實施情況評估,並就偵測、融資及 agent 交易提供各自的證據。

首個訊號是詐騙偵測工作會否建立清晰的參與及評估程序。開發者需要可用的存取條件,機構則需要有意義的測試。計劃於 2027 年初進行的 utility 設計研究,提供了一個具體觀察點。

實際評估的證據將加強共享金融背景資訊的理據。相關結果應說明偵測表現,以及被錯誤標記為可疑的合法活動。單憑參與公告只能顯示興趣,未能定論該方法是否改善保障。

第二個訊號是 Agentic Money Sandbox 的細節。應留意已界定的參與者、獲准活動及覆核例外情況的程序。這些細節將使擬議交易與獲授權行動之間的界線更易評估。

成功的示範應說明已完成的任務及已執行的限制。證明 agent 曾適時停止的證據,將支持計劃對保障措施的重視。只報告完成付款的示範,會令重要的控制問題仍未獲解答。

第三個訊號是來自融資測試、以借款人為層面的證據。應留意參與企業、評估程序及申請人意見的具體描述。處理速度固然重要,但亦應與決策質素及尋求融資企業的體驗一併考慮。

能區分行政效率與擴大融資渠道的結果,將令新加坡 AI 貸款的影響更易評估。泛泛而談更快放貸,所提供的洞見較少。問題在於,更佳資訊是否能產生以負責任方式服務具可行性企業的決策。

這些訊號未必會同時出現。各項任務涉及不同技術工作及營運後果。詐騙研究的進展不應被視為付款 agent 或貸款應用已準備就緒的證明。

對開發者而言,這項公告提供了密切留意存取要求及評估標準的理由。對銀行而言,它提出整合及責任方面的問題。對企業買家而言,它提供了一個具體框架,用以質疑供應商有關金融自動化的聲稱。

隨着參與規則、試點結果及部署決定陸續公布,請保留一份附有來源連結的紀錄。可搜尋的知識庫可協助團隊將後來的聲稱與原有範圍比較。在該紀錄中區分目標、實驗及營運服務,並保留每項結果附帶的限制。評估新加坡 AI 任務時,應要求與擬議活動相符的證據。詐騙模型能否支持及時介入?貸款系統能否改善對借款人的評估?付款 agent 能否在授權範圍內行動,並在需要時停止?在將參與或成功示範視為可靠金融服務的證據前,請以這些問題評估下一項公告。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page