新核貸不只是AI導入，而是把授信從文件作業，重構為可驗證、可追溯、可長期營運的制度能力。

談到新核貸模式，多數人直覺想到的是導入AI之後，審核流程會更快、核准更即時。然而，如果只把它理解為效率提升，就會忽略更核心的本質：這其實是一場授信體系的重構。當金管會已同意銀行公會所提的模型控管與驗證機制，以及相對應的授信風險控管配套，並鼓勵銀行在風險可控的前提下導入運用，意味著「收入證明」正開始有機會從紙本文件，移往可被模型化系統處理、可被追溯驗證的評估資料，並逐步內建成銀行可以長期營運的制度能力。

在收入型態高度多元的年代，如果授信流程仍以薪資單、扣繳憑單、存摺影本作為主軸，結構性困境只會越來越明顯。一方面，市場上存在大量有負擔能力但較難舉證的客群，尤其是自營者、接案者、平台工作者，以及收入來源分散的民眾；他們不是沒有收入，而是很難用單一格式清楚呈現收入的真實樣貌。另一方面，銀行為了拼出一張可負擔能力的完整畫像，不得不投入更高核驗成本與更長補件時程，更容易在作業壓力下形成摩擦與延遲。更關鍵的是，即便文件齊全，往往也只呈現某段期間的收入狀況，卻很難回答授信真正的問題：在支出壓力、收入波動、既有信用承諾與家庭財務負擔之下，借款人是否能負擔得起目前的貸款。

從台灣目前信用卡與無擔保授信的日常作業來看，徵審要處理的從來不只是客戶「有多少收入」，還包含客戶在其他銀行的借貸狀況、既有債務負擔與整體信用行為。因此，流程常會結合對外部信用資料的查詢，再加上人工照會與核對，例如確認任職、收入穩定性、基本資料真實性、存款真實性等，用人力把資訊缺口補起來，暴露出目前授信流程在跨機構資訊交換、資料真實性確認與留痕稽核上，仍高度仰賴人工核對才能運作。

國際市場其實早就走過類似的路。2008年金融危機後，在監理要求與市場風控壓力的共同作用下，「償付能力」被提升為信用卡開卡、調整額度乃至授後管理的核心命題。以美國為例，Regulation Z的相關規範要求發卡機構在開卡或提高信用額度前，必須合理考量消費者償付最低應繳款項的能力，評估基礎包含收入或資產以及現有負擔。當這類要求必須在大量客群、快速決策與可持續管理的情境下落實，業界逐步形成一套可規模化的作法：當客戶缺乏近期收入證明或資料不完整時，透過資料與模型產出可採用的收入估計，搭配既有風險變數進行決策，並在授後管理中用同一套邏輯做主動調整與壓力訊號的提早識別。

進一步看國際趨勢，銀行在這個領域大致形成兩條路徑，並逐步走向匯流。第一條路徑可視為「以現金流推估可負擔性」：用帳戶交易、往來紀錄等資料，辨識穩定入帳、收入波動與支出壓力，形成更貼近真實財務狀態、也更具動態性的判斷。第二條路徑則是「把收入與就業狀態做成可直接驗證的資料」：透過薪資系統或雇主端資料，在客戶同意下直接確認收入與就業狀態，讓來源更清楚、責任更明確。當這兩者被妥善整合，授信決策就不再只是「看一份文件」，而是建立一條可追溯、可稽核、可重建的證據鏈，讓制度能長期運作，也能承受規模化與監理檢視。

以英國市場為例，金融機構Nationwide與資訊公司Experian合作，將Experian的收入與就業驗證服務納入房貸申請流程。在客戶同意下，銀行可以用數位方式確認申請人所申報的收入與就業狀態，降低申請人提供薪資單等人工文件的需求。這類作法真正的價值，並不只是少了幾張文件，而是把授信流程做成自動化與可稽核，確保資料來源清楚、驗證步驟可留痕。若日後發生爭議，也更能回到資料與權責本身處理，而不是回到人工補件、照會、解釋的迴圈。

