摩根大通将人工智能投资提升至核心基础设施地位

在大型金融机构内部，人工智能已跃升至传统上由支付网络、数据中心和核心风险控制等关键任务系统占据的层级。对摩根大通而言，人工智能如今被视为不可或缺的基础设施——该行绝不能忽视这项能力。

首席执行官杰米·戴蒙近期发言强化了这一观点，他为公司不断增长的技术支出辩护时警示：未能跟上人工智能发展的银行将面临丧失竞争优势的风险。核心论点已从"替代人力"转向"保持运营相关性"——在这个以速度、规模和成本效率为日常命题的行业里，人工智能正成为维系竞争力的关键。

摩根大通多年来持续投入巨额技术资金，但人工智能彻底重塑了这项支出的内涵。曾经被归类为创新实验的项目，如今已融入银行的基础运营成本体系。这包括自主研发的人工智能工具，它们协助完成研究、文件准备、内部审计及各类组织工作流程。

从实验到基础设施

术语的转变昭示着该行风险评估体系的深度演进。人工智能已被视为技术工具箱中不可或缺的组成部分，用于应对那些正通过自动化内部流程提升竞争力的对手。

摩根大通不再鼓励员工使用公共AI平台，而是优先开发和管理自有内部套件。这一战略源于银行业对数据安全、客户隐私和合规监管的长期警惕。

金融机构的运营环境中，任何失误都将招致严厉惩罚。处理敏感数据或影响决策的系统必须具备透明度和可追溯性。基于外部数据集训练且频繁更新的公共AI工具，往往难以满足这一要求。尽管内部系统开发周期通常较长，但能为摩根大通提供更强的控制力。

这种集中化策略还能遏制不受管控的"影子AI"——员工可能使用未经授权的工具加速任务处理。此类工具虽能提升个人效率，却会形成监管盲区，而监管机构往往能迅速发现这些漏洞。

审慎应对劳动力变革

摩根大通在讨论人工智能对就业的影响时态度审慎。该行避免预测大规模裁员，而是将人工智能定位为减轻人工负担、提升产出稳定性的手段。

需要多轮审核的工作现可加速推进，最终决策权仍由人类员工承担。这种定位将人工智能视为辅助工具而非替代品——在高度关注政治与监管审查的行业中，这点至关重要。

该行庞大的规模使此策略可行。凭借数十万全球员工，即使微小的效率提升，经广泛应用后也能产生显著的长期成本效益。

构建并维持内部人工智能能力需要巨额初期投资。戴蒙承认技术支出可能对短期财务表现构成压力，尤其在市场波动时期。

他的反驳观点是：当下削减技术投资虽可提升短期利润率，却可能危及银行未来竞争力。由此视角看，人工智能支出实为避免落后所付出的战略溢价。

摩根大通、人工智能与落后于竞争对手的风险

摩根大通的立场折射出银行业的普遍压力。竞争对手正运用人工智能强化欺诈检测、简化合规流程并优化内部报告。随着这些工具成为行业标配，基准标准随之提升。

监管机构可能开始默认银行配备了精密监控系统，客户则期待更迅捷的响应与更少的失误。在这样的变革浪潮中，人工智能应用的滞后不仅显得不够审慎，更近乎运营失职。

摩根大通并未宣称人工智能能解决所有结构性挑战或消除风险。许多人工智能项目仍局限于狭窄的应用领域，且将其整合到复杂的传统系统中往往困难重重。

更艰巨的任务在于治理体系建设。必须明确规定哪些团队可在何种情境下使用AI，并建立相应的监督机制。系统产生错误输出时，需有既定的升级处理流程，且必须明确责任归属。

对大型企业而言，阻碍人工智能应用的往往不是模型或计算能力不足，而是组织流程、政策制定以及信任建立。

对其他企业领导者而言，摩根大通的战略提供了宝贵的案例参考。该行将人工智能视为核心运营机制，而非可有可无的创新项目。

此策略并非成功保证。回报可能需要数年才能显现，部分投资终将失败。但该行认为，更大的风险在于行动不足而非过度投资。

另请参阅：普鲁梅里人工智能推出标准化集成方案，银行加速运营化进程

想获取行业专家关于人工智能与大数据的深度洞见？欢迎探索在阿姆斯特丹、加州和伦敦举办的人工智能与大数据博览会。这场综合性活动隶属TechEx系列，与其他顶级科技会议同期举行。点击此处了解更多信息。

AI News由TechForge传媒提供支持。点击此处探索更多即将举办的企业技术活动与网络研讨会。