美國銀行首席技術與資訊長表示，企業在人工智慧應用上最常見的錯誤之一，就是凡事優先求助於AI——儘管他所在的銀行正準備在明年將AI預算翻倍。

這番談話勾勒出全球金融兩大支柱如何判斷AI在哪些領域真正創造價值——以及哪些情況下更簡單的工具反而更勝一籌。

「我們和其他人犯下的最大錯誤之一，就是把AI當成解決方案貿然採用，」Hari Gopalkrishnan在紐約舉行的Fortune AIQ峰會上表示，「但其實確定性模型往往已經夠用。」

Gopalkrishnan與標普全球首席客戶長兼Kensho Data & Platforms聯席主管Sally Moore同台對談，論壇由Fortune編輯總監Andrew Nusca主持。

美國銀行：優先用簡單工具

Gopalkrishnan表示，銀行會從客戶需求出發，為客戶請求背後的步驟建立「流程清單」，並經常決定不採用AI——「很多時候都是如此，」他說——因為行動應用程式或即時決策規則往往是更好的答案。

銀行的每個AI專案都必須通過涵蓋16大風險「支柱」的審查，包括隱私、偏見、勞動力影響與智慧財產權。「我們不會部署一個只能聽懂某些口音的聊天機器人，」他說。

他表示，銀行使用AI已超過十年，最初是從詐欺模型開始。據Gopalkrishnan稱，該行的Erica虛擬助理已處理36億筆交易，若沒有它，銀行將需要增加11,000名員工來接聽客戶來電。該行3月的新聞稿則統計Erica的客戶互動已超過32億次。

這種審慎態度與龐大支出並存。行長Brian Moynihan在9月表示，約140項AI應用為銀行帶來4億美元的成本與8億美元的效益，且AI支出預算明年將翻倍。預算翻倍與嚴謹審查並行，正體現了論壇上反覆出現的核心張力：大力投資，但只投資在技術確實有效的地方。

支出經過審慎分配。Gopalkrishnan表示，銀行不偏好特定模型：名為Orchestra的編排層會將簡單的分類任務分配給在銀行自有GPU上運行的核准開源權重模型，而較複雜的推理工作則交由專有模型處理。他表示，這種架構也有助於控制token成本。

他表示，在財富管理領域，顧問現在能在「幾秒到幾分鐘」內完成客戶會議準備，而這類工作過去往往需要數天甚至數週。

在自主代理方面，銀行並不急於推進。「目前輔助型代理與人類協同作業還有很大潛力可以挖掘，」Gopalkrishnan說。隨著控制基礎設施的完善，銀行將更進一步。

他也談到資訊安全，指出AI模型在尋找軟體漏洞方面的能力日益提升，因此無論企業是否部署AI，修補漏洞與安全開發都至關重要。他認為，其中利害關係超出任何單一機構：如果某地一家小型銀行出了問題，人們對金融體系的信心就會動搖。

標普全球：數據是AI的貨幣

Moore表示，這家擁有160年歷史的公司正在積極而審慎地重新定位自身。標普全球是全球最大的信用評等機構，也是最大的指數供應商之一，其大量金融數據被用於受監管的工作流程。

「數據是AI中的貨幣，」Moore說，並補充客戶需要準確性、引用來源，以及可稽核且可回溯至原始出處的可追溯性。在一個數據支撐受監管工作流程的行業中，這種可稽核性是使用AI的前提。

她將部分優勢歸功於早期的一步棋：標普全球於2018年收購AI公司Kensho，此舉「為我們帶來了優勢」，她說明該公司此後將Kensho置於業務核心。7月6日，公司將Market Intelligence部門拆分為兩個單位。第一個是Kensho Data & Platforms，將面向客戶的數據與AI交付層「Kensho Data」與旗下涵蓋Capital IQ、Ratings Direct、Visible Alpha和With Intelligence的Platforms部門合併；第二個單位是Enterprise Solutions。執行長Martina Cheung表示，這些變革應能支持營收增長並改善利潤率。這次重組也為「以AI為核心的數據戰略能否兌現」提供了具體檢驗。

約兩年前，標普全球還設立了由Moore領導的首席客戶長辦公室，以更緊密地與客戶合作。該辦公室下設實驗室團隊，以及所謂的「前線部署專家」，與客戶共同推動AI應用。

Moore表示，標普全球服務60,000家處於不同AI採用階段的客戶。公司與前沿AI實驗室合作，將自身數據導入大型語言模型與生產力工具，如今更自行開發AI。應用範圍從銀行家準備會議與提案簡報等廣泛任務，到為單一用途打造的專用代理皆有。

她舉了一個例子。一家擁有8,000名銀行家的一級銀行在其自有平台上整合標普的內容資料集。標普協助該專案以「快六倍」的速度上線，她表示，準確率也從該行啟動時的約60%提升至事後的98%。她並未透露該銀行名稱，且相關數字來自標普自身。

該公司還打造了一款「信貸備忘錄產生器」代理，過程中持續保留人工審核，並依賴對底層數據的信心。

與Gopalkrishnan一樣，Moore也強調為工作選擇合適的工具。她表示，標普全球針對語言模型提供的確定性方案是API，不會產生高昂的token成本，而更複雜的「大規模自適應數據檢索」則成本較高。由於客戶的數據、技術與人力效率分別來自不同預算，標普會與客戶討論多種成果方案。

兩人的分歧點

當被問及是否曾選擇不使用AI時，Gopalkrishnan表示，最簡單的答案往往就是最好的答案。「AI並非永遠是正確的答案，」他說。

Moore對此表示認同，並進一步闡述。「我認為Hari說得非常好。重點不在於選對工具，而在於某種程度上的重塑，」她說。「我究竟想解決什麼問題？這項技術又能帶我走多遠？」

在標普全球內部，這意味著設立一個中央轉型辦公室，匯集技術人員，以及近期加入的數據營運團隊。兩家公司都為未來數月留下了可衡量的指標：該銀行翻倍的AI預算將於明年生效，而標普全球重組後的部門則將接受Cheung增長與利潤率目標的檢驗。

在結尾的快問快答環節，Moore提到了「嵌入式智慧」，她表示這「創造了超越現有客戶服務範圍的機會」。

Gopalkrishnan則做了總結：「我認為，預判客戶需求並在他們所在之處提供服務，將使你在原本商品化的市場中脫穎而出。」

Fortune記者在撰寫本文時使用生成式AI作為研究工具，發布前已由編輯核實資訊的準確性。本文最初發表於Fortune.com。