摩根大通強調，這種轉變不太可能以突然的大規模裁員出現，而是透過自然流動、再培訓與內部調動，讓人力結構隨著技術演進逐步改變。

AI正導入全球投資銀行業務

摩根大通已開始在其全球投資銀行部門部署AI工具。該行亞太投資銀行主管表示，目前仍處於早期導入階段，但技術已開始改變金融工作的方式。

銀行多年來持續投資多種AI技術，包括：

• 機器學習與分析型AI：用於處理大型數據集並提升營運決策能力。
• 生成式AI（Generative AI）：在銀行AI應用中的占比正快速上升。
• AI代理與規劃系統：可自動執行多步驟流程、模擬金融情境並協助策略分析。

根據公司技術更新資料，這些系統已經在收入與成本兩方面帶來實際效益，尤其是在行銷分析與詐欺偵測等領域。

銀行同時正在開發更進階的AI系統，能夠從人類輸入中學習、協調複雜任務，並透過情境模擬與知識管理系統來優化金融決策。

Jamie Dimon：未來將「多聘AI人才、少聘部分銀行家」

隨著AI逐漸融入日常營運，摩根大通預期招聘結構會出現明顯變化。

執行長 Jamie Dimon 表示，銀行未來「在某些類型職位上，會聘用更多AI相關人才，而較少傳統銀行家」，反映金融機構對技能需求的轉變。

他指出，AI最終將影響銀行幾乎所有工作，部分職位可能減少，但同時也會出現新的職務類型。AI的主要目的不是單純取代員工，而是提升員工生產力。

因此，銀行未來可能增加招聘的職位包括：

• AI工程師
• AI研究人員
• 數據科學家
• 技術與系統專家

同時，一些依賴大量手動分析或重複流程的傳統銀行職位需求可能逐漸縮減。

人力調整將透過自然流動與再培訓完成

儘管AI會改變工作結構，摩根大通表示並沒有計畫因AI導入而進行大規模裁員。

銀行打算透過幾個方式逐步調整人力：

• 自然流動（Attrition）：公司每年約有 10% 的員工流動率，相當於 2.5萬到3萬人離職。
• 再培訓與技能升級：讓員工轉向更偏技術或數據的職位。
• 內部轉調：將員工重新部署到其他部門。
• 提前退休方案：為部分員工提供自願退出選項。

