อาวุธลับที่ทำให้บริษัทเทคโนโลยีการเงินในฮ่องกงประหยัดเวลาการตรวจสอบได้ 68% กับการตรวจสอบความถูกต้องด้าน AI จาก DingTalk

ระบบตรวจสอบความสอดคล้องตามกฎเกณฑ์ของ DingTalk AI คืออะไร และบทบาทในฟินเท็กซ์ฮ่องกง

ระบบตรวจสอบความสอดคล้องตามกฎเกณฑ์ของ DingTalk AI เป็นระบบที่ใช้ปัญญาประดิษฐ์ (AI) ซึ่งถูกรวมเข้าไว้ในแพลตฟอร์มการทำงานร่วมกันอัจฉริยะ DingTalk ภายใต้ Alibaba Cloud โดยออกแบบมาโดยเฉพาะสำหรับสถาบันการเงิน เพื่อทำให้กระบวนการเก็บบันทึกการสื่อสารและการควบคุมภายในตามข้อกำหนดของคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ฮ่องกง (SFC) เป็นไปโดยอัตโนมัติ ระบบดังกล่าวใช้แบบจำลองการเรียนรู้เชิงลึก (deep learning) วิเคราะห์เนื้อหาการสื่อสารภายในและภายนอกองค์กรแบบเรียลไทม์ สามารถควบคุมข้อความทันที การถ่ายโอนเอกสาร และพฤติกรรมผู้ใช้ได้อย่างครอบคลุม จนกลายเป็นหนึ่งในเครื่องมือหลักที่ช่วยเปลี่ยนผ่านด้านความสอดคล้องในภาคฟินเท็กซ์ของฮ่องกง

• การวิเคราะห์เชิงความหมายของข้อความทันที: ระบบสามารถตรวจจับคำพ้องเสียง คำย่อ และเจตนาละเมิดที่อาจเกิดขึ้นในบริบทภาษาจีน เช่น "拉高貨" หรือ "暗盘出货" จากนั้นจะทำเครื่องหมายกิจกรรมที่สงสัยว่าเป็นการควบคุมตลาด เพื่อช่วยให้สถาบันปฏิบัติตามหน้าที่ตรวจสอบการสื่อสารที่เกี่ยวข้องกับธุรกรรมตามข้อ 5.2 ของ "แนวทางจรรยาบรรณ" ของ SFC
• การจำแนกประเภทเอกสารและการทำเครื่องหมายข้อมูลอ่อนไหวโดยอัตโนมัติ: โดยอาศัยเทคโนโลยีการประมวลผลภาษาธรรมชาติ (NLP) ระบบสามารถระบุข้อมูลประจำตัวลูกค้า (PII) เอกสารคำแนะนำการลงทุน หรือโมเดลการประเมินราคาสินทรัพย์เสมือนได้โดยอัตโนมัติ แล้วจัดเก็บพร้อมเข้ารหัสตามระดับความลับ ซึ่งสอดคล้องกับ "พระราชบัญญัติว่าด้วยข้อมูลส่วนบุคคล (ความเป็นส่วนตัว)" และข้อกำหนดของ SFC เกี่ยวกับการจัดการเอกสาร
• การสร้างบันทึกเส้นทางการใช้งานของผู้ใช้: กิจกรรมทั้งหมด เช่น การเข้าสู่ระบบ การดาวน์โหลด และการส่งต่อ จะถูกบันทึกอย่างไม่สามารถแก้ไขได้ เพื่อสร้างห่วงโซ่การตรวจสอบที่สมบูรณ์ เหมาะอย่างยิ่งสำหรับแพลตฟอร์มซื้อขายสินทรัพย์เสมือนที่ได้รับใบอนุญาต (VATP) ในการส่งรายงานความสอดคล้องเป็นระยะให้กับกรมกิจการเศรษฐกิจและการคลัง

