AI正逐步進入全球投資銀行業務

摩根大通已開始在全球投資銀行業務中部署 AI 工具。管理層形容，目前仍屬於早期階段，但方向非常明確：利用 AI 自動化金融分析與複雜流程。

多年來，摩根大通其實一直在投資不同類型的人工智能技術，包括：

• 機器學習與分析型 AI：處理大量金融數據、提升營運決策質素
• 生成式 AI：在銀行整體 AI 應用中的比例正快速增加
• AI agents 及規劃系統：可自動執行多步驟任務，並模擬不同金融情境與結果

銀行的技術更新指出，這些 AI 系統已在多個部門提升收入及降低成本，尤其在市場分析與欺詐偵測方面效果明顯。

同時，摩根大通亦正在開發能夠：

• 從人類輸入中學習
• 協調多個任務流程
• 透過情境模擬支援金融決策

這類系統主要用於內部知識管理與決策支援。

Jamie Dimon：未來銀行會請更多AI人才

隨著 AI 深入銀行日常運作，摩根大通預計招聘結構會出現明顯變化。

Jamie Dimon 在接受訪問時表示，銀行未來會增加 AI 工程師、數據科學家及技術人才的招聘，同時某些傳統銀行職位需求可能減少。

他指出，AI 最終可能會影響銀行內「幾乎每一個職位」，但目標並不是單純取代員工，而是利用技術提升整體生產力。

換句話說，銀行未來更需要的是：

• AI 工程師
• AI 研究人員
• 數據科學家
• 技術與平台開發人才

而部分以手動分析或重複流程為主的職位，需求可能逐漸下降。

如何避免大規模裁員

雖然 AI 可能改變職位結構，但摩根大通表示，目前並沒有計劃因 AI 推行而進行大規模裁員。

銀行計劃主要透過以下方式調整人手：

• 自然流失（Attrition）：每年約有 10% 員工離職，即約 25,000 至 30,000 人。
• 再培訓（Reskilling）：培養員工轉型至科技或新職位
• 內部調動（Redeployment）：把員工轉到其他部門
• 提前退休計劃：為部分員工提供選擇

透過這種方式，銀行可以在 AI 普及的同時逐步改變人手結構，而不需要突然裁掉大量員工。

AI目前已在哪些地方發揮作用

根據公司披露資料，AI 已在摩根大通多個業務領域投入實際使用。

市場分析與客戶洞察

機器學習系統可分析大量客戶數據，協助銀行改善市場推廣策略並提供更個人化的金融建議。

欺詐監控與安全

AI 可以即時監察交易與行為模式，更有效地識別詐騙活動並降低金融損失。

內部工作流程

銀行正在建立 AI agents 及規劃系統，協助員工完成複雜分析、資料整理及決策支援等工作。

至於外界常討論的 AI 用於交易撮合、風險管理或程式開發等場景，雖然在金融業屬合理應用方向，但目前公開資料並未明確證實摩根大通已在這些領域大規模部署。

華爾街整體也在轉向AI

摩根大通的策略其實只是更大趨勢的一部分。整個華爾街都正在加速投資人工智能。

包括高盛（Goldman Sachs）、花旗（Citigroup）和美國銀行（Bank of America）等大型金融機構，都在利用 AI 自動化大量知識型工作，例如文件分析、數據處理和客戶服務。

產業數據顯示，銀行正透過 AI：

• 自動化大量分析與報告工作
• 減少部分重複性職位需求
• 同時提升整體生產力與決策速度

例如，美國多家大型銀行在盈利上升的同時，也透過科技和自動化逐步減少部分職位。

更大的變化：銀行業的人才結構正在改寫

摩根大通的 AI 推進顯示，銀行業的變化未必是突然的「機器取代人」，而更像是一次技能結構的重組。

未來金融機構可能會出現一個新的組合：

• 更少只做傳統金融分析的職位
• 更多工程師、AI 專家與科技人才

對銀行業來說，這場轉型不只是技術升級，更可能重新定義金融職涯的路徑。

AI正逐步進入全球投資銀行業務

摩根大通已開始在全球投資銀行業務中部署 AI 工具。管理層形容，目前仍屬於早期階段，但方向非常明確：利用 AI 自動化金融分析與複雜流程。

多年來，摩根大通其實一直在投資不同類型的人工智能技術，包括：

• 機器學習與分析型 AI：處理大量金融數據、提升營運決策質素
• 生成式 AI：在銀行整體 AI 應用中的比例正快速增加
• AI agents 及規劃系統：可自動執行多步驟任務，並模擬不同金融情境與結果