透過這些機制，銀行可以在AI逐步擴展的同時調整人才結構，而不需要一次性的大規模裁員。

AI已經在哪些業務中發揮作用

摩根大通公開資料顯示，AI已在多個業務場景中實際運作。

行銷與客戶洞察

機器學習系統能分析客戶數據，幫助銀行更精準地制定行銷策略並提供個人化金融建議。

詐欺偵測與安全

AI工具會持續監控交易與行為模式，以更有效識別詐欺活動並降低金融損失。

內部流程與知識管理

銀行正在建立AI代理與規劃系統，用來自動化複雜的內部流程，並協助員工完成分析與決策任務。

一些外界常討論的應用，例如併購交易分析、風險管理或程式開發輔助，在銀行業中被認為具有潛力，但目前公開證據仍有限，顯示這些用途可能仍在發展或尚未全面披露。

華爾街正進入AI競賽

摩根大通的策略其實只是整個金融業變革的一部分。近年來，多家大型銀行都在大幅投資人工智慧。

在華爾街，AI正被用來自動化大量「知識型工作」，例如文件分析、報告生成、客戶服務以及內部軟體開發。

產業數據顯示，銀行利用技術提升效率的同時，也在某些部門減少人力需求並提高生產力。

整體趨勢逐漸清晰：

• 重複性的分析與資料處理工作被自動化
• 對技術與數據人才的需求持續上升
• 某些傳統金融職位的成長放緩甚至縮減

更大的轉變：銀行工作的經濟學正在改變

摩根大通的AI推進顯示，金融業的變化並不是一夜之間取代銀行家，而是逐步重設工作方式。

短期內最明顯的影響並不是裁員潮，而是技能需求的轉移：純金融背景的職位比重可能下降，而工程師、AI專家與技術人才將越來越多地成為金融機構核心員工。

對整個銀行業而言，這場轉型可能重新定義未來的職涯路徑——甚至比技術本身帶來更深遠的影響。

摩根大通強調，這種轉變不太可能以突然的大規模裁員出現，而是透過自然流動、再培訓與內部調動，讓人力結構隨著技術演進逐步改變。

AI正導入全球投資銀行業務

摩根大通已開始在其全球投資銀行部門部署AI工具。該行亞太投資銀行主管表示，目前仍處於早期導入階段，但技術已開始改變金融工作的方式。

銀行多年來持續投資多種AI技術，包括：

• 機器學習與分析型AI：用於處理大型數據集並提升營運決策能力。
• 生成式AI（Generative AI）：在銀行AI應用中的占比正快速上升。
• AI代理與規劃系統：可自動執行多步驟流程、模擬金融情境並協助策略分析。

根據公司技術更新資料，這些系統已經在收入與成本兩方面帶來實際效益，尤其是在行銷分析與詐欺偵測等領域。

銀行同時正在開發更進階的AI系統，能夠從人類輸入中學習、協調複雜任務，並透過情境模擬與知識管理系統來優化金融決策。

Jamie Dimon：未來將「多聘AI人才、少聘部分銀行家」

隨著AI逐漸融入日常營運，摩根大通預期招聘結構會出現明顯變化。

執行長 Jamie Dimon 表示，銀行未來「在某些類型職位上，會聘用更多AI相關人才，而較少傳統銀行家」，反映金融機構對技能需求的轉變。

他指出，AI最終將影響銀行幾乎所有工作，部分職位可能減少，但同時也會出現新的職務類型。AI的主要目的不是單純取代員工，而是提升員工生產力。

因此，銀行未來可能增加招聘的職位包括：

• AI工程師
• AI研究人員
• 數據科學家
• 技術與系統專家

同時，一些依賴大量手動分析或重複流程的傳統銀行職位需求可能逐漸縮減。

人力調整將透過自然流動與再培訓完成

儘管AI會改變工作結構，摩根大通表示並沒有計畫因AI導入而進行大規模裁員。

銀行打算透過幾個方式逐步調整人力：

• 自然流動（Attrition）：公司每年約有 10% 的員工流動率，相當於 2.5萬到3萬人離職。
• 再培訓與技能升級：讓員工轉向更偏技術或數據的職位。
• 內部轉調：將員工重新部署到其他部門。
• 提前退休方案：為部分員工提供自願退出選項。

透過這些機制，銀行可以在AI逐步擴展的同時調整人才結構，而不需要一次性的大規模裁員。

AI已經在哪些業務中發揮作用

摩根大通公開資料顯示，AI已在多個業務場景中實際運作。

行銷與客戶洞察

機器學習系統能分析客戶數據，幫助銀行更精準地制定行銷策略並提供個人化金融建議。

詐欺偵測與安全

AI工具會持續監控交易與行為模式，以更有效識別詐欺活動並降低金融損失。

內部流程與知識管理

銀行正在建立AI代理與規劃系統，用來自動化複雜的內部流程，並協助員工完成分析與決策任務。

一些外界常討論的應用，例如併購交易分析、風險管理或程式開發輔助，在銀行業中被認為具有潛力，但目前公開證據仍有限，顯示這些用途可能仍在發展或尚未全面披露。

華爾街正進入AI競賽

摩根大通的策略其實只是整個金融業變革的一部分。近年來，多家大型銀行都在大幅投資人工智慧。

在華爾街，AI正被用來自動化大量「知識型工作」，例如文件分析、報告生成、客戶服務以及內部軟體開發。

產業數據顯示，銀行利用技術提升效率的同時，也在某些部門減少人力需求並提高生產力。

整體趨勢逐漸清晰：

• 重複性的分析與資料處理工作被自動化
• 對技術與數據人才的需求持續上升
• 某些傳統金融職位的成長放緩甚至縮減

更大的轉變：銀行工作的經濟學正在改變

摩根大通的AI推進顯示，金融業的變化並不是一夜之間取代銀行家，而是逐步重設工作方式。

短期內最明顯的影響並不是裁員潮，而是技能需求的轉移：純金融背景的職位比重可能下降，而工程師、AI專家與技術人才將越來越多地成為金融機構核心員工。

對整個銀行業而言，這場轉型可能重新定義未來的職涯路徑——甚至比技術本身帶來更深遠的影響。