巴基斯坦的金融骨幹如何利用 AI 強化韌性
當支付運作順暢時，沒人會注意到。但當系統出問題時，大家都會發現。
在巴基斯坦，1LINK 致力於防止類似情況發生。該公司由 11 間領先銀行共同組成，現已成為該國日常資金流動的基石——服務範圍涵蓋信用卡交易、ATM 提款、跨行轉帳 (IBFT)、帳單支付，甚至是政府稅收。2025 年，1LINK 已處理超過 100 億筆交易，總價值達 75.4 兆巴基斯坦盧比，同時維持高達 99.999% 的正常運作時間。
這就是國家級可靠性，正日益透過 AI 得到強化。
數位經濟的靜默機制
1LINK 並非單一產品，而是由可互通支付軌道（即底層數位網路、基礎架構）組成的網狀結構。1LINK 的軌道為 ATM、IBFT、國內卡片計畫 (PayPak)，還會和 Mastercard、銀聯 (UnionPay) 和 JCB 等全球受理網路的連線提供交換服務。此外，還有一處為 60 間金融科技公司提供服務的開放 API 平台，連上銀行和 1,150 個政府實體的軌道，可支付稅務。結果是能觸及該國幾乎每一位帳戶持有人、商家的骨幹網路，通常會在他們還未察覺的情況下運作。
這種廣泛存代表正常運行時間對 1LINK 來說很重要。一點小故障不只是小故障：可能會對銀行、機構和消費者產生連鎖反應。
1LINK 已經在主要站點、災難復原站點上執行叢集應用程式，持續進行監控。但在這種規模下，傳統儀表板會產生大量雜訊。對 1LINK 而言，下一步就是具備智慧，能從狀態燈號中區分訊號，然後在客戶感覺受到影響之前，率先採取行動。
「我們打算將所有監控轉移到 AI 導向的應用程式上，以便改善應用程式，或是可觀測性。」1LINK 數位、技術解決方案長 Azimullah Khan 表示：「應該能自動偵測異常，針對系統行為提供回饋意見。」
該公司目前的 AI 任務很務實：儘早偵測異常，引導快速修復。卻也看到其他 AI 應用案例的未來。
從監控到預測：應用於營運韌性的 AI
在用戶端，1LINK 預測可觀測性將學習到應用程式、網路和資料庫等正常行為，然後標記出夾帶背景資訊的偏差。換句話說，這是針對國家基礎架構的控制塔模型。
詐騙防禦也遵循同樣路徑。
銀行目前依賴透過 1LINK 協調的基於規則，但很快將轉為依賴滾動式六個月視窗訓練的機器學習模型，以便找出細微模式，預測未來詐騙行為。這種轉變ㄒ 從反應式規則轉向預測性模型，旨在減少誤報、縮短調查時間，在不增加合法使用者阻力的情況下，減少實際損失。
按預設的盡責安全性
速度無法超越信任感，特別是在涉及國家支付資料時。
1LINK 已經保持 PCI-DSS（支付卡產業資料安全標準）法務遵循 15 年，對待用資料、傳輸中資料和顯示中的敏感性資料，進行加密和遮罩。這種傳統塑造出 AI 發展藍圖。
Khan 說表示：「AI 藍圖應該是：首先，我們使用 AI 代理程式，在我們自己的系統中執行 PCI-DSS 原則。然後，我們可將 AI 導向服務擴張到客戶。」
這種立場也承認永恆的現實：人員會流動、政策可能會演變、系統會累積。入職新團員可能需要 12 到 24 個月的時間，原因是他們必須內化企業邏輯、安全政策和監管等細微差別。自動化重複性檢查，同時產生具備安全性意識的程式碼架構，可以縮短這個過程，讓專家專注於人類最擅長的事情：設計韌性。
企業營運業務：資料智慧即服務
在 1LINK 的軌道之下，有一處不斷成長的企業資料倉儲，匯集許多交易遙測資料。今日，此資料倉儲為內部分析提供動力；明日，可能提供針對銀行的安全洞察力即服務：高峰支付日、拒絕模式、停機診斷等，透過儀表板，或是代理式「詢問資料」介面呈現。
Khan 表示：「我們打算將這些資料作為服務提供給成員銀行。」他繼續說道：「第二步是為他們提供某種代理式 AI 體驗，讓他們可以使用代理程式，查詢自己的資料。」
該模型可以為整個銀行、金融服務業開闢新的收入來源。對於 1LINK 來說，有兩種注意事項：絕不混用客戶資料，控制方面也絕不妥協。
AI 應用程式和工作負載現代化
二十多年來，1LINK 和內部部署合作夥伴 Synergy 會共同引導平台轉型，從 Sun 伺服器一路邁向現代化安全性課程模組。在經歷前一間儲存空間廠商的效能、支援問題後，1LINK 已將 Hitachi Vantara 標準化，採用的統一標準。
Khan 表示：「我們從未遇到任何停機問題 [使用 Hitachi Vantara]。」他說道：「該平台非常穩定，正好符合我們所需。」
隨著 AI 就緒平台、網路能力進入視野，這種內部部署專業知識能結合全球工程技術，也將持續保持關鍵地位。
銀行與金融服務業的 AI 策略手冊
當談到透過創新維持競爭優勢時，銀行、金融服務業的組織明智的做法是效法 1LINK 的範例，會採用以下的策略：
- 圍繞核心，而非取而代之。保持交易處理的確定性、可審計性。在周圍分層式 AI，藉此實現可觀測性、事件回應和詐騙分析。
- 讓合規成為 AI 的第一個使用者。將模型指向您自己的軟體開發生命週期 (SDLC)、設定和證據套件。在將資料發佈到外部之前，可先在內部證明安全性。
- 在對的時間範圍內進行訓練。滾動式六個月視窗，可在快速變化的模式中，平衡詐騙模型的新鮮度和訊號。
- 為學習打造的工具。豐富、標準化遙測資料勝過「更多記錄檔」。您無法預測到自己無法觀察到的事物。
- 有目的地提高技能。利用 AI 解除安裝重複性的控制檢查，讓工程師能把時間花在故障模式分析、韌性工程上。
五年願景
隨著 AI 推動銀行、金融服務業各領域的現代化（特別是在支付系統方面），各機構可以期待更快速的異常檢測、更嚴密的詐騙防制，還有將法務遵循視為持續、自動化的屬性，而非後期關卡的開發生命週期。
Khan 預測說道：「整個流程將在未來 5 到 10 年內發生改變。」他繼續表示：「人們將會使用 AI，而非編寫 SQL 查詢，或要求員工產生報告。」
隨著時間變化，安全資料服務將協助銀行更早發現、解決效能和客戶體驗問題。這是擁有預測性、符合法務遵循規範，兼具高效的未來。
使用具備韌性、高效能的儲存空間，支援 AI 工作負載，查看 VSP One 如何簡化管理，同時提升資料基礎架構的效率。
