iT邦幫忙

鐵人檔案

2026 iThome 鐵人賽
回列表
Claude AI

從 AI 助理到營運中台:金融 PM 的 30 天 Claude Code 治理實戰 系列

本系列以金融保險營運為場景,記錄一位非工程師 PM 如何運用 Claude Code,從零建立「銀保 AI 營運中台」。30 天將依序完成 AI 任務登錄、流程編排、作業依據管理、資料分級、去識別化、人工決策、稽核留痕與風險儀表板。重點不在炫技,而在示範如何把零散的 AI 助理,轉化為可管理、可驗收、可追溯,且保留人類最終決策的營運系統。

參賽天數 9 天 | 共 9 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 1

不再只是多一個聊天視窗:從金融業實作看 AI 轉型「營運系統」的 4 大核心思維

在過去一年中,生成式 AI 在金融業內部呈現「遍地開花」的亂象:走進辦公室,你會發現有人在用 AI 修改電子郵件、有人在摘要文件、有人在草擬報告。然而,當營運主...

2026-09-15 ‧ 由 BrianYang 分享
DAY 2

為什麼「效益最高」的 AI 專案最容易失敗?銀保 AI 實作的避坑指南

1. 引言:PM 的 AI 焦慮與「需求清單」陷阱在數位轉型的浪潮下,產品經理(PM)經常面臨一個混亂的場面:當公司宣布導入 AI 時,各部門的需求會如雪片般飛...

2026-09-16 ‧ 由 BrianYang 分享
DAY 3

【AI 治理實戰】別讓 AI 的能力只取決於使用者的想像力:建立「四層任務邊界」的關鍵思維

在企業推動數位轉型的過程中,最令人擔憂的現狀莫過於:「邊界不寫下來,AI 的能力範圍就等於每個使用者的想像力範圍。」 尤其在金融保險營運場景,生成式 AI 與傳...

2026-09-17 ‧ 由 BrianYang 分享
DAY 4

別再對 AI 說「幫我分類」!掌握 9 個區塊,把模糊需求變成精準規格

1. 前言:那個「不愛問問題」的新同事 想像你今天交辦一項任務給新同事:「幫我把這疊信件分類一下。」 如果這位同事是人類,他通常會回頭問你十個問題:要分哪幾類...

2026-09-18 ‧ 由 BrianYang 分享
DAY 5

告別死文件:為什麼你的 AI 開發需要一份「戶口名簿」?

引言:被遺忘的 PDF 與 AI 治理的真相 在推動企業數位轉型的過程中,我見過無數完美的 AI 專案計畫。團隊花費數週討論評估矩陣、定義嚴謹的邊界表,但這些...

2026-09-19 ‧ 由 BrianYang 分享
DAY 6

當 AI 遇上現實:BAIOS 實戰日誌中的 5 個「反直覺」開發教訓

在紙面上設計 AI 系統時,一切看起來都很完美:撰寫幾段精準的 Prompt、定義好驗收指標、畫出流暢的自動化流程。然而,當專案進入「產品化」階段,真正開始呼叫...

2026-09-20 ‧ 由 BrianYang 分享
DAY 7

別讓 AI 幫你數數!業績資料稽核中,我們學到的 5 個反直覺教訓

引言:那個關於「貼資料問 AI」的常見誤區 月結前夕的辦公室,空氣中瀰漫著一種焦慮。我常看到同仁將整份業績 Excel 貼進 AI 對話框,急切地問:「幫我看...

2026-09-21 ‧ 由 BrianYang 分享
DAY 8

別再叫 AI 幫你比對文件差異了!這 3 個常見誤區正讓你的法遵系統陷於險境

1. 引言:一個「詳閱新版規範」帶來的日常惡夢 在金融機構或大型機構的法遵室裡,最令人背脊發涼的莫過於收到一封主旨為「作業規範改版通知」的郵件。附件裡躺著一份...

2026-09-22 ‧ 由 BrianYang 分享
DAY 9

AI 任務準確率 93% 卻救不了營運?揭開「轉人工」背後的流程黑洞

在 AI 數位轉型的過程中,開發者最自豪的往往是「準確率」。當你的 AI 分類任務(Task)達到 93.3% 的準確率,且檢核命中率高達 100% 時,直覺...

2026-09-23 ‧ 由 BrianYang 分享