AI 未必取代銀行，但可以成為銀行最重要嘅「大腦」之一

金融服務好可能會成為 AI 最大嘅市場之一，但呢個唔等於開發前沿模型嘅實驗室會變成主導銀行。

原因其實好直接：**銀行唔只係一個 App、客服介面，或者一套做決策嘅系統。**銀行要持有資本、管理流動性同信貸虧損、運作受控制嘅系統，並且喺資金真係被調動時，對結果負上受監管嘅責任。

所以，較可能出現嘅格局係：AI 實驗室提供推理能力、用戶介面同代理基建；銀行、券商、支付公司同金融科技供應商，繼續提供持牌產品、受監管執行同資金結算層。

做銀行最難嘅，係承擔風險

前沿模型可以改善分析、客服、軟件開發同工作流程自動化；但單靠模型，唔會自動有能力吸收放貸損失，亦唔會憑空有資產負債表去接受存款或批出信貸。

以美國全國銀行為例，貨幣監理署（OCC）要求申請者維持同業務計劃風險相稱嘅資本水平；其特許指引更列明，營運首 3 年、或直至預期可維持穩定盈利之前，第一級槓桿比率不得低於 8%。34 呢個要求反映一個更大現實：銀行必須長期承受同管理信貸、流動性、營運、合規及聲譽風險。OCC 對大型銀行嘅監管評估，亦會明確檢視呢類風險。37

AI 實驗室當然可以選擇收購或新建一間受監管機構，但咁做就代表由出售可擴展技術，轉為承擔受監管金融風險。兩者係截然不同嘅營運模式；模型更強，並唔自然代表應該自己做銀行。

可以外判技術，但責任外判唔到

銀行一向可以使用第三方服務商，包括 AI 供應商。不過，受監管銀行仍然要確保有關活動安全、穩健，並符合法律要求。OCC 指出，銀行採用第三方服務，唔會減輕董事會及高層管理人員嘅責任。19

正因如此，合作模式喺結構上更吸引。銀行可以採購模型、代理編排平台或部署服務，但仍要按關係嘅風險同複雜程度作管治。美國聯邦跨機構指引把第三方風險管理原則套用到銀行嘅第三方關係；OCC 亦會檢視支援銀行活動嘅金融科技公司及其他分判商所帶來嘅風險。2818

合規亦唔係幫通用 AI 助手「加個功能」就完成。反洗錢、可疑活動與交易申報，以至《銀行保密法》（BSA）相關責任，都屬於持續性營運工作；OCC 會在監管檢查周期中審視全國銀行嘅 BSA 合規情況。3343

AI 代理愈自主，愈需要設限

真正適合金融場景嘅 AI 代理，唔應該係一個可以任意存取戶口嘅機械人；而應該係一個只能使用獲准數據、指定工具，並受權限上限、審批流程、紀錄及例外處理約束嘅系統。

呢件事一半係技術問題，一半係管治問題。OCC 於 2026 年更新嘅模型風險指引，涵蓋模型開發、驗證、監察、管治、控制及供應商產品；不過，指引同時表示，生成式 AI 同代理式 AI 屬新興且迅速演變技術，並不在該指引範圍內。21 呢點提醒市場：既有模型風險管理做法，未能解答自主金融代理嘅所有問題。

保安同私隱亦係另一重限制。國際貨幣基金組織指出，依賴雲端供應商、模型端點及金融服務嘅自主代理，可能需要銀行登入資料、信用卡號碼或加密錢包密鑰等敏感資訊，因而帶來資料外洩、私隱及集中式脆弱點風險。13

換句話講，最難嘅往往唔係揀到最強模型，而係如何將模型接入由機構控制嘅數據同系統，同時確保每項行動可覆核、有界限，並且在可行情況下可以撤回或逆轉。

銀行手上，仍然有 AI 公司未必擁有嘅資產

銀行及支付公司已有客戶關係、身份核實與開戶流程、經授權嘅交易數據、產品政策、反詐騙控制，以及真正執行付款嘅網絡。佢哋亦掌握核心銀行系統、總帳、客戶服務工具同個案管理流程中累積落嚟嘅營運知識。

