2025 07 31 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 金融業運用人工智慧(AI)指引 一、 人工智慧(AI)相關定義 (一) AI 系統定義： (二)生成式 AI 定義：二、AI系統生命週期 主要包括以下4個階段：(一) 系統規劃及設計： (二) 資料蒐集及輸入：(三)模型建立及驗證： (四)系統佈署及監控：

 

2025 07 31 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 金融業運用人工智慧(AI)指引 一、 人工智慧(AI)相關定義 (一) AI 系統定義： (二)生成式 AI 定義：二、AI系統生命週期 主要包括以下4個階段：(一) 系統規劃及設計： (二) 資料蒐集及輸入：(三)模型建立及驗證： (四)系統佈署及監控：

金融業運用人工智慧(AI)指引

一、 人工智慧(AI)相關定義

   (一) AI 系統定義：

   係指  透過大量   資料學習，利用    機器學習   或  相關建立模型  之  演算法，進行

      1.感知、

      2.預測、

      3.決策、

      4.規劃、

      5.推理、

      6.溝通

   等模 仿人類   學習、思考  及 反應    模式   之  系統。

    (二)生成式 AI 定義：

      係指可以生成   模擬  人類智慧    創造之內容   的   相關 AI 系統，其內容形式

     包括但不限於

      1.文章、

      2.圖像、

      3.音訊、

      4.影片及

      5.程 式碼等。 

二、AI系統生命週期 

   AI 系統的  生命週期   主要包括以下4個階段：

  (一) 系統規劃及設計：

   設定   明確的  系統   目標  及  需求。

 (二) 資料蒐集及輸入：

    資料   蒐集、處理  並  輸入  資料庫   之階段。 

 (三)模型建立及驗證：

      選擇  與  建立    模型演算法  及  訓練模型，並  對模型 進行驗證

      以  確保  模型    效能、安全性  與  機密性。 

 (四)系統佈署及監控：

      將系統應用於實際環境中，且  關注模型   是否已 完備，並  持續監控   

     以確認系統所帶來之  潛在影響。 

      金 融機構運用AI系統，可能為自行研發3並使用，因此包含上述4階 段。

      金融機構亦可能委託第三方業者研發或購入AI系統後，再佈署 該系統並監控，

      因此金融機構  不盡然均會   經歷上開4階段。

      金融機構 運用AI系統時宜辨識4個階段中可自行監控風險之程度，並得對自 身

     較無控制權的部分或事項，透過契約或其他方式與合作廠商

      明訂風 險監控責任之分工。

       為簡化文字，本指引以

    「導入(introduce)」AI，表 示   前述(一)、(二)及(三) 3階段，

     以

     「使用(use)」AI      表達第(四)階段。 

至本指引之「運用(apply)」AI則   係  整體性概念，包含上述4階段。

2025 07 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI 在遊戲設計中 應用廣泛，若要創造 可互動 的 虛擬角色 與 劇情， 其最可能應用下列哪兩種模型？ (A) GAN + YOLO (B) 自回歸模型 + NLP (C) OCR + 視覺辨識 (D) 監督式學習 + 強化學習

 

2025 07 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI 在遊戲設計中 應用廣泛，若要創造 可互動 的 虛擬角色 與 劇情， 其最可能應用下列哪兩種模型？ (A) GAN + YOLO (B) 自回歸模型 + NLP (C) OCR + 視覺辨識 (D) 監督式學習 + 強化學習

 

