根據法律事務所威爾海爾（WilmerHale）的客戶警示報告以及路透社（Reuters）引述麥肯錫（McKinsey）全球銀行業年度審查指出，自主式人工智慧（Agentic AI）的快速崛起正在為金融機構帶來雙重考驗。外部客戶代理程式正挑戰傳統的法律授權與當責概念，而內部自動化系統則可能產生高昂的算力成本，進一步侵蝕預期的營運節省效益。
客戶端代理程式衝擊授權與防制洗錢
在合規層面，當務之急是釐清銀行究竟是在執行誰的指令。威爾海爾針對英國金融行為管理局（Financial Conduct Authority，簡稱FCA）框架的分析顯示，驗證一個代理程式與確立其代理權限是兩回事。軟體可能合法登入帳戶，卻進行超出客戶原意範圍的轉帳或投資。依據英國支付服務法規（Payment Services Regulations），支付授權取決於付款人透過雙方同意的程序所表達的同意，但強大客戶驗證屬於獨立要求。例如，管理現金流的指令可能在允許金額、交易對手或金融產品上留下不確定性，這也解釋了多數銀行目前選擇封鎖外部代理程式授權系統交易的原因。
不過，市場需求相當龐大。麥肯錫在全球調查了46,000名零售銀行客戶，在AI使用者中，有72%表示願意讓銀行代理程式執行一項金融任務，但會將自主核准額度限制在500美元以內，且該諮詢機構預期三年內將出現廣泛的客戶使用潮。然而，這種委託也讓金融犯罪監控變得更加複雜。代理程式可能會為了快速且便宜地完成供應商付款，自行選擇支付方式、幣別或中介機構，這些各自合理的動作組合起來卻可能呈現異常活動，使銀行難以在合法自動化行為與欺詐之間做出區分。
從產業面來看，當自主式AI從「聊天工具」演變為「代客操作的代理人」，銀行業面臨的其實是一場關於「最終責任歸屬」的結構性地震。當AI為了幫客戶賺取微幅利差或優化現金流，在毫秒之間完成一連串複雜跨國調度時，現有的KYC與AML（洗錢防制）機制根本來不及反應。對金融業者而言，這不僅僅是 IT 系統的升級，更是法遵邊界的全面重劃。
內部算力消耗與營運成本的雙面夾擊
另一方面，銀行在自家內部部署AI代理程式時，則面臨代幣（Tokens）消耗難以預測的控制難題。路透社引述麥肯錫的警告指出，代幣支出極易達到銀行總勞動成本的20%。由於代理程式之間的互動會跨越多次對話持續累積用量，傳統依據查詢複雜度指派不同模型的做法效果大打折扣。因此，部分銀行已指派名為 AI FinOps 的團隊負責監督支出，並對部署採取更嚴格的篩選，聚焦於預期報酬率較高的應用場景，同時評估額外營收是否足以正當化高昂的AI支出。
這兩大壓力甚至可能相互加乘。客戶代理程式可能會將存款從零利率帳戶轉移至收益更高的替代方案，在銀行承擔自身自動化成本的同時，進一步擠壓其利潤率。面對這些挑戰，英國金融行為管理局目前仍依賴現有監管框架，未提出AI專屬規則，這意味著銀行必須當即調適授權、監控與紀錄保存機制，並同時測試內部代理程式是否能帶來足以支應成本的實際價值。
本文改寫整理自公開新聞來源，原始報導由PYMNTS.com發布。
常見問題 FAQ
什麼是自主式AI（Agentic AI）在銀行業面臨的雙重考驗？
自主式AI的雙重考驗指的是外部客戶代理程式挑戰了傳統的帳戶授權、當責與防制洗錢規範，以及銀行內部代理程式因代幣消耗難以預測而帶來的高昂算力成本，這兩者正同時重塑銀行的控制機制與經濟效益。
為什麼銀行目前大多會封鎖外部代理程式授權系統交易？
根據法律事務所威爾海爾的分析，驗證代理程式與確立其確切授權範圍存在落差，軟體可能合法連線卻做出超出客戶預期的轉帳或投資，在權限界線與支付授權責任尚不明確的情況下，多數銀行選擇保守應對。
銀行內部部署AI代理程式面臨的主要營運挑戰是什麼？
內部部署的主要挑戰在於處理AI處理程序底下的代幣消耗量難以預測。麥肯錫的警告顯示，代幣支出可能輕易達到銀行總勞動成本的20%，促使銀行必須成立專責團隊並更嚴格評估AI應用的實際報酬率。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
