在DevOps導入「右移」策略，來預防軟體上線運作時的潛在威脅

FIND研究員：李啟榮

在DevOps循環中，某些開發團隊導入「左移（Shift left）」策略，讓開發流程每個環節導入安全開發方法，希望從源頭把關來減少上線運作前的問題；雖然「左移」可以從源頭解決大部分的已知安全性問題，但軟體進入實際運作過程中，仍可能發生一些未知的風險。 

為減少在軟體上線運作中的潛在風險，維運團隊可導入「右移（Shift right）」策略，在可能發生風險的節點進行測試和分析，來補強實際上線環境運作中的安全性。 

技術發展背景 

傳統的DevOps指的是開發團隊和維運團隊不間斷的協同作業，來找出問題並解決問題；軟體開發最忌諱一步錯、步步錯，造成覆水難收的後果，因此開發團隊會在開發環節上，事先考慮安全性的要素，並進行安全分析與測試，將整體的安全性環節「向左（前）」推移，希望從源頭把關安全性問題、減少後續事故發生機率。 

除了開發階段的源頭把關、提升軟體品質和安全性之外，軟體是否能達到真正安全高效率，就需要在實際上線過程中驗證和觀察才能知道；然而，軟體開發過程中雖可在「左移」階段解決大部分的安全隱憂，但也有可能在實際上線運作階段，安全漏洞才會暴露出來，因此監控維運團隊可導入「右移」的概念，將運作過程中暴露出的安全漏洞及時阻斷，並爭取黃金修復時機。 

技術介紹與應用現況 

開發過程實施「右移」策略的目的，就是為了避免在軟體實際上線時發生意外事故，讓原先「左移」的努力前功盡棄、功虧一簣；而開發團隊也能在實際維運的同時，檢驗功能性、效能、容錯性和使用體驗。 

例如RedHat團隊所彙整的「右移」策略，可包含如下方法： 

1. SIEM（系統資訊和事件管理）工具，來檢測、分析威脅來源和種類，並做出相應措施。
2. SOAR（安全化統籌、自動化暨回應）工具，利用自動化工具進行維運管理和應變。
3. 金絲雀部署（Canary deployment），軟體發布時可先進行少量初期部署上線，若發生問題就可以即時應變和處理，避免在完整版全面上線時，發生牽一髮而動全身的後續錯誤。
4. A/B測試，藉由實驗組和對照組兩相比較的方法，來驗證實際上線部署時可能遇到的問題，並著手預防和排除。
5. 故障注入測試，藉由故意執行錯誤動作來判定軟體實際上線的可靠度。
6. API安全防護測試，藉此找出軟體API可能的漏洞或錯誤。
7. 混沌工程，一種以人為方式有意無意地干擾、弄亂系統的完整性，讓系統陷入「混沌」狀態，藉此進行整體系統容錯率評估的方法。
8. 藍綠部署，採用分流和雙環境部署的方式，先將一部分流量導入至測試中環境（藍色），待測試安全無虞後再導回實際上線（綠色）環境。

另外，DevOps以「右移」策略實施，能帶來如下效益： 

1. 減少「持續交付（CD）」過程中發生的風險。
2. 確保軟體在實際運作版本（Live production）萬無一失。
3. 藉由蒐集使用者意見回饋，讓開發團隊及時新增／移除／變更軟體特定機能。
4. 增加軟體整體運作效率。
5. 提升跨團隊協同作業效率，包含品管團隊、開發團隊、使用者體驗（UX）團隊、客服團隊等。
6. 讓交付速率比以往更為快速。
7. 及時發現Bug並予以排除，減少後續傷害。

未來展望／挑戰 

DevOps團隊可藉由同時發揮「左移」和「右移」兩策略的特長，除了從源頭把關軟體安全之外，更要密切注意上線運作當下的突發狀況，來減少可觀的業務衝擊和災後復原成本。 

未來接隨著進一步導入人工智慧，除了當作軟體開發的得力助手，也能及時對潛在威脅作出應變處置，阻斷並排除威脅，並藉由AI輔助下增進DevOps專案各別團隊的協同作業效率。

封面圖片來源：123RF 

參考資料來源：

1. Bernstein, C. (2024, August). What is shift-right testing? Retrieved from TechTarget: https://www.techtarget.com/searchsoftwarequality/definition/shift-right-testing 
   
   
2. Gunja, S. (2024, May 21). Shift left vs shift right: A DevOps mystery solved. Retrieved from Dynatrace: https://www.dynatrace.com/news/blog/what-is-shift-left-and-what-is-shift-right/ 
   
   
3. (2024年3月19日). 簡單理解測試的左移與右移. 擷取自 RedHat: https://www.redhat.com/zh/topics/devops/shift-left-vs-shift-right

您了解您的客戶嗎？AI情緒分析增強企業溝通能力

FIND研究員：林孝鴻

在當今競爭激烈的商業環境中，能與客戶保持有效的溝通是企業成功的關鍵。然而，與客戶溝通僅僅傳遞資訊已經不再足夠，能理解和管理溝通中隱含的情緒也變得至關重要。透過AI的強化情緒分析，可了解客戶在各種場景情境的情緒，將成為企業強化與客戶溝通的有效工具。

AI情緒分析讓企業更貼近客戶需求

情緒分析（Sentiment Analysis），也稱為情感分析，是自然語言處理（NLP）的分支。它主要透過識別和提取文字、語音、圖片、即時影像、生理等數據中人類的情緒訊息，來判斷人想要表達的情緒傾向。這些情緒可以是正面的、負面的或中性的。情緒分析通常應用於社交媒體監控、品牌管理、客戶服務等領域，幫助企業了解客戶的情感反應，提出溝通應對之建議。