  (11). 公司  為強化用戶體驗，設計能   推薦個人化   新聞文章 與 影片  的系統。

          這項推薦系統主要依賴哪種 AI 應用？ 

       (A) 圖像增強 

       (B) 知識表達 

       (C) 協同過濾 + NLP

        (D) 協議交換

    (12). 以下何者  非   智慧文件處理（IDP）常見的應用功能？ 

        (A) 自動合約審核  

        (B) 圖像強化 

        (C) 財報生成

         (D) 自動報告摘要

     (13). 某智慧製造工廠   導入  AI系統，能  即時偵測機台異常  並  發送閃燈警示，

            這屬於哪類應用？ 

           (A) 語音處理系統 

           (B) 即時異常監控與視覺分析  

           (C) NLP聊天機器人 

          (D) 數位貨幣挖礦

      (14). 某新聞媒體導入NLP技術建立事實查核平台，用來比對新聞內容與查核資料，

              此技術屬於下列哪一項？ 

             (A) 自然語言生成（NLG）

              (B) 語音轉換

              (C) 語意比對與分類模型（如SBERT）

              (D) 計算機視覺

       (15). 為防止金融詐騙，銀行採用AI技術   即時分析   語音通話內容   並中斷可疑來電。

               這應用屬於下列何者？ 

               (A) 圖像分類 

               (B) 強化學習 

               (C) 聲紋辨識 + 詐騙語意分析 

                (D) 機器翻譯

       (16). 生成式AI   在遊戲設計中   應用廣泛，若要創造   可互動  的 虛擬角色  與  劇情，

               其最可能應用下列哪兩種模型？ 

                (A) GAN + YOLO 

                (B) 自回歸模型 + NLP 

                (C) OCR + 視覺辨識 

                (D) 監督式學習 + 強化學習

           (17). 以下關於生成式 AI 描述何者正確？ 

                (A) 只能處理結構化資料

                (B) 無法應用於音樂創作 

                (C) 可用於圖像、文字、語音等多媒體創作 

                (D) 僅能由 GAN 實作

          (18). AI 技術結合 NLP   可應用於  電子病歷分析，其主要效益為？ 

               (A) 替換醫療器材

                (B) 減少藥品用量

                (C) 自動整理病歷內容，輔助醫生決策 

                (D) 替代手術醫生

         (19). 企業部署 AI   進行合規風險檢查  時，應優先考量   下列哪項議題？ 

               (A) 內容創意 

               (B) 用戶情緒分析

               (C) 資料隱私與法規遵循

                (D) 生產排程

      (20). 針對 AI 演算法   偏見的風險，下列哪一項對應做法最合適？ 

               (A) 使用 GAN 自動修正

               (B) 使用更多圖片數據訓練模型

               (C) 設計公平性驗證與多樣性資料集

                (D) 忽略偏差以提高效率

2025 07 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 從AI趨勢掌握綠色轉型商機 當前AI技術正快速邁向2.0時代，隨著技術日趨成熟，生成式AI正逐步走出實驗室、邁入產業應用階段。全球生成式AI應用市場已進入高速成長期，市場規模預計將從2023年的113億美元，成長至2028年的519億美元，年均複合成長率（CAGR）高達35.6％。

 

2025 07 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 當前AI技術正快速邁向2.0時代，隨著技術日趨成熟，生成式AI正逐步走出實驗室、邁入產業應用階段。全球生成式AI應用市場已進入高速成長期，市場規模預計將從2023年的113億美元，成長至2028年的519億美元，年均複合成長率（CAGR）高達35.6％。

 

從AI趨勢掌握綠色轉型商機

• 2025.07.23 
 
• 03:00 
 
• 工商時報  產業分析

可透過AI模擬離岸風場的環境與風機分布，找出最佳發電效益的配置。圖／本報資料照片

文／工研院產科國際所研究經理 石立康

      當前AI技術正快速邁向2.0時代，隨著技術日趨成熟，生成式AI正逐步走出實驗室、邁入產業應用階段。根據多家研究機構的預測，全球生成式AI應用市場已進入高速成長期，市場規模預計將從2023年的113億美元，成長至2028年的519億美元，年均複合成長率（CAGR）高達35.6％。

        其中，2023年北美仍為全球最大市場，占比34.8％；然而亞洲市場成長動能最強，占比達22.1％，預估CAGR可達41.7％，顯示亞洲地區未來在生成式AI領域的關鍵角色。

    這股成長動能來自產業應用需求的全面擴張。

       麥肯錫報告指出，生成式AI在多元產業及企業職能中，展現出顯著的營收增長潛力。例如，行銷與銷售、銀行、保險、電信等領域的客戶服務，以及先進電子與半導體、先進製造、製藥與醫療等高科技產業的產品研發，皆能藉由生成式AI有效提升效率與創新。

