摩根大通將人工智慧投資提升至核心基礎設施地位

在主要金融機構內部，人工智慧已晉升至傳統上由支付網絡、數據中心及核心風險控制等關鍵任務系統所佔據的層級。對摩根大通而言，人工智慧現已被視為基礎建設的核心要素——該銀行絕不能冒險忽視這項能力。

執行長傑米·戴蒙近期發言強化了此觀點，他為該行日益增長的科技支出辯護時警示：未能跟上AI進程的銀行恐將失去競爭優勢。核心論點已從「取代人力」轉向「維持營運相關性」——在這個以速度、規模與成本效益為日常要務的產業中，此轉變至關重要。

摩根大通多年來持續投入巨額技術資金，但人工智慧已徹底重塑這筆支出的敘事框架。昔日被歸類為創新實驗的計畫，如今已融入銀行基礎營運成本，涵蓋輔助研究、文件準備、內部稽核及各類組織工作流程的專有AI工具。

從實驗到基礎設施

此術語轉變昭示著該行風險評估的深層演進。人工智慧現被視為技術工具箱中不可或缺的組成部分，用以對抗正自動化內部流程的競爭對手。

摩根大通不再鼓勵員工使用公共AI平台，轉而優先開發與管理自有內部套件。此策略源於銀行業對數據安全、客戶隱私及監管合規的長期警惕。

金融機構的運作環境中，任何失誤都將招致嚴厲懲處。凡處理敏感數據或影響決策的系統，必須具備透明度與可追溯性。基於外部數據集訓練且頻繁更新的公共AI工具，往往難以滿足此要求。儘管開發週期較長，內部系統仍能賦予摩根大通更強的管控能力。

這種集中化策略同時能抑制未經管理的「影子AI」崛起——員工可能使用未經授權的工具加速任務處理。此類工具雖能提升個人生產力，卻會形成監管盲區，而監管機構往往能迅速察覺這些漏洞。

對人力變革的審慎態度

摩根大通在探討人工智慧對就業的影響時始終審慎。該銀行避免預測大規模裁員，而是將人工智慧定位為減輕人工負擔、提升產出穩定性的手段。

需經多輪審核的工作流程得以加速，最終決策責任仍由人類員工承擔。此框架將AI定位為輔助工具而非替代品——在高度關注政治與監管審查的領域中，此區分至關重要。

該行龐大的規模使此策略具可行性。憑藉數十萬名全球員工，即使僅實現邊際效率提升，經廣泛應用後仍能創造顯著長期成本效益。

建立並維持內部AI能力的初期投資相當龐大。戴蒙承認技術支出可能壓縮短期財務表現，尤其在市場波動期間。

其反駁觀點在於：當下削減技術投資雖可提升短期利潤率，卻可能危及銀行未來競爭力。由此視角觀之，AI支出實為避免落後所支付的戰略溢價。

摩根大通、人工智慧與落後競爭對手的風險

摩根大通的立場反映出銀行業更廣泛的壓力。競爭對手正運用人工智慧強化詐欺偵測、簡化合規任務並優化內部報告。隨著這些工具成為標準配備，業界基準將隨之提升。

監管機構可能開始預設銀行運用精密監控系統，客戶則期待更迅捷的回應與更少的失誤。在這變革浪潮中，人工智慧採用進度落後不僅顯得欠妥，更近乎營運失能。

摩根大通並未宣稱人工智慧能解決所有結構性挑戰或消除風險。許多人工智慧專案仍局限於狹窄應用領域，且整合至複雜的既有系統往往困難重重。

更艱鉅的挑戰在於治理架構。建立明確規範至關重要：哪些團隊能在何種情境下使用AI，以及須接受何種監督。系統產出錯誤時，需有既定的升級處理程序，並明確歸責機制。

對大型企業而言，阻礙人工智慧採用的關鍵往往不在於模型或運算能力匱乏，而在於組織流程、政策制定及信任建立。

對其他企業領導者而言，摩根大通的策略提供寶貴案例參考。該行將AI視為核心營運機制，而非可有可無的創新項目。

此策略雖無法保證成功——投資回報可能歷經數年方顯現，部分項目亦難免失敗——但該行立場明確：相較於過度投資，行動不足才是更嚴峻的風險。

另請參閱：隨著Plumery AI推出標準化整合方案，銀行業正加速AI實務化

欲獲取業界專家對人工智慧與大數據的深度見解？歡迎探索將於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。此綜合性活動隸屬TechEx系列，並與其他頂級科技會議同期舉行。點擊此處獲取更多資訊。

AI News由TechForge Media提供技術支援。探索其他即將舉辦的企業科技活動與線上研討會請點此。