AI 實驗室仍然可以喺「體驗層」取得可觀價值。假如用戶越來越習慣透過 AI 助手研究、比較同管理財務選擇，助手就可能成為重要嘅搜尋入口同分銷渠道。但呢個同擁有存款、承保貸款、託管資產，或者成為對交易負最終責任嘅供應商，係兩回事。

實際上，數據存取同營運規則嘅重要性，未必低過底層 AI 能力。Microsoft 對資本市場嘅分析認為，安全而獲授權嘅數據存取、可審計性、合約規則，以及數據所有權與價值分配安排，會左右代理式應用能否擴展。14

AI 實驗室最可能喺邊度贏？

1. 由副駕駛，變成有邊界嘅金融代理

近期最實際嘅機會，是自動化範圍清楚嘅工作：準備申請文件、對帳、找出異常、草擬客戶通訊、摘要個案，以及協助員工調查或處理客戶服務流程。至於哪些行動要人手批准、哪些可在政策上限內自動執行，仍由受監管機構決定。

OCC 曾觀察到銀行將 AI 用於反詐騙、識別可疑活動、自動交易、貸款申請流程、市場推廣及客戶服務。22

2. 有護欄嘅「自動理財」

在客戶明確授權下，AI 代理可以協助處理定期賬單、現金流、儲蓄規則、還債優次、再平衡指示，甚至企業庫務工作。但銀行、券商或支付服務商仍會是託管人、放款人、交易執行場地及受監管責任主體。

業界評論形容，呢條路係「貼近銀行、但唔變成銀行」：AI 代理可以透過同受監管機構合作，協助調動、付款及再平衡資金，而商務同支付會是較早起步嘅範疇。2

3. 商務與支付

商品搜尋、比較、結帳、開發票、退款同定期購買，都係高頻工作流程，代理式介面有機會發揮作用。不過，代理式支付涉及嘅參與者好多，包括消費者、商戶、AI 供應商、銀行、數據聚合商、支付處理商、金融科技公司及加密貨幣服務商。6

呢種生態結構本身就較有利合作：AI 助手可以發起或引導操作，但代幣化、身分驗證、授權、清算、爭議處理及合規，仍然要靠既有金融與支付基建完成。

4. 聯同金融基建夥伴，做企業級部署

最有機會長做長有嘅商業方案，會是基礎模型加上安全數據存取、工作流程編排、評測、審計紀錄，以及熟悉金融機構部署嘅團隊。

FIS 與 Anthropic 公布嘅合作正係一個例子：雙方表示會共同設計金融犯罪 AI 代理，結合 Claude 嘅推理能力，以及 FIS 嘅銀行數據與監管基建。FIS 又表示，客戶數據會留在由 FIS 控制嘅基建內，而每個代理決定都可追溯及審計。11

最可能出現嘅金融 AI 分工

較可信嘅結果，唔係 AI 實驗室全面取代銀行，而係形成分層市場：

• AI 實驗室：提供模型、推理系統、代理工具，以及可能面向客戶或員工嘅介面。
• 金融機構：提供持牌產品、客戶授權、合規計劃、風險承擔、託管、信貸，以及最終交易權限。
• 支付與金融科技基建供應商：透過身分、數據、核心銀行、處理及結算能力，將各個系統接通。

呢個格局唔代表 AI 實驗室只係配角。若某間公司擁有被廣泛使用嘅 AI 助手，或者提供最成熟嘅企業代理平台，佢一樣可以掌握龐大分銷能力同經濟價值。但在受監管金融市場，真正耐久嘅護城河，仍然係承擔風險、運行控制機制，並在監管體系內可靠執行交易嘅能力，而唔係模型能力本身。