銀行的技術更新指出，這些 AI 系統已在多個部門提升收入及降低成本，尤其在市場分析與欺詐偵測方面效果明顯。

同時，摩根大通亦正在開發能夠：

• 從人類輸入中學習
• 協調多個任務流程
• 透過情境模擬支援金融決策

這類系統主要用於內部知識管理與決策支援。

Jamie Dimon：未來銀行會請更多AI人才

隨著 AI 深入銀行日常運作，摩根大通預計招聘結構會出現明顯變化。

Jamie Dimon 在接受訪問時表示，銀行未來會增加 AI 工程師、數據科學家及技術人才的招聘，同時某些傳統銀行職位需求可能減少。

他指出，AI 最終可能會影響銀行內「幾乎每一個職位」，但目標並不是單純取代員工，而是利用技術提升整體生產力。

換句話說，銀行未來更需要的是：

• AI 工程師
• AI 研究人員
• 數據科學家
• 技術與平台開發人才

而部分以手動分析或重複流程為主的職位，需求可能逐漸下降。

如何避免大規模裁員

雖然 AI 可能改變職位結構，但摩根大通表示，目前並沒有計劃因 AI 推行而進行大規模裁員。

銀行計劃主要透過以下方式調整人手：

• 自然流失（Attrition）：每年約有 10% 員工離職，即約 25,000 至 30,000 人。
• 再培訓（Reskilling）：培養員工轉型至科技或新職位
• 內部調動（Redeployment）：把員工轉到其他部門
• 提前退休計劃：為部分員工提供選擇

透過這種方式，銀行可以在 AI 普及的同時逐步改變人手結構，而不需要突然裁掉大量員工。

AI目前已在哪些地方發揮作用

根據公司披露資料，AI 已在摩根大通多個業務領域投入實際使用。

市場分析與客戶洞察

機器學習系統可分析大量客戶數據，協助銀行改善市場推廣策略並提供更個人化的金融建議。

欺詐監控與安全

AI 可以即時監察交易與行為模式，更有效地識別詐騙活動並降低金融損失。

內部工作流程

銀行正在建立 AI agents 及規劃系統，協助員工完成複雜分析、資料整理及決策支援等工作。

至於外界常討論的 AI 用於交易撮合、風險管理或程式開發等場景，雖然在金融業屬合理應用方向，但目前公開資料並未明確證實摩根大通已在這些領域大規模部署。

華爾街整體也在轉向AI

摩根大通的策略其實只是更大趨勢的一部分。整個華爾街都正在加速投資人工智能。

包括高盛（Goldman Sachs）、花旗（Citigroup）和美國銀行（Bank of America）等大型金融機構，都在利用 AI 自動化大量知識型工作，例如文件分析、數據處理和客戶服務。

產業數據顯示，銀行正透過 AI：

• 自動化大量分析與報告工作
• 減少部分重複性職位需求
• 同時提升整體生產力與決策速度

例如，美國多家大型銀行在盈利上升的同時，也透過科技和自動化逐步減少部分職位。

更大的變化：銀行業的人才結構正在改寫

摩根大通的 AI 推進顯示，銀行業的變化未必是突然的「機器取代人」，而更像是一次技能結構的重組。

未來金融機構可能會出現一個新的組合：

• 更少只做傳統金融分析的職位
• 更多工程師、AI 專家與科技人才

對銀行業來說，這場轉型不只是技術升級，更可能重新定義金融職涯的路徑。