摩根大通将AI支出视为核心基础设施投资

在大型银行内部，人工智能已进入曾为支付系统、数据中心和核心风险控制保留的类别。摩根大通将AI视为银行无法忽视的基础设施。这一立场在CEO杰米·戴蒙最近的评论中清晰体现，他捍卫了银行增长的技术预算，并警告在AI上落后的机构可能失去竞争优势。论点不是关于取代人员，而是在速度、规模和成本纪律至关重要的行业中保持功能。摩根大通多年来一直在技术上进行大量投资，但AI改变了这种支出的基调。曾经属于创新项目的部分现在被纳入银行的基线运营成本。这包括支持研究、文件起草、内部审查和组织内其他日常任务的内部AI工具。语言转变反映了银行如何看待风险的更深层变化。AI被视为与自动化内部工作的竞争对手保持同步所需的系统的一部分。摩根大通没有鼓励员工依赖公共AI系统，而是专注于构建和管理自己的内部平台。这一决定反映了银行业长期以来对数据暴露、客户机密性和监管监控的担忧。银行在错误成本高的环境中运营。任何接触敏感数据或影响选择的系统都必须可审计和可解释。公共AI工具基于数据集训练并频繁更新，这使得这变得困难。内部系统给予摩根大通更多控制，即使部署时间更长。这种方法还减少了不受控制的“影子AI”的潜在风险，即员工使用未经批准的工具来加速工作。虽然这些工具可以提高生产力，但它们创造了监管机构往往迅速注意到的监督缺口。摩根大通在谈论AI对工作的影响时一直很谨慎。银行避免了AI将大幅减少员工数量的说法。相反，它将AI呈现为减少手动工作和提高一致性的方式。曾经需要多个审查周期的任务现在可以更快完成，员工仍负责最终判断。这种框架将AI定位为支持而非替代，这在敏感于政治和监管反应的行业中很重要。组织的规模使这种方法变得实用。摩根大通在全球雇佣数十万人。即使微小的效率提升，广泛应用后，随着时间的推移也能转化为有意义的成本节约。构建和维护内部AI系统所需的前期投资是巨大的。戴蒙承认技术支出可能影响短期绩效，尤其是在市场条件不确定时。他的回应是，现在削减技术可能在短期内提高利润率，但风险是削弱银行未来的地位。从这个意义上说，AI支出被视为防止落后的保险形式。摩根大通的立场反映了银行业的压力。竞争对手正在投资AI以加速欺诈检测、简化合规工作和改进内部报告。随着这些工具变得更常见，期望上升。监管机构可能假设银行拥有先进的监控系统。客户可能期望更快的响应和更少的错误。在这种环境中，在AI上落后可能看起来不像谨慎，而更像管理不善。摩根大通没有暗示AI将解决结构性挑战或消除风险。许多AI项目难以超越狭窄用途，将它们集成到复杂系统中仍然困难。更艰巨的工作在于治理。决定哪些团队可以使用AI、在什么条件下以及有什么监督。