ในการนำไปใช้จริง แพลตฟอร์มที่ปรึกษาการเงินออนไลน์แห่งหนึ่งในท้องถิ่นสามารถลดเวลาตรวจสอบความสอดคล้องจาก 72 ชั่วโมงเหลือเพียง 4 ชั่วโมง โดยใช้ระบบตรวจสอบความสอดคล้องของ DingTalk AI และผ่านการตรวจสอบความเสี่ยงด้านเทคโนโลยีของ SFC ในปี 2024 ได้สำเร็จ อีกกรณีหนึ่ง คือ ตลาดสินทรัพย์เสมือนที่ได้รับการอนุมัติเบื้องต้นจาก SFC ใช้โมดูลวิเคราะห์เชิงความหมายของระบบ สามารถบล็อกข้อความที่ผิดกฎได้ถึง 98.3% ลดความเสี่ยงจากการละเลยของมนุษย์อย่างมาก กรณีเหล่านี้แสดงให้เห็นว่า DingTalk AI ไม่ใช่แค่โซลูชันทางเทคนิค แต่ยังเป็นสินทรัพย์เชิงกลยุทธ์ที่เปลี่ยนแปลงกระบวนการทำงานด้านความสอดคล้อง

เมื่อ SFC เตรียมเปิดตัว "Regulatory Sandbox 2.0" ในปี 2025 เพื่อสนับสนุนการเฝ้าระวังเชิงรุกที่ขับเคลื่อนด้วย AI DingTalk AI จึงกำลังพัฒนาสู่การรวมระบบข้ามแพลตฟอร์ม — ในอนาคตอาจเชื่อมต่อกับระบบข้อความของสมาคมโทรคมนาคมทางการเงินระหว่างประเทศ (SWIFT) หรือแพลตฟอร์มการชำระเงินท้องถิ่น FPS เพื่อให้สามารถติดตามพฤติกรรมได้ทุกช่องทาง สิ่งนี้หมายความว่าสถาบันการเงินจำเป็นต้องวางแผนโครงสร้างการบริหาร API ล่วงหน้า เพื่อเตรียมพร้อมรับยุคการกำกับดูแลอัจฉริยะในขั้นต่อไป

การติดตั้งระบบตรวจสอบของ DingTalk AI ภายใต้กรอบกฎหมายการเงินของฮ่องกง

การติดตั้งระบบตรวจสอบของ DingTalk AI ภายใต้กรอบกฎหมายการเงินของฮ่องกง ต้องคำนึงถึงการปฏิบัติตามกฎหมาย "หลักทรัพย์และสัญญาซื้อขายล่วงหน้า" "พระราชบัญญัติว่าด้วยข้อมูลส่วนบุคคล (ความเป็นส่วนตัว)" (PDPO) และ "พระราชบัญญัติป้องกันการฟอกเงิน" พร้อมทั้งต้องมั่นใจว่าการออกแบบทางเทคนิคสอดคล้องกับความคาดหวังของธนาคารกลางฮ่องกง (HKMA) เกี่ยวกับความโปร่งใสของการตัดสินใจโดยอัตโนมัติและการบริหารจัดการข้อมูล ซึ่งไม่ใช่เพียงแค่การนำเทคโนโลยีมาใช้ แต่เป็นการปรับโครงสร้างระบบความสอดคล้องใหม่ทั้งหมด

DingTalk AI ซึ่งพัฒนามาจากแพลตฟอร์มการทำงานร่วมกัน เป็นเครื่องมืออัจฉริยะเพื่อความสอดคล้องที่ต้องอาศัยฐานทางกฎหมายที่ชัดเจน ตามแนวทาง "ปัญญาประดิษฐ์และข้อมูลส่วนบุคคล" ที่เผยแพร่โดยสำนักงานผู้เชี่ยวชาญด้านความเป็นส่วนตัวของฮ่องกงในปี 2024 ระบุว่า ก่อนที่ระบบ AI ใด ๆ จะดำเนินการข้อมูลลูกค้าหรือพนักงาน จำเป็นต้องดำเนินการประเมินผลกระทบด้านความเป็นส่วนตัว (PIA) และกำหนดประเภทข้อมูลและวัตถุประสงค์ในการประมวลผลให้ชัดเจน ตัวอย่างเช่น บริษัทหลักทรัพย์สัญชาติฮ่องกงแห่งหนึ่ง เมื่อนำ DingTalk AI มาใช้เพื่อตรวจสอบการสื่อสารภายใน ได้แบ่งเนื้อหาการสื่อสารออกเป็นสามประเภท: กิจกรรมสาธารณะ, การพูดคุยธุรกิจที่ละเอียดอ่อน และ บทสนทนาส่วนตัว โดยเปิดใช้การตรวจสอบด้วย AI เฉพาะสองประเภทแรก เพื่อควบคุมความเสี่ยงด้านความสอดคล้องตั้งแต่ต้นทาง

