麥肯錫警告：AI代理成本恐佔銀行勞動成本兩成　金融業掀「AI FinOps」治本風潮

全球銀行正在與一個全新的成本難題搏鬥：驅動AI代理（AI Agent）的令牌（token）支出，可能輕易達到總勞動成本的兩成。這是麥肯錫（McKinsey）最新《全球銀行年度回顧》（Global Banking Annual Review）發出的警告。以往，企業部署AI主要著眼於效能與生產力，但隨着AI代理從「回答問題」進化為「自主執行任務」，其運算成本正以前所未見的速度累積，迫使銀行業成立專責團隊、調整部署策略，並重新審視AI究竟應該在哪裏產生價值的根本問題。對以金融業為核心的香港市場而言，這份報告尤具參考價值。

AI代理成本「失控式」上升的成因

AI代理與傳統聊天機器人的最大分別，在於代理之間會互相通訊、調用工具、並在整個任務流程中持續消耗運算資源。麥肯錫高級合夥人、報告作者之一Vik Sohoni向路透社指出，銀行最初嘗試透過引導員工按查詢複雜程度，分別選用不同AI模型來遏制成本。然而，當AI代理正式運作時，這些模型層面的控制措施並不管用——因為代理之間互相通訊，令牌會迅速累積，令開支急速膨脹。

換言之，AI代理的成本問題源於其「自主性」。單次查詢可能演變成全天候運作的多重代理協作，每一輪互動都消耗大量運算與令牌，最終反映在驚人的雲端與模型帳單上。這正是不少企業在部署AI代理後，才發現實際支出遠超預期的核心原因。

銀行成立「AI FinOps」團隊，轉向精準部署

面對這一新挑戰，部分銀行已將管控AI開支的責任，集中至被稱為**「AI FinOps」**的新團隊，專責監察與管理AI相關的財務支出。與傳統FinOps（雲端財務管理）相似，AI FinOps的核心在於讓成本可見、責任可歸屬，並確保AI投資能對應可量度的回報。

除了成立專責團隊，銀行亦正變得更有選擇性，只將代理AI部署在預期回報最強的範疇。Sohoni表示，生產力相關的節省相對容易量度，但銀行越來越着重AI帶來的收入增長，以判斷較高開支是否合理。這意味銀行的AI投資邏輯，已由「成本削減」轉向「能驅動更多收入的部署」，投資回報甚至收入的質與量，成為決定AI資源投放的關鍵指標。

客戶加速採用AI，銀行的應對與隱憂

報告同時揭示一個積極訊號：客戶採用AI的速度，遠比以往任何科技為快。麥肯錫預期AI代理將在三年內廣泛應用，相比流動互聯網需時五至十年才獲大規模採用，普及速度大幅加快。一項涵蓋全球46,000名零售銀行客戶的調查顯示，大部分受訪者已使用AI來比較銀行服務、搜尋高息儲蓄賬戶，以及重組或合併債務。AI用家中，**72%**表示願意讓銀行代理執行至少一項金融任務，但獲自主授權的上限為500美元。Meta的Muse代理在美國推出首22日內，已被下載500萬次，足見消費者對代理式金融服務的接受度正急速上升。

不過，AI代理亦帶來利潤上的隱憂。報告指出，代理雖然有助銀行增加收入及削減成本，但亦可能透過將非利息賬戶的存款，轉移至較高息的賬戶，從而壓縮銀行的息差與利潤。所幸的是，目前大部分銀行均禁止外部AI代理在其系統內授權交易，因此相關影響仍屬有限。但隨着代理式金融日趨普及，如何平衡客戶便利與銀行利潤，勢將成為監管及業務上的新課題。

對香港金融機構及企業的啟示

對香港以銀行、保險及金融科技為主導的市場而言，這份報告提供三項重要啟示。其一，AI成本治理必須前置。不少機構在部署AI時只著眼於模型選型與數據準備，卻忽略代理運作所產生的持續性運算成本。香港企業應及早建立類似「AI FinOps」的成本監察機制，讓AI支出透明化、責任化，避免帳單失控。

其二，AI投資要聚焦回報。報告強調銀行正轉向在高價值範疇部署AI，以收入增長而非單純減省成本為判斷標準。對香港企業而言，這意味應先釐清AI能否直接增強核心業務收入，再決定資源投放，避免「為AI而AI」的盲從投資。

其三，建立信任與授權邊界。72%客戶願意讓代理執行金融任務、但授權上限僅500美元，反映市場對「自主AI」仍抱持審慎而務實的態度。香港金融業在推出代理式服務時，應清晰設定權限邊界、人類監督與風險監控機制，才能在創新與安全之間取得平衡。

結語

麥肯錫這份報告揭示，生成式AI的價值衡量標準，正由「能生成多少內容」轉向「每個代理究竟花費多少、又能創造多少回報」。隨着AI代理從試點走向規模化，成本治理能力將成為銀行以至所有企業的核心競爭力。對香港企業而言，現在正是建立AI成本監察、聚焦高回報部署、並劃清授權邊界的時機——唯有讓AI支出可量化、可審計，才能真正在AI時代釋放可持續的商業價值。