美國銀行(BAC)增聘千人補漏洞，7億美元AI節省能否補回費用

 

美國銀行增聘千名約聘人員，AI資安風險先轉成現金支出

美國銀行(BAC)在今年(2026年)第二季緊急增加1,000名外部約聘人員，處理由Anthropic先進AI模型Mythos暴露的軟體漏洞。截至第三季財報會議，這批人員仍與原有的3,000名相關員工共同修補系統，顯示工作規模遠超過一般例行維護。

Mythos今年4月提供給少數銀行、科技公司與公家機關使用，能力包含找出並利用存在多年的程式漏洞。美國銀行稍早已動員數千名內部與外部人力，檢查自有系統及供應商程式碼。對銀行來說，模型能力愈強，防禦成本也同步提高，尤其金融業同時背負資安、客戶資料與監管責任。

執行長Brian Moynihan表示，公司在軟體修復及反洗錢合規議題上，已投入數億美元。這裡要留意費用範圍：數億美元涵蓋軟體修復與監管問題，無法全部歸因於Mythos。現有資訊足以確認支出壓力，仍無法精確拆出各項目的金額。

 

前沿AI讓企業同時承擔生產力紅利與防禦成本

生成式AI原本多半以節省人力、加快開發速度切入企業預算。Mythos展現的漏洞挖掘能力，讓支出模型多了一層：企業導入AI創造效率，也得投入更多人力強化既有程式碼、供應商系統與開發流程。

這類成本可能沿著供應鏈擴散。銀行內部系統是一層，外部軟體與服務供應商又是一層；任何老舊程式碼遭模型快速掃出弱點，都可能變成新的修補專案。Moynihan要求公司持續領先潛在威脅，並對軟體開發商及服務提供者維持警覺，代表資安審查將逐步進入採購與供應商管理。

從產業角度看，AI投資報酬需要納入防禦支出。企業若只估算自動化帶來的人力節省，容易低估導入初期的總成本。金融、政府與大型科技公司掌握大量敏感資料，相關支出壓力可能更早浮現。

 

修補成本預計逐年下降，投資人先擔心費用能見度

Moynihan將本輪費用增加定位為階段性支出。漏洞完成修補後，後續維護所需人力應會降低；整個專案也會分階段推進，因此管理層預期修復成本將隨時間下降。

消息公布後，美國銀行股價在2026年第三季財報發布後一度下跌8%，反映市場對短期費用與獲利壓力的快速重估。單日跌幅只能說明預期轉弱，尚不足以判斷修補成本的最終規模，也無法單靠股價反應確認管理層預估會否兌現。

我會把後續追蹤拆成兩條。第一條是1,000名約聘人員何時縮編，以及軟體修復費用是否逐季下降；第二條是供應商程式碼檢查會否擴大，進而讓專案期間拉長。兩條線若同時改善，階段性支出的說法才會更有支撐。

 

130項內部AI專案，成本節省預計在2027年增至7億美元

防禦端正在花錢，美國銀行也持續透過AI降低其他營運成本。公司目前推動約130項內部AI專案，預估相關節省效益將由今年的3億美元，提高至2027年的7億美元，增幅超過一倍。

公司過去一年減少約3,400名員工，管理職位縮減約5%。管理層尚未確認其中多少裁員直接來自AI導入，因此人數變化只能視為營運效率改善的背景，不能全部計入AI效益。

這份財報透露的投資框架很清楚：資安費用前置，效率效益較晚實現。短期要看修補人力與相關費用能否下降；中期則看130項專案能否把年度節省金額推向2027年的7億美元。若防禦成本持續高檔、節省效益又延後，獲利改善速度便會低於管理層規劃；兩者依序兌現，AI才會從昂貴的攻防投資，逐步轉成可衡量的營運效率。