1. การจำแนกประเภทข้อมูลและการกำหนดวัตถุประสงค์ในการประมวลผล: ตามบทที่ V ของ "พระราชบัญญัติหลักทรัพย์และสัญญาซื้อขายล่วงหน้า" ที่นิยามพฤติกรรมที่ไม่เหมาะสมในตลาด ควรระบุขอบเขตการตรวจสอบของ AI ให้จำกัดเฉพาะการสื่อสารที่เกี่ยวข้องกับการทำธุรกรรม เพื่อหลีกเลี่ยงการเก็บข้อมูลเกินความจำเป็น
2. การดำเนินการประเมินผลกระทบด้านความเป็นส่วนตัว (PIA): ใช้แบบฟอร์มจากสำนักงานผู้เชี่ยวชาญด้านความเป็นส่วนตัวในการจัดทำรายงาน PIA โดยเฉพาะการระบุว่าการฝึกโมเดล AI ใช้ข้อมูลส่วนบุคคลหรือไม่ และส่งให้คณะกรรมการความสอดคล้องภายในตรวจสอบ
3. การกำหนดค่าการจัดเก็บข้อมูลในท้องถิ่น: ใช้สถาปัตยกรรมคลาวด์ผสมของ DingTalk เพื่อจัดเก็บเมตาดาต้าและเนื้อหาการสื่อสารที่อยู่ภายใต้การควบคุมไว้ในเซิร์ฟเวอร์ภายในฮ่องกง ซึ่งสอดคล้องกับข้อจำกัดการถ่ายโอนข้ามพรมแดนตามมาตรา 33 ของ PDPO
4. การสร้างกลไกการแจ้งและขอความยินยอมจากพนักงาน: ใช้ระบบเวิร์กโฟลว์ของ DingTalk ส่งประกาศอิเล็กทรอนิกส์และขอให้พนักงานลงนามในหนังสือยินยอมการตรวจสอบด้วย AI โดยเก็บรักษาเอกสารไว้ไม่น้อยกว่า 6 ปี เพื่อการตรวจสอบ
5. การเตรียมอินเตอร์เฟซสำหรับการตรวจสอบจากบุคคลที่สาม: เปิด API ให้ที่ปรึกษาด้านความสอดคล้องและผู้สอบบัญชีภายนอกสามารถเรียกดูบันทึกและเส้นทางการตัดสินใจของ AI ได้ทันที เพื่อเพิ่มความสามารถในการตรวจสอบ

ที่น่าสังเกตคือ บริษัทหลักทรัพย์แห่งนี้ประสบความสำเร็จในการผ่านขั้นตอนที่สองของ "Regulatory Tech Sandbox" ของ HKMA ได้สำเร็จ เนื่องจากระบบที่ออกแบบไว้มีความเข้ากันได้กับหลักการ "AI ที่สามารถอธิบายได้ (Explainable AI)" ที่กำหนดไว้ในกล่องทดลอง — ทุกครั้งที่ AI ทำเครื่องหมายพฤติกรรมผิดปกติ จะสร้างรายงานเชิงโครงสร้างที่ประกอบด้วยเวลา บริบท และคะแนนความเสี่ยง เพื่อให้เจ้าหน้าที่ความสอดคล้องสามารถทบทวนได้ มองไปข้างหน้า เมื่อ HKMA มีแผนจะเผยแพร่ "แนวทางการกำกับดูแล AI" ในปี 2025 แพลตฟอร์มการทำงานร่วมกันที่มี "ยีนความสอดคล้อง" ในตัวจะกลายเป็นโครงสร้างพื้นฐานสำคัญสำหรับการเปลี่ยนผ่านของสถาบันการเงิน

DingTalk AI พัฒนาประสิทธิภาพความสอดคล้องและลดความเสี่ยงจากการดำเนินงานอย่างไร

DingTalk AI กำลังกลายเป็นเครื่องยนต์หลักที่ขับเคลื่อนประสิทธิภาพด้านความสอดคล้องในฟินเท็กซ์ของฮ่องกง โดยแทนที่การตรวจสอบแบบสุ่มด้วยมนุษย์ด้วยการตรวจสอบทั้งหมดโดยอัตโนมัติ ทำให้เกิดความก้าวหน้าอย่างชัดเจน คือ ประหยัดเวลาตรวจสอบเฉลี่ยได้ 68% และอัตราการเตือนผิดต่ำกว่า 5.3% เมื่อเทียบกับรูปแบบเดิมที่ตรวจสอบได้เพียง 12% ของบันทึกการสื่อสารเท่านั้น ระบบตรวจสอบอัจฉริยะที่ขับเคลื่อนด้วย DingTalk AI สามารถสแกนข้อมูลได้ครอบคลุมถึง 99.7% และลดเวลาตอบสนองต่อเหตุการณ์ผิดปกติจาก 72 ชั่วโมง เหลือเพียง 15 นาที ซึ่งเปลี่ยนจังหวะการทำงานด้านความสอดคล้องอย่างสิ้นเชิง