     此外，生成式AI也正加速教育、法務、企業管理、社區服務、創意藝術等領域的自動化發展。特別值得注意的是，工作者教育程度愈高，其職務可被AI支援或優化的潛能也愈高，顯示生成式AI對知識密集產業的深遠影響。

    在這波AI驅動的產業升級中，「綠色轉型」也成為各界關注的關鍵方向。無論是鑑別式或生成式AI，皆具備協助產業達成淨零目標的潛力。

       短期內，以「節能減碳」為導向的應用尤為迫切。面對全球淨零排放趨勢，以出口為導向的台灣產業勢必受到衝擊，特別是高耗能的石化、電子、鋼鐵、水泥、紡織、造紙等行業。

政府亦規劃於2030年前投入9,000億元，推動邁向2050年淨零排放的目標。

      AI與大數據的整合應用，正是實現低碳製造的有效途徑。

      在製造業中，AI結合大數據技術，可透過製程優化、品質預測、智慧排程等方式提升能源效率，並從製程減碳、資源配置最佳化、設備健康管理等面向減少碳排放與能耗。

     例如，工研院協助中油輕油裂解廠導入AI技術，透過數據分析與參數建議值導出，在確保產品品質的同時，有效降低能耗與每年約2萬噸的碳排放量。

       中期來看，各產業「特定應用」也帶來廣泛綠色商機。

      以能源產業為例，可透過AI分析太陽能發電與用電端的最佳轉供組合，

或模擬離岸風場的環境與風機分布，以找出最佳發電效益的配置。在半導體產業，

亦有國內業者將光罩生成轉向結合AI演算法與GPU運算，不僅大幅縮短開發時間

與成本，同時實現節能效益。

      展望未來，生成式AI將成為驅動綠色轉型的關鍵力量。已有業者開始將生成式AI應用於智慧製造場域，例如利用虛擬主播快速生成多樣化內容，或

     導入小語言模型（sLM）與AI代理人，使AI能學習產業知識與作業流程，進而優化加工順序與排程，達到提效降本的目的。

總結來看，生成式AI不僅是企業創新的引擎，更是實現永續目標的推進器。未來誰能有效整合AI技術與綠色轉型策略，將在全球競爭中搶占先機，開創兼具效能與永續的新局。

2025 07 18 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 「淨零綠領人才培育課程」 環境部發布2025上半年《綠領人才就業趨勢報告》綠領AI人才需求逾4,300人 8年成長4倍 環境部長彭啓明指出，綠領結合AI已成必然，綠領AI的產業及職務需求也更顯多元！依職缺，2025年約有1萬個及占比48%綠領工作集中於6大職務： 環境安全衛生類人員、 業務銷售人員、 工程研發人員、 維修/技術服務類人員、 專案/產品管理類人員、 操作/技術類人員；

 

2025 07 18 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 「淨零綠領人才培育課程」 環境部發布2025上半年《綠領人才就業趨勢報告》綠領AI人才需求逾4,300人 8年成長4倍 環境部長彭啓明指出，綠領結合AI已成必然，綠領AI的產業及職務需求也更顯多元！依職缺，2025年約有1萬個及占比48%綠領工作集中於6大職務： 環境安全衛生類人員、 業務銷售人員、 工程研發人員、 維修/技術服務類人員、 專案/產品管理類人員、 操作/技術類人員；

 

環境部發布2025上半年

《綠領人才就業趨勢報告》

114-07-04[環境部國家環境研究院]

每月徵求2.2萬名綠領人才  一年增加9% 八年強彈270%

綠領AI人才缺口激增到4,300個 占綠領1/5

臺灣邁向2050淨零轉型，綠領人才扮演關鍵角色。環境部連續第二年與104人力銀行合作完成2025上半年《綠領人才就業趨勢報告》，2025年1到4月，平均每月超過4,000家企業招募綠領，釋出近2.2萬個綠領工作，比2024年同期增加9%，再創8年同期新高，8年強彈270%！

環境部長彭啓明指出，為了密切觀察徵才企業在不同時間點對綠領人才的需求強度變化，2025上半年《綠領人才就業趨勢報告》以過去八年每年1到4月為數據基礎，與2024年《綠領人才就業趨勢報告》以過去八年每年1到10月為數據基礎的比較基期不同。

