數位科技的日新月異為企業與主管機關在法規監管帶來全新挑戰，金融機構因新科技應用崛起，金融法規複雜度與日俱增，需投入更大量資源來確認作業程序是否合規，因此「法令遵循」成為各銀行重視的顯學，2016年也曾發生兆豐銀行紐約分行因違反防制洗錢機制，遭美國重罰1.8億美元，讓金融產業意識到可能面臨高額罰款的風險警訊。
金融科技應用近年崛起，主要是企業運用科技讓金融服務更有效率，且其大多為新創公司，例如利用手機APP匯款給朋友，又或是餐廳消費利用手機APP結帳，甚至是近來最受年輕人歡迎之一的社群平台Instagram也傳出跨足電商，都代表著企業除增加後端一連串的金流服務，同時也面臨著是否合規的問題。這些都顯示在科技應用不斷變化之下，法遵科技的重要性，尤其台灣金融監管相對嚴格，是挑戰也是機會，讓台灣更加適合發展法遵科技。
企業需遵循的法規更加複雜，因此衍生出利用科技協助企業遵循法令，以防止有「漏接」的情形發生！法令遵循科技（以下簡稱法遵科技，Regulatory Technology，RegTech），指利用資訊科技，廣泛蒐集金融監理制度與法規要求，提供分析與管理的工具。也就是說，金融機構（被監管方）能利用科技自動協助企業遵守法規要求並完成合規報告，降低作業風險。此外，也有人將這類科技稱為「監管科技」，運用資訊科技，監管機關（主管機關）針對受監理的金融機構所提供的合規報告，來判斷金融機構潛在的違規行為、風險控管、資安預警與消費者保護等監理目的。簡而言之，法遵科技就是利用科技減少法規為企業（被監管方）、機關（主管機關）等帶來的重擔。
法規解讀分析成本高
法遵科技興起可追溯至2008年，金融機構在歷經金融海嘯後，新法規紛紛出籠，加上科技快速演進，主管機關開始正視法規規範的妥適性，及企業是否如實遵循法令。因此，金融業及其他產業在適應新法規過程，不僅從各監管單位蒐集、擷取法規文本內容，整理複雜的法規文本後，再以人工費時解讀分析法規後，判斷企業內規是否合乎法令管理，若不合規得再確認內部相關權責單位調整修正，完成稽核與風險控管後，才能提交法規報告給主管機關，導致法令遵循作業成本大增。
法規快速增加趨勢從麥肯錫統計可見一斑，2016年全球監管法規超過2萬個，預估到2020年可能超過3億頁，法規處理人力及成本也因此大幅增長。麥肯錫指出，JP摩根大通在2012～2014年間增加1.3萬名員工進行法遵處理，成本支出增加20億美元，德意志銀行2014年為了法遵處理，追加支出的金額高達13億歐元。整體來看，法遵與治理、風險管理人力成本將占全球主要銀行支出10％以上，並逐年攀升，每年合計高達2,700億美元（約8.5兆元新台幣），預計將使企業負擔更為沉重。
傳統法遵管理作法多高度依賴領域專家，以人工方式解讀法規並分析，費時且容易造成解讀偏差與疏漏，且因缺乏系統化法規知識累積，導致難以重複運用於法規變動與連動追蹤管理。舉例來說，從人工法規解讀分析到找尋對應措施，加上跨單位的溝通合作，所花費的時間，雖會依據法規調整的複雜度，花費的時間也不同，相對複雜者可能長達3個月以上，但如以AI輔助法遵人員整理基礎法規與解讀分析，將可縮短至1個月的作業時程，且展現更高值化的人力發展。
法遵導入AI需三大要素
工研院也看準該趨勢，開發協助企業（被監管方）減輕法令遵循負擔的AI技術，AI與法遵如何有效結合需要三大要素，包括大量的法規資料庫、自然語言處理以及機器學習。首先，訓練法遵AI得先具備大量的法規資料，工研院也與金融系統SI業者、金融機構合作，透過業者累積的資料來訓練AI引擎。
第二，則是利用自然語言處理，將上述的法規資料以點、線、面的概念，建構法規知識網絡。「點」是進行法規「字詞」分析，「線」是進行法規「語句」分析，建立法規概念或因果關係，「面」則是進行法規「語意」分析，辨識合規要求。
最後，工研院整合法遵專家經驗及資料庫，協助AI進行深度學習，打造國內在地化「法遵管理資料庫」。依據法遵專家的動態經驗回饋，確認對應的內規是否正確之後，開發出「內外規對應分析模型」、「法規權責對應分析模型」。舉例來說，當未來有新的外部法規出現時，AI模型就能自動推論出對應的內規與內部權責單位，提供給法遵人員建議，此時法遵人員可經確認後再次回饋AI，不斷更新模型。
整體來看，各國的知識、國家語言、語意等都不同，難用一套技術放諸四海皆準，因此台灣的法遵科技領域可以走出自己的路，尤其是金融科技公司，台灣與其他國家相比，金融監管相對嚴格，所以RegTech成為台灣金融科技業最有發展斫景的方向之一。同時，還有需要大量法規文件管理的製造業，或是被高度監管的產業如化妝品、藥廠等，皆是法遵科技可見的應用市場，透過AI的輔助將可提升法遵人員的效能，為企業提供助益。
（本文由工研院資訊與通訊研究所所長闕志克授權轉載）