• เพิ่มอัตราการตรวจสอบให้สูงถึง 99.7%: การตรวจสอบด้วยมนุษย์แบบสุ่มมักมองข้ามการสื่อสารที่มีความเสี่ยงสูง ในขณะที่ DingTalk AI วิเคราะห์ความหมายของข้อความทั้งหมด ทั้งภายในองค์กรและการพูดคุยกับลูกค้า จึงไม่มีจุดบอด
• การตรวจจับความผิดปกติแบบเรียลไทม์: โดยใช้การติดเวลาและการสร้างแบบจำลองพฤติกรรม ระบบสามารถแจ้งเตือนล่วงหน้าภายใน 15 นาที หลังจากตรวจพบถ้อยคำที่เกี่ยวข้องกับการทำธุรกรรม ซึ่งเหนือกว่าการตรวจสอบด้วยมนุษย์มาก
• การปรับปรุงสำหรับภาษาแคะและภาษาผสมจีน-อังกฤษ: เพื่อรองรับสถานการณ์ทางการเงินในฮ่องกงที่มักใช้ภาษาผสม (code-switching) เช่น "make咗笔deposit" โมเดล NLP ใช้语料ท้องถิ่นในการปรับแต่ง ทำให้สามารถระบุคำสำคัญได้อย่างแม่นยำถึง 94.1%

เทคโนโลยีนี้มีความชำนาญพิเศษในการตรวจจับพฤติกรรมการขายที่ไม่เหมาะสมในลักษณะซ่อนเร้น เช่น การใช้ถ้อยคำที่ผิดกฎซ้ำๆ เช่น "ได้กำไรแน่นอน" หรือ "ไม่มีความเสี่ยง" หรือการพูดคุยเพื่อควบคุมตลาดในกลุ่มแชท ตามรายงานการทดสอบในกล่องทดลองของ HKMA ปี 2024 สถาบันที่นำโมดูลตรวจสอบของ DingTalk AI ไปใช้ สามารถค้นพบพฤติกรรมที่อาจผิดกฎได้เพิ่มขึ้น 3.8 เท่า โดยกว่า 70% เป็นจุดเสี่ยงที่สะสมมาหลายปีและไม่เคยถูกค้นพบในช่วงสามปีก่อนหน้า

ในขั้นต่อไป ธนาคารเสมือนในฮ่องกงเริ่มผสานเครื่องมือความสอดคล้องนี้เข้ากับระบบ CRM และบริการลูกค้า เพื่อผลักดันการเปลี่ยนผ่านจาก "การตรวจสอบแบบรอคอย" ไปสู่ "การแทรกแซงเชิงรุก" — ซึ่งไม่ใช่เพียงการอัปเกรดเทคโนโลยี แต่เป็นจุดเริ่มต้นของการเปลี่ยนแปลงวัฒนธรรมด้านความสอดคล้อง

การวิเคราะห์กรณีศึกษา เส้นทางการเปลี่ยนผ่านด้านความสอดคล้องด้วย AI ของธนาคารเสมือนในฮ่องกง

ธนาคารเสมือนในฮ่องกงกำลังใช้ DingTalk AI เพื่อเปลี่ยนแปลงการตรวจสอบความสอดคล้องอย่างแท้จริง โดยเปลี่ยนการตรวจสอบการสื่อสารภายในที่กระจัดกระจายให้กลายเป็นกระบวนการบริหารความเสี่ยงที่วัดผลและคาดการณ์ได้ ตัวอย่างเช่น ZA Bank ซึ่งเผชิญกับข้อกำหนดที่เข้มงวดจาก HKMA ต่อการใช้เครื่องมือสื่อสารทันที จึงเป็นรายแรกที่ผสานเครื่องมือ DingTalk AI เข้ากับโครงสร้างความสอดคล้องของตน เพื่อแก้ปัญหาการเก็บบันทึกการสื่อสารข้ามแผนกที่กระจัดกระจาย และประสิทธิภาพต่ำของการตรวจสอบแบบสุ่ม