結果發現，即使整體市場的徵才動能上半年比下半年疲弱，最近三年，1到4月平均每月工作機會數105萬個，就比1到10月平均108萬個短少約3%，甚至今年4月美國關稅戰也造成部分徵才企業觀望，但最新發布2025上半年綠領人才需求，依然追平2024年(同為2.2萬人)，顯示企業對綠領人才的需求強度仍穩定高於整體市場。

環境部為提供多元淨零培育課程，未來將推出一系列加值課程，包括與經濟部合作「節能培訓班」、與內政部合作「淨零建築」課程及與成功大學合開「碳捕捉、利用及封存(CCUS)」課程；

另配合衛福部規劃以大型醫療院所人員為對象的「綠色醫療專班」。為培育我國資源循環綠領人才，環境部國環院也將與資源循環署合作開辦「資源循環專班」。

此外，環境部目前已透過全國32所大學開設的「環境部淨零綠領人才培育課程」，協助員工取得合格證明及提升綠領戰力；求職轉職者，9月後，可將合格證明更新在104人力銀行履歷資料庫，提升求職能見度。

近8成綠領工作來自科技、製造、建築營造等6大產業

環境部2025年上半年《綠領人才就業趨勢報告》，由環境部彙整各部會提供「臺灣2050淨零轉型12項關鍵戰略」相關關鍵字，及合併104人力銀行提供永續關鍵字，包括淨零、減碳、環境工程等領域，2025年關鍵字新增到1,339組。透過104人力銀行累積超過46.8萬家徵才企業會員、超過898.3萬名求職會員資料庫進行大數據探勘，分析近8年含有關鍵字的公司名、公司介紹、職缺名稱、工作內容、條件要求、技能證照等，並分析綠領人才的證照、薪資、及職涯歷程。

趨勢報告指出，依產業，2025年約有1.7萬個綠領工作集中於六大產業及占比77%：電子資訊/軟體/半導體、一般製造業、建築營造及不動產、批發/零售/傳直銷、醫療保健及環境衛生業、法律/會計/顧問/研發/設計業；

其中，電子資訊/軟體/半導體因產業規模龐大、技術密集、法規壓力高、國際競爭激烈與產業鏈長，居綠領人才需求最大產業及占比22%，人才缺口超過4,600人。

依職缺，2025年約有1萬個及占比48%綠領工作集中於6大職務：

環境安全衛生類人員、

業務銷售人員、

工程研發人員、

維修/技術服務類人員、

專案/產品管理類人員、

操作/技術類人員；

  其中，環境安全衛生類人員主責企業實務需符合淨零排碳法規、產業廣泛需求，居綠領人才需求最大職缺及占比15%，人才缺口超過3,300人。

綠領職缺第二名則出現迭代，從早年的操作/技術類人員、轉為工程研發人員、再到近兩年的業務銷售人員，企業實踐淨零轉型已從企業本體、進入銷售服務。

淨零轉型12項關鍵戰略 「資源循環零廢棄」綠領需求最多

根據環境部2025年上半年《綠領人才就業趨勢報告》，臺灣2050淨零轉型12項關鍵戰略中，戰略8「資源循環零廢棄」，穩居8年來綠領人才最大需求及占比28%，戰略11「綠色金融」人才需求占比20%居次，戰略7「運具電動化無碳化人才」需求占比19%、排名第三。

環境部長彭啓明指出，戰略8「資源循環零廢棄」雖排行第一，但近3年(2023-2025)占比，與前五年(2018-2022)相比，已減降10個百分點，企業對綠領人才的需求，已從產線製程的淨零排放，延伸到前端的綠色研發、以及金融服務。

至於2025年綠領工作地區分析結果顯示，60%集中於北部（臺北市、新北市、基隆市、新竹市、桃園市、新竹縣、宜蘭縣）；

87%集中於六都(78%)及新竹縣市(9%)。8年長期趨勢，北部穩居綠領工作最多的地區、占55%~61%之間，南部占19%~23%之間，中部占17%~21%之間，南部皆略高於中部；中部僅在2020年~2023年半導體S廊道形成時，占比略趨近於南部，並於2025年追平南部、同占19%。

