AI 用得多不等於生產力高：看摩根大通、高盛、花旗，如何用 3 種管理模式重新定義「AI KPI」
華爾街各大金融巨頭目前正投入數十億美元，展開一場重塑工作、文化與權力版圖的 AI 科技軍備競賽。從繁雜的交易、後台作業到日常工作流程，生成式 AI 已經無處不在，甚至徹底改變軟體工程師、初級銀行員與高階主管的角色定位。
然而，隨著投資與研發規模急遽擴大，分析師與投資人開始更頻繁地追問這些科技支出的實際投資回報（ROI）與安全性，各界也逐漸對高額支出是否合理產生疑慮。摩根大通（JPMorgan）執行長 Jamie Dimon 就坦言，因為現在所有競爭對手都在使用AI，這項技術在金融業已形同基本配備，單純擁有 AI 已不足以創造差異。這也代表真正的競爭關鍵已經從誰能將 AI 從員工手中的日常工具，轉化為能夠具體衡量的成本效益、工作效率與實質業務成果。
在這場競賽中，摩根大通已經交出一張非常具體的成績單。Jamie Dimon 指出，公司利用 AI 所帶來的成本節省，目前已經足以抵銷投入的約 20 億美元資金。
近千個 AI 案例還不夠，摩根大通開始追使用率、改流程、重整組織
摩根大通每年擁有接近 200 億美元的科技預算，全力爭取在 AI 領域的領先地位。在第二季財報會議上，摩根大通宣布已累積將近 1,000 個 AI 應用案例，範疇涵蓋詐欺防範、行銷推廣到會議筆記等，且自有的生成式 AI 平台已向超過 20 萬名員工推廣，目的在於重新設計從工程師到投資組合經理的整體工作流程。
為了確保這筆龐大的科技支出發揮作用，摩根大通並未停留在員工自願使用的層面，而是開始緊密追蹤數萬名工程師的使用狀況。內部資訊儀表板中會依據 GitHub Copilot 的使用頻率，將開發者分類為「輕度（light）」、「重度（heavy）」與「未使用（non）」三種類別，甚至在內部網路發布新工作目標，期望工程師藉由採用 AI 來「驅動卓越表現（drive excellence）」，使 AI 應用直接成為績效評估的一部分。
更關鍵的轉折在於，隨著基礎模型與算力等基礎設施建置完成，摩根大通正將 AI 的發展主軸從「工具建置」拉升到「組織流程改造」的層面。今年二月，摩根大通調整商業與投資銀行的組織架構，目的就是「最大化 AI 的影響力」，並將工作重心從建置 AI 基礎設施，全面轉向直接對接業務效益的策略計畫。這項重大轉變也釋放一個明確信號：下一階段的 AI 投資報酬率，必須從深入流程與組織設計來獲得。
摩根大通看使用率、高盛看團隊產出、花旗看成果：華爾街開始重新思考 AI 生產力 KPI
相較於摩根大通著重於追蹤個人的使用率，高盛（Goldman Sachs）與花旗（Citigroup）則展現出截然不同的管理哲學，這也凸顯當前金融業在衡量 AI 生產力時並無單一標準。
高盛今年在科技領域投入 60 億美元，高盛資訊長 Marco Argenti 的做法與摩根大通截然不同，他並沒有去細盯每位員工的使用數據，而是更關注 AI 工具是否提升整個團隊的「產出速度（velocity）」。同時，高盛也與 Anthropic 合作開發 AI 代理人，並在其跨行計畫「OneGS」中明確指出，將利用 AI 提升效率、放慢招聘步調，並有限度的讓職位減少。
另一方面，花旗集團則採取由下而上的普及策略，其 120 億美元的科技預算培育了 4,000 名員工成為「AI 守門人（AI stewards）」，協助各業務部門融入新科技，並使將近 90% 的員工都開始使用 AI 工具。
然而，花旗高層深信推動轉型需要指標與驕傲感，因此刻意不追蹤員工個人微觀的 AI 使用量，而是將目光放在宏觀的大型成果指標上，並積極鼓勵員工使用足以完成任務的最低成本模型，以此精細控制模型運行的成本。
AI Agent 開始接手交易與財管流程，銀行要在生產力與風險之間找平衡
根據 KPMG 於 2026 年 6 月發布的調查，已有高達 51% 的銀行正在試驗這種能在極少人工監督下自主完成任務的 Agentic AI（代理人 AI），這些數位助理已逐步介入財富管理、客戶審查、交易與資金管理等核心金融流程，與人類員工並肩作戰。例如高盛與 Anthropic 聯手開發的代理人已投入交易、客戶審查等流程，摩根大通則將企業資金管理視為最適合被 AI 代理人改造的關鍵領域，花旗也正籌備推出具備 AI 能力的虛擬財富管理團隊成員。
在實際成效上，瑞銀集團（UBS）的案例則提供直觀的生產力證明：其 AI 代理人每天向理財顧問發送數千條行動提醒，在顧問做出決定後還能自動完成交易與資金轉移，這讓顧問得以將約 70% 的時間專注在與客戶溝通，大幅擺脫例行行政公事的束縛。
然而，雖然 AI 代理人能提供更直接且可規模化的投資回報，但也讓治理與風險控制問題變得更為棘手。當代理人被允許登入銀行內部系統並執行交易任務時，如何界定權限與維持人類監督，進一步成為核心課題，例如摩根士丹利就特別強調，涉及投資組合決策時，絕對會維持人類監督，且代理人不會被賦予自主決定投資組合的權限。
正如業界專家所指出，銀行在面對客戶以及涉及關鍵功能時，目前依舊保持極度謹慎的態度，確保任何核心環節都有人類參與。金融業在這場競賽中真正追求的，絕非盲目的自動化，而是如何在生產力提升以及風險控制之間，找到動態平衡。
回顧過去兩三年，多數企業導入生成式 AI 時，關注的指標往往偏向表層，但華爾街頂尖銀行的實戰經驗顯示，這些指標正在往下一層走。隨著 AI 代理人技術持續演進，進一步接管交易、財富管理與客戶審查等核心流程，金融機構真正的 AI 核心競爭力，將取決於誰有能力徹底重新設計工作流程、轉型組織架構，進而把科技能量轉化為可衡量的商業價值。
金融與科技的交會，正在改寫產業的遊戲規則。如果你對這些變化充滿好奇，能提煉出決策者需要的觀點，《TechOrange 科技報橘》正在徵內容編輯！
👉立即投遞履歷
【推薦閱讀】
◆ 【金融 AI 代理安全與防禦】AI Agents 直接經手支付與交易，機構「分階段放權」才是安全底線
＊本文開放合作夥伴轉載，資料來源：《Business Insider》、《Reuters》，首圖來源：Unsplash