當銀行要跨市場擴張時，這種制度化的差異會更被放大，若仍依賴各市場各自為政的紙本文件審閱，人力成本與流程摩擦會迅速堆疊。挪威的Bank Norwegian在擴張至歐洲多國市場時，採用Tink的收入驗證方案，把貸款與信用卡申請的收入核實流程自動化；申請人只要在流程中同意連結帳戶，銀行就能以帳戶資料驗證收入與可負擔性判斷。開放金融的價值也在此充分體現，可以協助銀行將跨國、跨行分散的帳戶資訊標準化，直接供授信與風控模型使用，降低對紙本與人工查核的依賴。

把這些國際案例放在同一個脈絡裡看，從房貸端的去文件化、到貸後管理的自動化監測與介入，再到多市場與跨境的標準化輸入，指向的是同一個結論：授信正在從「文件與人工」走向「資料與流程化」。因此，競爭焦點也不再只是某一個模型做得多漂亮，而是銀行能不能把資料取得、驗證、留痕與決策邏輯串成一條可被治理、可被稽核、也能長期運轉的證據鏈，讓模型真正成為營運能力的一部分。

把視角拉回台灣，我們目前在資料取得與真實性確認上，多數仍仰賴補件與照會來補足資訊缺口。當監理已把「財力評估模型」推進到銀行可採行的制度化配套，下一步的關鍵就不在於多做幾個模型，而在於把證據鏈做扎實，並把反詐與偽造防線同步納入流程設計，讓授信自動化在規模放大後仍能維持一致性與風險管控。

當收入證明走向資料化、流程化，另一個必須同步制度化的面向，是客戶授權與資料治理。銀行需要把授權管理做成流程的一部分，清楚界定資料取用範圍、使用目的、保存期間與權限控管，並確保跨系統、跨供應商的資料流向可被盤點與稽核，否則流程即便更快，也可能因個資疑慮、內控落差或外部爭議而被迫回到人工補救。更重要的是，當財力評估走向模型化，銀行也必須把可解釋性納入考量，例如在降額、要求補件或拒絕授信時，能以可被理解的方式交代主要原因與可改善方向，並提供明確的申訴與覆核機制。

真正困難的地方，往往不在演算法本身，而在制度化的細節是否到位。銀行必須能在事後重建每一筆決策的脈絡，說清楚收入推估的資料來源、處理方式、模型與規則版本，以及當下門檻與例外條件，讓抽驗、內稽內控與爭議處理都有可回溯的依據。更重要的是，上線後必須把持續監測與再校準納入常態營運，因為景氣循環與客群結構改變會讓資料分布悄悄移動，讓整體風險提高。

在資料化程度提高後，詐欺也會同步升級。若模型納入帳戶金流或交易行為資料，借款人可能透過短期集中入帳、循環轉帳等方式刻意製造「看似穩定的入帳」，傳統文件也可能被合成偽造，甚至出現針對門檻規則的行為操弄。因此，當核貸由文件審閱轉向行為與帳戶資料，反詐也必須制度化升級，成為與授信同等重要的決策軌道，並以可稽核的交叉驗證、異常偵測與升級處置形成閉環。同時，當銀行將收入與就業驗證、資料聚合等關鍵環節外部化至第三方基礎設施，治理焦點也應延伸至供應商風險，以避免形成新的作業風險。

這不是一場要不要跟上趨勢的選擇題，而是台灣銀行在國際市場上能不能維持競爭力的現實考題。當國際銀行以更少的人力完成更高頻、可追溯的驗證與管理，授信決策自然能更快、更一致，客戶在申請端感受到的是更短的等待時間、更少的補件往返與更穩定的核准體驗。而這種體驗一旦成為市場標配，速度與流暢度就不再是加分項，而是能否被選擇的門檻。（作者為台灣金融研訓院金融研究所助理研究員）