AI‑就緒支付：為何傳統支付架構無法支持安全、可解釋和實時

透明度、韌性與AI驅動支付現代化的框架

即時透明度問題在支付中的挑戰

支付的運作速度和風險特性與其他銀行功能有根本的不同。儘管大多數傳統核心系統是為批次處理設計，支付卻要求毫秒級決策、即時詐騙偵測和立即例外處理。

AI承諾能提升路由效率、降低詐騙風險並改善直通處理（STP），但當底層支付架構不透明時，AI無法安全運作。基於COBOL例程、硬編碼規則和未記錄修補的傳統支付系統，無法提供AI所需的透明度來證明或解釋決策。

這造成了一個結構性的不匹配： **AI是即時的；傳統支付不是。**結果形成一個透明度差距，讓銀行面臨操作、財務和監管風險。

傳統支付流程中的隱藏依賴關係

支付系統經過數十年的演進，逐漸累積複雜性。在每一筆ACH、電匯、SWIFT或RTP交易的表面之下，隱藏著一張依賴網絡：

• 嵌入在單體COBOL模組中的路由邏輯

• 透過緊急修補演變而來的例外處理規則

• 依賴傳統資料路徑的詐騙評分

• 受未記錄介面影響的下游系統

• 層疊在較舊訊息格式上的ISO 20022轉換

這些依賴關係形成一個黑箱支付架構，人類或機器都無法追蹤決策的形成過程。

在此環境中訓練的AI模型會繼承這些盲點。即使模型本身是可解釋的，它所互動的系統卻不是——使整個支付決策鏈變得不透明。

為何AI在傳統支付系統中失敗

支付中的AI需要：

• 乾淨、即時的數據

• 確定性路由邏輯

• 可追蹤的決策路徑

• 一致的血統追溯

• 高保真度的可觀測性

傳統支付系統無法提供這些，反而帶來：

• 批次導向核心造成的延遲

• 不一致的資料血統

• 規則硬編碼，覆蓋AI決策

• 不透明的例外流程

• 有限的審計能力

這導致結果不可預測、STP失敗及監管風險。

問題不在於AI模型本身，而在於其底層架構。

支付透明度成熟度模型（PTMM）

為解決這些挑戰，支付現代化需要一個結構化的方法。**支付透明度成熟度模型（PTMM）**提供一個五階段的框架，用於評估和提升支付架構對AI的準備程度。

第1階段 — 不透明的支付邏輯

路由、詐騙規則和例外處理嵌入在沒有文件或追蹤的傳統程式碼中。

第2階段 — 部分血統可見性

部分資料流已被映射，但依賴關係仍在不同渠道和系統中隱藏。

第3階段 — 元件層級透明

業務邏輯被解耦為模組化元件，決策路徑可追蹤。

第4階段 — 即時可觀測性

支付流程、路由決策和詐騙觸發點可在實時中觀測。

第5階段 — AI準備、監管準備架構

每個決策路徑都透明、可審計、可解釋，並符合監管預期。

PTMM為銀行提供一個可衡量的方式來評估現代化進展，並識別在部署AI於支付流程前必須解決的架構差距。

監管對支付透明度的壓力

支付系統正逐漸被視為國家基礎設施，監管者也在轉向架構層面的期待。監管機構目前強調：

• 即時詐騙可解釋性

• 支付路由決策的可追蹤性

• 自動化結果的審計能力

• ISO 20022語義一致性

• 即時支付通道的運營韌性

• AI驅動支付決策的治理

隨著實時支付方案（FedNow、RTP、UPI、SEPA Instant）的擴展，監管者將要求銀行不僅展示AI模型的運作方式，還要說明支付架構如何支援透明、安全且可解釋的決策。

未經現代化，傳統系統無法滿足這些期待。

AI準備支付現代化的藍圖

準備進行AI驅動支付操作的銀行應採用一個結構化的藍圖：

• 建立跨所有支付通道的即時資料血統

• 將路由和例外邏輯與單體核心解耦

• 引入架構層級的可觀測性，用於詐騙、STP和例外流程

• 實施治理層，追蹤模型輸入、輸出和覆蓋

• 制定優先考量透明度而非速度的現代化路線圖

• 將支付現代化與符合法規的可解釋性預期對齊

此藍圖確保AI在可解釋、風險可控且韌性的支付環境中部署。

為何這對未來支付至關重要

支付是金融系統的心臟。隨著銀行採用AI來提升詐騙偵測、路由和STP，底層架構必須演進以支援透明度和可解釋性。

採用透明優先策略的機構將能夠：

• 達成新興監管期待

• 安全負責地部署AI

• 降低詐騙和操作風險

• 支援即時支付方案

• 在不破壞傳統核心的情況下進行現代化

架構透明度已不再是選擇，而是必要條件。

它是AI準備支付的基礎。

關於作者

Neeraj Aggarwal是支付現代化與轉型的領導者，擁有深厚的AI驅動銀行、核心系統現代化和即時支付架構專業知識。他為金融機構提供韌性、透明且符合法規的支付系統建設建議，並在全球行業論壇中貢獻思想領導。