CallMiner是一家美國AI情緒分析軟體公司，在企業與其客戶之間發生的活動進行分析洞察，提供溝通應對建議資訊。

圖1：美國AI情緒分析軟體公司CallMiner

資料來源：CallMiner官網

下列整理應用在金融業，與企業客戶溝通相關解決方案之八項情緒分析

一、客戶反饋管理：

客戶反饋是企業了解市場需求和改進產品或服務的重要管道。透過情緒分析，企業可以自動化地處理大量的客戶反饋，快速識別其中的情緒傾向。例如，對於負面反饋，企業可以即時採取措施，解決客戶不滿，提升客戶滿意度。同樣，對於正面反饋，企業可以識別出成功的策略和產品特點，進一步鞏固和推廣。

二、品牌聲譽監控：

現今社交媒體與人們生活已息息相關，品牌聲譽相對於企業的影響更為巨大。情緒分析可以幫助企業監控社交媒體上的品牌提及，了解公眾對品牌的情緒反應。當出現負面情緒時，企業可以迅速反應，進行公關處理，減少潛在的品牌損害。反之，對於正面的品牌提及，企業可以利用這些訊息進行品牌宣傳和市場推廣。

三、員工溝通和管理：

情緒分析可以應用於員工的反饋和內部溝通，幫助管理層了解員工的情緒狀態和工作滿意度。例如，透過分析員工在內部論壇或調查中的意見，企業可以發現潛在的問題，進行管理調整，提升員工的工作積極性和忠誠度。

四、信用風險評估：

情緒分析可以透過分析借貸人或公司在社交媒體、新聞和其他公開平台上的言論或行為輪廓，輔助評估其信用風險。例如，如果某家公司頻繁出現負面新聞報導或負評，可能表明其經營狀況不佳，增加了信用風險。金融機構可以根據這些情緒分析數據，調整對該公司的信貸評級和貸款條件。

五、市場風險監控：

市場風險包括利率風險、匯率風險和股票價格波動風險等。情緒分析技術可以幫助金融機構監控市場情緒變化，即時預警潛在的市場風險。例如，在金融危機或重大事件發生前夕，市場情緒通常會發生顯著變化。透過即時捕捉這些變化，金融機構可以提前採取風險對沖措施，減少損失。

六、客戶服務優化：

金融機構可以透過情緒分析技術，分析客戶與客服於不同頻道互動中的情緒反應，進而改進服務品質。例如，銀行可以透過分析客戶在電話、電子郵件、社交媒體、視訊、臨櫃上的反饋，識別常見問題和客戶不滿，並即時進行改進。此外，情緒分析還可以幫助客服代表了解客戶情緒，提供更有針對性和人性化的服務。

七、客戶滿意度調查：

客戶滿意度是金融機構保持競爭力的關鍵指標。透過情緒分析，金融機構可以自動化處理客戶滿意度調查結果，快速識別客戶的情感傾向。例如，分析客戶對產品和服務的評論，了解客戶滿意度的變化趨勢，並針對性地調整產品和服務策略，提升客戶忠誠度。

八、個性化金融產品推廣：

金融機構可以利用情緒分析技術，了解不同客戶群體的情感需求，進而開發出更具針對性的個性化金融產品。例如，透過分析年輕人對投資理財產品的情感反饋，金融機構可以設計出更符合年輕人需求的產品，吸引更多潛在客戶。情緒分析還可以幫助金融機構制定更有效的市場行銷策略。例如，透過分析不同市場活動的情感反饋，了解哪種行銷手段最能引起目標客戶的共鳴，進而優化市場行銷活動，提升行銷效果。

情緒分析在企業溝通情境下的發展將有巨大的潛力，但其數據越來越多元，也讓此技術面臨一些挑戰與如何驗證AI分析結果帶來的正確性等議題。例如，客戶性格、環境文化、時空背景資訊差異等。此外，情緒的多樣性和複雜性也增加了分析的難度，也有許多學研機構運用更多模態進行情感分析。

未來，AI情緒分析將會改變企業現行的溝通方式。透過自動化和精確地識別和管理情感訊息，企業可以更好地了解客戶和員工的需求和反應，提升溝通效果和品牌形象。隨著技術的不斷進步，情緒分析將在更多領域發揮重要作用，成為企業溝通戰略中不可或缺的一部分。企業應積極探索和應用情緒分析技術，以增強其與客戶的溝通能力，為客戶帶來更好的價值。

封面圖片來源：本文作者自行繪製（輔以Copilot設計工具生成圖片）

參考資料來源：

1. Best sentiment analysis tools for 2024 and beyond
2. Sentiment Analysis: A Comprehensive, Data-Backed Guide for 2024
3. How To Make Informed Business Decisions With Sentiment Analysis In Financial Forecasting
4. Multimodal sentiment analysis: A survey - ScienceDirect

保險業客服應用生成式AI之合規挑戰

FIND研究員：徐燁儀 繼2023年10月17日公告「金融業運用人工智慧（AI）之核心原則與相關推動政策」後，金管會再於2024年6月20日發布「金融業運用人工智慧（AI）指引」，該指引以六大核心原則為基礎，加以詳述對應之應注意事項及可行之措施。 >

如何從抗拒到採納？醫療照護導入AI對醫病雙方之影響

FIND研究員：李啟榮 生成式人工智慧（Generative AI）在無孔不入地滲透到我們的日常生活後，就成為人類生活不可或缺的一部分，例如在醫療照護方面，生成式AI也開始佔有一席之地，可以識別醫學影像、開立處方、制定照護計畫（Care plan）等等。>