財富管理 AI:理專如何用 AI 生成投資摘要與適合度說明,兼顧法遵與客戶信任

上一季的季報季,我陪一位資深理專跑客戶。她手上 180 位客戶,每一位都要在對帳單寄出後兩週內完成一次投資回顧。她的做法是這樣:打開六個分頁,基金平台、保單系統、內部研究報告、客戶的 KYC 問卷、合規話術清單、還有她自己的 Excel 筆記。一份三頁的投資摘要,她平均花 40 分鐘。180 位,你自己算。

真正的瓶頸不是她不夠專業。是她一個人要同時當分析師、文案、跟法遵稽核。

財富管理 AI 到底幫理專做什麼

先把話講清楚。財富管理 AI 指的是:用大型語言模型結合券商、投信、保險與 CRM 的結構化資料,自動生成投資摘要、適合度說明與客戶溝通文件,而且每一句話都能追溯回原始數據來源。 重點在最後半句。能生成漂亮文字的工具滿街都是,但在受監管的財管場景,「這句話從哪來的」比「這句話寫得多順」重要一百倍。

理專真正會用到的,其實是三種文件。生成它們的難度與法遵風險,差很多。

可追溯,才是這件事的核心

我們幫一家財富管理團隊做 RAG 知識系統時,堅持一個規則:AI 生成的每一段話,旁邊都掛一個來源標記。摘要寫「本季股票部位由 45% 降至 38%」,滑鼠移過去,就看得到這個數字是從哪支基金、哪個對帳日期算出來的。理專要送出前,一眼就能核對。

這不是技術炫技,是法遵的硬需求。台灣的金融消費者保護與適合度規範要求,推介商品時得留下判斷依據。當主管機關或內稽問「你憑什麼推這檔給這位客戶」,你要拿得出那條軌跡。一個沒有來源、無法回溯的 AI,在財管業不是效率工具,是合規負債。

適合度說明:最該讓 AI 做、也最該被約束的地方

適合度比對是理專最花時間、也最容易出錯的一環。客戶風險屬性是 RR3,眼前這檔債券基金是 RR4,系統當然會擋,但客戶問「為什麼不能買」時,理專得當場講出一段站得住腳的說明。

我們的做法是讓 AI 只在「規則允許的範圍內」生成說明。商品風險等級高於客戶承受度,AI 不會幫你想辦法圓過去,而是生成一段拒絕推介的合規話術,並標註依據的條文。它縮短的是打字時間,不是判斷責任。這個界線我們踩過雷才學會——早期版本太「貼心」,會順著理專的意思把話說軟,那是很危險的。後來我們把合規邊界寫死在檢索層,模型碰不到不該碰的組合。

別把它當自動發送器

導入後那位理專的摘要製作時間從 40 分鐘掉到 8 分鐘,但我們反覆跟團隊強調:AI 生成的是草稿,不是定稿。真正建立客戶信任的,是理專看過、改過、簽出去那個動作。第一個月我們刻意保留「人工覆核」欄位,追蹤理專實際修改了哪些句子,再把這些修改回饋進提示與知識庫。三個月後,平均修改幅度降到 15% 以下,那才是系統真的學會了這家機構的口吻與尺度。

財富管理的信任,是一句一句累積的,也可能因為一句幻覺數字一夜崩掉。所以我們在這類專案裡從不追求「全自動」,而是把 AI 嵌進理專既有的工作流,讓每一份生成內容都可追溯、可覆核、可被稽核。Demo 上生成得再漂亮都不算數;理專願意每天拿它面對客戶,才算真的上線了。