AI 正改寫銀行業工作版圖：自動化取代例行職位，監管機構同時提高警覺

透過把重複性服務工作交由 AI 處理，美國銀行希望減少員工的日常操作負擔，同時提升客戶回應速度。

摩根大通：數百個 AI 應用場景

摩根大通被視為企業級 AI 應用最成熟的銀行之一。公司目前在不同業務線中運行數百個 AI 應用，包括編程輔助、合規監控、數據分析及研究工作 。

銀行內部的大型語言模型工具已向超過 20 萬名員工開放，可協助撰寫文件、分析資料以及自動化工作流程 。

這種大規模部署背後的核心理念是：讓 AI 承擔例行知識型工作，讓人類員工專注於高價值分析與客戶互動。

高盛：生成式 AI 進入後勤部門

高盛同樣正在內部推出生成式 AI 助手。公司在 2025 年開始向數千名員工部署相關工具，並計劃逐步擴展至整個企業 。

這些工具可以協助員工摘要文件、撰寫材料及分析金融數據。管理層表示，AI 帶來的效率提升可能令招聘速度放慢，並在長期內逐步減少某些職位，而不一定是即時大規模裁員 。

整體而言，華爾街正出現一個明顯趨勢：重複性或初級職位減少，但對工程師、AI 專家及模型風險管理人才的需求增加。

為何監管機構開始擔心？

金融監管機構普遍支持 AI 創新，但同時指出，銀行在治理與監督方面未必跟得上技術發展速度。

1. AI 治理不足

澳洲審慎監管機構 APRA 指出，金融機構在 AI 方面的治理、風險管理及審核機制，未能跟上 AI 部署的規模與複雜度 。

澳洲證券及投資委員會（ASIC）亦在研究中發現，部分金融機構在管理 AI 系統（尤其影響客戶決策的系統）方面可能存在治理漏洞 。

2. 人類監督與可解釋性

金融業使用的 AI 系統，例如貸款審批、欺詐偵測或合規監控，很多都基於複雜的機器學習模型，外界往往難以理解其決策過程。

監管機構強調，即使系統自動化，銀行仍然必須保留清晰的人類監督與責任歸屬，確保 AI 決策可以被解釋和審查 。

3. 網絡安全與營運韌性

AI 亦可能帶來新的技術風險。監管機構指出，當銀行把 AI 系統整合到核心基礎設施時，可能增加網絡攻擊面，同時提高對外部供應商或雲端服務的依賴 。

因此「營運韌性」（operational resilience）——即銀行在技術或網絡事故發生時仍能維持服務運作的能力——正成為監管焦點。

4. 董事會層級責任

在英國等金融中心，監管機構明確表示：即使 AI 系統自動運作或由第三方供應，最終責任仍然屬於銀行董事會及高層管理人員 。

現有的監管框架，例如消費者保障、模型風險管理和營運韌性規則，同樣適用於 AI 系統。

銀行業工作的長期轉變

綜合來看，AI 正逐步成為銀行業的核心運作層。

過去需要大量分析員、後勤人員和支援職位的工作，正被自動化系統接手。這並不代表人類員工完全消失，但銀行需要的技能組合正在改變。

例行行政和分析工作會愈來愈自動化，而對以下角色的需求則持續上升：

• AI 系統監督與模型風險管理
• 軟件工程與資料科學
• 網絡安全
• 客戶關係與高層決策

對銀行而言，AI 代表效率與生產力提升；對監管機構而言，則是一項必須嚴格治理的強大技術，以確保消費者保護和金融體系穩定。