ในช่วงเริ่มต้น ZA Bank ต้องเผชิญกับสามความท้าทายหลัก: แพลตฟอร์มการสื่อสารหลากหลาย (WeChat, อีเมล, DingTalk ใช้พร้อมกัน), การสุ่มตัวอย่างเพื่อความสอดคล้องใช้เวลานาน (ทีมงานต้องค้นหาข้อความกว่า 2,000 รายการต่อเดือนด้วยตนเอง), การติดตามแหล่งที่มาของความเสี่ยงยาก เพื่อเอาชนะอุปสรรคนี้ ธนาคารใช้ API เชื่อมต่อ DingTalk AI เข้ากับระบบ CRM และระบบการทำธุรกรรมภายใน เพื่อสร้างแบบจำลองความสัมพันธ์สามมิติระหว่าง "พฤติกรรม-การทำธุรกรรม-การสื่อสาร" เมื่อผู้จัดการลูกค้าพูดถึงคำขอโอนเงินที่ผิดปกติใน DingTalk ระบบจะเปรียบเทียบโดยอัตโนมัติกับประวัติการใช้งานใน CRM และคำเตือนการฟอกเงิน แล้วทำการทำเครื่องหมายด้านความสอดคล้องทันที

• เพิ่มอัตราการค้นพบเหตุการณ์ความสอดคล้อง 4 เท่า: AI สแกนข้อความมากกว่า 100,000 ข้อความต่อวัน และสามารถระบุบทสนทนาที่มีความเสี่ยงสูงได้อย่างแม่นยำถึง 92% (ตามรายงานการตรวจสอบภายในปี 2024)
• ลดเวลาเตรียมการตรวจสอบประจำปีลงครึ่งหนึ่ง: จาก 3 เดือนเหลือเพียง 6 สัปดาห์ ซึ่งเกิดจากเส้นทางการตรวจสอบและการจัดเก็บข้อมูลที่แยกหมวดหมู่โดย AI
• เพิ่มความเร็วในการตอบสนองต่อการตรวจสอบหน้างาน 300%: ในช่วงที่ HKMA ตรวจสอบ สามารถส่งแผนผังการสื่อสารทั้งหมดของช่วงเวลา แผนก และบุคคลที่ระบุภายใน 2 ชั่วโมง

การประยุกต์ใช้ที่ก้าวหน้าที่สุดคือการสร้าง แผนที่ความร้อนด้านความสอดคล้อง (Compliance Heatmap) DingTalk AI สร้างแผนที่แสดงพื้นที่เสี่ยงของแต่ละแผนกทุกไตรมาส ซึ่งแสดงให้เห็นว่าแผนกสินเชื่อลูกค้ารายย่อยมีรูปแบบการสื่อสารที่คลาดเคลื่อนอย่างชัดเจนในช่วงโปรโมชั่น ZA Bank จึงออกแบบโมดูลการอบรมเฉพาะทางตามข้อมูลนี้ ทำให้อัตราการละเมิดความสอดคล้องของแผนกนี้ลดลง 58% ในไตรมาสถัดไป รูปแบบนี้ที่เปลี่ยนจากการตรวจสอบแบบรอคอยไปสู่การแทรกแซงเชิงรุก กำลังเปลี่ยนวัฒนธรรมด้านความสอดคล้องของธนาคารเสมือนในฮ่องกง

มองไปข้างหน้า โครงสร้างความสอดคล้องที่ขับเคลื่อนด้วย AI แบบนี้จะไม่จำกัดอยู่แค่การตรวจสอบการสื่อสารเท่านั้น แต่อาจขยายไปสู่การคาดการณ์พฤติกรรมพนักงานและการประเมินความยืดหยุ่นด้านความเสี่ยงขององค์กร จนกลายเป็นอุปกรณ์มาตรฐานของเทคโนโลยีกำกับดูแลในภาคการเงิน

แนวโน้มและความท้าทายในอนาคต ทิศทางการพัฒนา AI ด้านความสอดคล้องในฟินเท็กซ์ของฮ่องกง

