AI會點樣放大金融震盪？歐洲央行同聯儲局最擔心嘅事

一遇上市場震盪，各自嘅風控動作可能會變成同一方向、同一時間嘅沽售，流動性變薄，甚至出現共同營運或網絡故障 。

核心問題：唔係AI做得慢，而係大家一齊郁

ECB 2024年5月《金融穩定檢討》專題指出，生成式AI可能對金融系統有重大影響；好處同風險，取決於金融機構同整個系統點樣處理數據、模型開發同部署 。聯儲局亦用相近角度形容AI：技術快速演變，而相關風險同好處正變得更實在、更清晰 。

AI確實可以幫金融機構改善風險評估、資本同流動性管理、營運效率、合規、客戶服務同數據分析；呢啲係央行同金融穩定委員會（FSB）材料都有提到嘅潛在好處 。

但金融穩定嘅憂慮出現喺另一邊：當好多公司用相似工具、依賴同一類外部服務，或者同時對同一組訊號作出反應，個系統就容易一齊轉向 。

歐洲央行最留意：供應商集中同羊群行為

AI供應商太集中：一個故障點，牽連成條鏈

ECB一篇2024年演說特別提到集中度風險：AI創造出嚟嘅大部分價值，可能被少數主導AI生態系統嘅公司攞走 。放到金融業，ECB 2024年5月穩定性分析就話，如果AI被廣泛使用，而供應商又高度集中，營運風險，包括網絡風險，就可能變成系統性問題 。

講白啲，呢個係「共同故障點」問題。如果好多銀行、基金或市場基建公司都靠同一個模型供應商、雲端平台或數據管道，一次服務中斷、錯誤更新、網絡事故或者有問題嘅數據集，就可能同時影響好多機構，而唔係停留喺單一公司入面 。

市場羊群行為：平時似效率，跌市時似放大器

集中風險喺市場層面，就會變成羊群行為。一份金融穩定評論警告，若果AI被大規模使用但缺乏適當保障，可能造成網絡集中風險、羊群行為，以及市場相關性上升 。

市況平靜時，相似AI建議可能睇落好有效率；但一到拋售潮，就可能變成順周期反應。假如好多系統同時建議減倉、提高流動性緩衝，或者減少做市，結果可以係市場深度下降、價格波動更急 。

模型、數據、部署：IT問題變金融穩定問題

ECB亦強調，AI嘅影響取決於數據質素、模型開發同部署選擇 。所以AI治理唔只係IT部門嘅事，亦係金融穩定問題。

一個模型喺正常市況下可能表現良好，但遇到未見過嘅衝擊時可以反應唔同。部署方式更加關鍵：有問題嘅輸出究竟只係一個內部提示，定係會直接變成交易、信貸、資本或流動性流程入面嘅自動行動，兩者對系統風險嘅意義好唔同 。

聯儲局最留意：監管、第三方同網絡韌性

聯儲局嘅憂慮同ECB有好多重疊，但佢哋更常由監管、第三方風險同網絡韌性角度入手。一篇聯儲局有關金融系統AI嘅演說指出，隨住AI能力演變，監管者需要確保相關風險得到管理 。

第三方AI依賴

聯儲局研究發現，大小銀行之間嘅AI技術差距可能正在擴大，而為金融機構提供第三方AI服務嘅非金融公司種類可能有限 。呢點指向一個集中度問題：較細機構可能更加依賴狹窄嘅供應商生態，而大型機構可能更容易取得先進AI能力 。

另一份聯儲局論文將第三方服務供應商形容為金融系統入面隱藏嘅網絡風險斷層，並指佢哋有可能製造系統性風險 。如果呢點再加上AI供應商集中，科技供應商喺壓力時期就可能變成風險傳播管道 。

Deepfake、身份詐騙同網絡攻擊

網絡風險係聯儲局特別重視嘅一條渠道。2025年，Michael Barr表示，AI驅動嘅deepfake可以複製一個人嘅完整身份，並有潛力大幅推高身份詐騙；佢亦指出，網絡犯罪者越來越多使用生成式AI 。較早前嘅聯儲局發言亦警告，隨住科技進步同金融系統愈來愈互聯，網絡威脅可以變得更具破壞性，而網絡事故可以引發更廣泛嘅系統性影響 。

市場受壓時，信任同核實最重要。AI輔助詐騙、假通訊或身份攻擊，未必需要直接推郁每一個資產價格先算危險；只要佢哋干擾身份驗證、支付、通訊或客戶信心，就足以令金融機構喺資訊高速變化時更加難應對 。

AI介入決策：由報告變行動

一份聯儲局職員論文指出，人類愈來愈依賴AI去搜集資訊同作決策，不論AI係作為副手，定係以更自主嘅系統形式運作 。一旦AI輸出被嵌入交易、流動性管理、風險評估或銀行營運，模型錯誤就唔只係出現喺報告入面，而係可以透過實際行動傳開 。

一場市場震盪可以點被AI放大？

一條可能嘅壓力路徑，可以好直接：

1. 衝擊出現。 資產價格下跌、波動升溫、壞消息急速傳播，或者關鍵供應商遇上網絡事故；好多機構用相似AI工具、數據來源或外判供應商處理同一件事 。

2. AI反應開始同向。 風控系統可能建議減倉、賣出相近資產、提高流動性緩衝，或者收縮做市。金融穩定文獻警告，缺乏保障嘅廣泛AI使用可推高羊群行為同市場相關性 。

3. 回饋迴圈加速。 賣盤同流動性撤退令價格進一步下跌；跌幅又變成下一輪風險訊號。政策分析曾警告，AI可以放大錯向風險，並加快金融危機速度 。

4. 共同基建變傳播管道。 ECB警告，集中AI供應商可令營運同網絡風險系統化；聯儲局研究亦將第三方服務供應商視為金融系統入面隱藏嘅網絡風險斷層 。

5. 最需要信任時，信任受損。 Deepfake、AI輔助詐騙或網絡攻擊，可以衝擊身份驗證、支付、通訊或客戶信心，而當時市場本身已經資訊過載 。

點樣減低風險？

解法要對準風險渠道。金融機構同監管者唔應該只盤點單一模型，亦要盤點共同AI依賴：邊啲機構用同一批供應商、同一類雲端服務、同一啲預訓練模型或數據來源，因為供應商集中可以將公司層面嘅科技選擇，變成系統層面嘅脆弱點 。

AI系統亦需要喺壓力情景下測試，特別係數據質素、模型設計同部署選擇會決定輸出只係建議，定係會變成自動行動 。

網絡安全同第三方韌性同樣係核心。聯儲局網絡安全報告指出，其監管政策同檢查程序涵蓋IT風險管理、網絡安全、營運韌性同第三方風險管理 。ECB嘅分析亦係同一套邏輯：一個工具喺單一機構入面睇似可控，但如果好多機構用同一種方式、靠同一批供應商，就仍然可以製造系統脆弱性 。

底線

ECB同聯儲局並唔係將AI視為必然危機觸發器。佢哋真正警告嘅係：當AI採用變得廣泛、供應商集中、模型難以驗證，而好多機構又高速回應同一批訊號，金融穩定風險就會上升 。

市場一旦受壓，AI嘅強項可以變成弱點。速度、規模同優化，可以幫單一公司更快反應；但放到整個系統，就可能變成同步沽售、流動性下降、網絡干擾，以及信任更快流失 。