綠領AI人才需求逾4,300人  8年成長4倍

環境部2025年上半年《綠領人才就業趨勢報告》，針對近2.2萬個綠領工作進行第二次關鍵字過篩，透過419組AI關鍵字詞，如ChatGPT、deep learning、IOT、人臉辨識等，得出2025年平均每個月有4,301個綠領AI工作機會，8年成長398%；占綠領工作數的比例也從2018年的14.7%、增至19.8%，創8年新高。

環境部長彭啓明指出，綠領結合AI已成必然，綠領AI的產業及職務需求也更顯多元！依產業，法律/會計/顧問/研發/設計業的需求占比提升；

依職務，軟體/工程、工程研發、行銷的需求占比提升，知識密集服務業為產業導入AI淨零排碳需求旺盛，淨零轉型如同AI整體趨勢，從「做AI」逐步擴散到「用AI」。

面對綠領求才若渴，環境部長彭啓明也分享企業獲得綠領人才4大方法：

1.破圈，從其他產業或職務挖角綠領人才。

2.促動，邀請無求職意願被動求職者加入。

3.升級，培育現有員工加值轉型，具備綠領技能。

4.共舞，善用公部門資源，並啟動產學合作，例如環境部攜手32所大學

推出「淨零綠領人才培育課程」，在教育階段提早養成並預約綠領人才。

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟： 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning)： 基於 標籤數據 訓練模型，用於 預測（回歸）或 分類（如邏輯回歸、神經網路）。 無監督學習 (Unsupervised Learning)： 在 無標籤數據上 發現模式，如k-means聚類（分組相似客戶）或 主成分分析（PCA）。

 

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟： 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning)： 基於 標籤數據 訓練模型，用於 預測（回歸）或 分類（如邏輯回歸、神經網路）。 無監督學習 (Unsupervised Learning)： 在 無標籤數據上 發現模式，如k-means聚類（分組相似客戶）或 主成分分析（PCA）。

 

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟： 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning)： 基於 標籤數據 訓練模型，用於 預測（回歸）或 分類（如邏輯回歸、神經網路）。 無監督學習 (Unsupervised Learning)： 在 無標籤數據上 發現模式，如k-means聚類（分組相似客戶）或 主成分分析（PCA）。

AI資料處理的核心流程包含以下四個關鍵步驟： 資料收集 (Data Collection)

資料清理 (Data Cleaning)

資料分析 (Data Analysis)

資料呈現 (Data Presentation)

探索式資料分析 (EDA)

探索式資料分析 (EDA) 是一套包含 資 料 視 覺 化 及 統計知識 和

技術的 數據分析方法，主要目的是 從各個面向 探索數據，

找出 解決問題 的 線索 並進一步 確認問題 及 解決方法。

數據標準化與歸一化：

標準化 (Standardization)：

將數據調整為 零均值 和 單位方差（Z-Score），

適用於 對距離 敏感 的算法。

歸一化 (Normalization)：

將數據 縮放至固定範圍（通常為[0,1]），適用於 神經網絡。

處理類別數據：

標籤編碼 (Label Encoding)：

將 每個 類別 映射 為 數字，適用於 有序類別。

獨熱編碼 (One-Hot Encoding)：

將 每個 類別 轉換 為 二進位向量，適用於 無序類別。

特徵工程 (Feature Engineering)：

特徵選擇：選擇 對 預測 最有影響的 變數（如卡方檢驗、相關性分析）。

特徵創建：從 現有數據 創建 新特徵，以提升模型表現（如 從日期 生成 星期幾）。

特徵縮放與轉換：對數據 進行變換（如對數轉換），使其更適合模型。

Reddit討論串的普遍共識是，特徵工程 和 預處理 是高度領域相關的，

「預處理根據你是在做電腦視覺、自然語言處理、金融時間序列

還是通用數據科學，差異非常、非常大。」，

並沒有一個「萬能公式是每次都有效的」。

監督學習 (Supervised Learning)：

基於 標籤數據 訓練模型，用於 預測（回歸）或

分類（如邏輯回歸、神經網路）。

無監督學習 (Unsupervised Learning)：

在 無標籤數據上 發現模式，如k-means聚類（分組相似客戶）或

主成分分析（PCA）。