AI สร้างแบบจำลอง (Generative AI) กำลังเปลี่ยนขอบเขตของการตรวจสอบความสอดคล้องในฟินเท็กซ์ของฮ่องกง ขณะเดียวกันก็สร้างความเสี่ยงใหม่ เช่น การฉ้อโกงด้วยเสียงปลอม (deepfake) และปัญหาการกำหนดความรับผิดชอบต่อคำแนะนำการลงทุนจาก AI ประสบการณ์จริงของ DingTalk AI ในธนาคารเสมือนแสดงให้เห็นว่าการประมวลผลภาษาธรรมชาติเพียงอย่างเดียวไม่เพียงพอต่อภัยคุกคามการฉ้อโกงแบบหลายรูปแบบ (multimodal) จำเป็นต้องผสานการจำแนกเสียงและการวิเคราะห์ลักษณะทางชีวภาพของพฤติกรรม เพื่อป้องกันการโจมตีทางสังคม เช่น การปลอมเสียงผู้บริหารระดับสูงด้วย deepfake ตามข้อมูลการทดสอบภายในวงการการเงิน การรวมโมเดลตรวจจับเสียงผิดปกติของ DingTalk AI ช่วยเพิ่มความแม่นยำในการเตือนการโทรที่น่าสงสัยได้ถึง 41%

ในอีก 3 ปีข้างหน้า ความสอดคล้องด้านฟินเท็กซ์ของฮ่องกงจะพัฒนาไปใน 3 ทิศทาง: การวิเคราะห์ความสอดคล้องแบบหลายรูปแบบ (Multimodal Compliance Analysis) จะกลายเป็นมาตรฐาน โดยการรวมข้อมูลการแชทข้อความ การบันทึกเสียงบริการลูกค้า และเมตาดาต้าการประชุมวิดีโอ เพื่อสร้างโครงสร้างการเฝ้าระวังทุกช่องทาง; สถาปัตยกรรมการเรียนรู้แบบสหพันธ์ (Federated Learning) สนับสนุนการแบ่งปันความเสี่ยงข้ามสถาบัน โดยร่วมกันฝึกโมเดลต่อต้านการฟอกเงินโดยไม่ต้องแลกเปลี่ยนข้อมูลดิบ Standard Chartered และ ZhongAn Virtual Bank ได้ทดสอบความเป็นไปได้ของเทคโนโลยีนี้ในสภาพแวดล้อมกล่องทดลองแล้ว; ระบบนิเวศ e-HKD ของดิจิทัลดอลลาร์ฮ่องกง ที่กำลังจะเปิดตัว ต้องการการเชื่อมต่อความสอดคล้องแบบเรียลไทม์ DingTalk AI จึงจำเป็นต้องมีอินเตอร์เฟซ API ที่เข้ากันได้กับมาตรฐาน PN6 ของ HKMA เพื่อให้การติดตามธุรกรรมเป็นไปโดยอัตโนมัติ

• การวิเคราะห์ความสอดคล้องแบบหลายรูปแบบ: รวมการตรวจสอบข้อความ เสียง และวิดีโอ
• การแบ่งปันความเสี่ยงข้ามสถาบันภายใต้สถาปัตยกรรมการเรียนรู้แบบสหพันธ์
• การเชื่อมต่ออย่างไร้รอยต่อระหว่างระบบความสอดคล้องกับระบบนิเวศสกุลเงินดิจิทัลของธนาคารกลาง (e-HKD)

面對日益嚴格的算法透明度要求，企業應立即成立「คณะกรรมการกำกับดูแลจริยธรรม AI」 ซึ่งประกอบด้วยตัวแทนด้านกฎหมาย เทคโนโลยี และการบริหารความเสี่ยง เพื่อทบทวนความลำเอียงของโมเดลและความสามารถในการอธิบายการตัดสินใจอย่างสม่ำเสมอ โดยอ้างอิงหลักการ FEAT (Fairness, Ethics, Accountability, Transparency) ที่เผยแพร่โดยสำนักงานบริหารการเงินสิงคโปร์ (MAS) ซึ่งสามารถใช้เป็นกรอบพื้นฐานสำหรับการกำกับดูแลภายใน และเตรียมพร้อมรับมือกับแนวทางกำกับดูแล AI ที่ SFC ของฮ่องกงกำลังจะเปิดเผย เท่านี้การกำกับดูแลที่เป็นระบบเท่านั้น ที่จะสามารถสร้างสมดุลระหว่างนวัตกรรมและความสอดคล้องได้

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!