資管巨頭道富：AI無損基金經理核心決策權 重塑運營助破利潤停滯

全球資產管理規模（AUM）持續壯大，已攀升至約147萬億美元，然而，自2010年以來，整個行業的利潤率卻長期陷於停滯。面對日益嚴峻的經營壓力，人工智能（AI）被視為重塑行業格局、打破利潤困局的核心工具。市場上對於AI能否徹底取代基金經理與分析師的討論甚囂塵上。 然而，作為全球最大的託管銀行巨頭之一，道富（State Street）對此持有明確觀點。道富執行副總裁兼首席數據及人工智能總監Manoj Bohra指出，儘管AI在日常工作中的應用已日益廣泛，但在核心的「投資組合建構」領域，AI目前仍無法取代人類決策。據道富銀行資料顯示，其實際託管了全球約12.6%的資產，而截至2026年第三季的最新財報，該行的託管與行政管理資產（AUC/A）已突破59.2萬億美元，足見其在全球金融體系中的舉足輕重地位。 Manoj Bohra進一步解釋，這並非技術層面不足，而是源於金融服務業的本質與AI底層邏輯存在根本衝突。金融業最為重視「可預測的精確結果」，但現今主流的生成式AI與智能體AI（Agentic AI）本質上是「機率性」技術，運作時始終存在產生「幻覺」或偏差的風險。管理龐大客户資產的機構，絕不能將其置於一個「按機率給出答案」的「黑盒系統」上，這與金融業的核心原則背道而馳。 為了在創新與風險之間取得平衡，道富建立了一套嚴格的「人類在環（Human-in-the-loop）」監督機制。該機制根據「業務重要程度」與「AI自主權限」兩個維度來劃分風險層級。在風險較低、自主權限有限的日常事務中，AI可以實現高度自動化運作；但在涉及關鍵業務決策時，人類專家則始終掌握最終決定權，確保責任歸屬清晰。 以目前行業常見的撰寫研究報告為例，AI確實能夠為分析師團隊節省數天的資料蒐集與初步整理時間，大幅提升效率。然而，報告的最終觀點形成、質量審核以及是否正式發布，仍必須由人類專家親自把關，而非由AI獨立完成。 Manoj Bohra強調，AI在資產管理業的真正價值，是將人類從繁瑣重複的基層工序中解放出來，從而應對利潤率停滯的行業困局。全球資管規模雖已達147萬億美元，但利潤率自2010年以來卻未見顯著增長，這意味著單靠規模擴張已難以自動帶來更高的盈利，企業必須從內部營運中尋求更高的生產力。 道富透過旗下的「State Street One」平台，目前已部署超過150個AI應用案例，另有逾350個項目正在籌備中，重點正是針對數以千計的標準作業程序（SOP）進行改造。例如，銀行每日必須處理的「對帳（Reconciliation）」工作，過去每逢結算日均需員工花費大量時間核對帳目，一旦出現差異，更需投入大量人力追查原因。引入AI後，系統能自動找出對帳缺口、調查原因並提出解決方案，最終由人類確認，不僅顯著降低人手處理的錯誤率及客户的追查成本，亦讓員工可將精力集中於更高價值的判斷工作。 Manoj Bohra曾於Google負責大型金融機構業務，他提醒業界，AI的表現優劣完全取決於人類所提供的數據質量與流程設計。近期不少企業被迫撤回AI計劃，正是因過於急於部署而忽略了背後基礎建設的不足。大型金融機構因歷經多年併購與系統更新，同一數據可能分散於多個互不相通的舊系統。若未經人類專家清理門户，直接將AI套用於雜亂數據上，不僅無法使AI「變聰明」，反而會加速並放大原有錯誤。因此，道富的做法是由人類主導，先為龐大數據庫貼上標籤，篩選出準確且具戰略價值的核心數據源，並建立知識圖譜，在受控情況下才讓AI介入輔助評估。 此外，AI亦不懂得自我改革企業制度。Manoj Bohra指出，許多銀行僅將AI視為「外掛程式」，在長達300個步驟的傳統業務流程中，僅局部自動化其中數個環節，此類修補長遠難以見效。真正不可替代的，是人類從頭審視業務邏輯的能力。道富透過轉型計劃，由團隊徹底重新設計流程，將原本300個步驟大幅濃縮至30個，再決定哪些環節需要AI配合，從根本上重塑工作模式。 面對服務遍及31個國家、牽涉逾1500項AI相關法規的複雜監管環境，人類對AI的「管治（Governance）」更是重中之重。市場有聲音質疑過分強調責任或會拖慢發展速度，Manoj Bohra堅定表示，金融業的基石是客户信任，速度絕不能凌駕於安全與責任之上。 為防止AI失控，道富為每一個AI智能體設定了專屬的「身分」與極窄的操作權限，規定其只能在專屬的「窄巷」內運作，僅獲準接觸特定客户與特定流程的數據；即使未來與外部客户系統對接，也只會透過嚴密監控的閘道（Gateway）交接資訊，絕不讓外來AI代理隨意進入公司內部系統。 在成本控制方面，為避免AI運算與「代幣（Token）」開支失控，道富在系統內置了財務管理護欄，一旦運算成本逼近上限便會自動限流。公司更計劃於明年推出「審查中心」，讓部門主管能像管理人類下屬一樣，清晰監察每個AI智能體的工作量與成本。 在模型挑選上，團隊亦不會盲目追逐市面上最昂貴、最先進的頂尖模型，而是先用頂尖模型測試標準，再轉用成本低9成以上的二、三線模型或小型語言模型（SLM）。在道富的藍圖中，AI始終是受人類嚴格管束、為人類創造價值的得力助手，而非凌駕人類的決策者。