美国银行首席执行官布莱恩·莫伊尼汉近日透露，该行已聘用大批外部承包人员，协助修复由Anthropic旗下Mythos等前沿AI模型发现的软件漏洞。莫伊尼汉表示，该行在第二季度聘用了1000名外包人员，与3000名内部员工共同开展漏洞修复工作。
莫伊尼汉称，当前沿AI模型问世时，银行内部希望尽快应对其暴露的安全问题。他同时透露，美国银行第三季度在软件漏洞修复及反洗钱合规监管问题上的支出超过数亿美元。这一数字反映出，AI模型在提升漏洞发现效率的同时，也为金融机构带来了新的安全运维负担。
值得关注的是，AI技术在美国银行内部的应用呈现双向效应。一方面，前沿模型帮助识别出大量此前难以察觉的软件漏洞，推高了安全修复成本；另一方面，该行约130个内部AI项目正在其他业务环节产生显著的成本节约。莫伊尼汉向分析师表示，这些AI项目带来的节约金额预计将从今年的3亿美元增至明年的7亿美元。
美国银行的案例折射出金融行业在AI落地过程中的普遍处境。随着大模型和智能体技术深入企业核心系统，AI驱动的代码审计与漏洞扫描能力大幅提升，但随之而来的修复工作量、合规审查压力以及专业人力缺口，正在成为企业必须直面的运营课题。如何在利用AI降本增效的同时，消化其带来的安全与合规成本，将是大型金融机构在AI规模化部署阶段的关键挑战。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
