事实上，较高的准确率和亮眼的整体评估指标，仍可能掩盖一些关键错误与潜在风险。当 AI 系统真正应用于业务流程时，这些容易被忽略的问题可能影响后续判断与决策，而人工审核也未必能够提供预期的保障。
本次线上研讨会将结合 Aereve 参与某国际监管机构 AI Live Testing 计划的实践观察，以多语言姓名匹配为案例，重点探讨：
● 准确率之外的测试盲区： 为什么整体评估指标可能掩盖重要错误与潜在风险？
● AI 错误在业务流程中的传递： 一个看似简单的判断错误，如何影响后续业务环节？
● 人工审核的局限性： 为什么人工审核不一定能有效识别 AI 错误并提供预期的保障？
本次分享适合正在评估或推进 AI 实际业务应用的 企业 IT 管理者、技术决策者、AI 项目负责人及业务与风险管理团队，帮助企业重新审视 AI 系统上线前的关键测试环节与风险评估方式。
Aereve 首席信息技术官（CIO）
Albert Lau 拥有超过25年亚太区金融服务业科技转型经验，职业经历横跨保险、银行、咨询及全球科技企业，长期专注于企业如何将科技战略转化为可执行的转型计划与可量化的业务成果。
在高度监管环境下，他曾领导横跨18个亚太市场的大型科技转型项目，涵盖企业架构、云端现代化、数字平台建设及企业级 AI 应用，并长期与管理层及董事会共同应对技术治理、风险管理及大规模落地执行等关键议题。
现任 Aereve CIO 的 Albert，同时参与 英国 FCA AI Live Testing Programme 相关实践工作，持续研究企业如何在真实业务环境中测试、治理及部署 AI。本次分享将结合多语言姓名匹配案例，从实践角度探讨 AI 测试盲点、治理责任、人工监督及企业 AI 上线前的关键考量。
