摩根大通高管探讨AI支付的四大趋势

正文：

在最近举行的2026年纽约科技周（NY Tech Week）上，摩根大通支付部门的首席数据与分析官Zack Anderson与彭博社记者进行了深入对话，主题围绕人工智能在支付领域的未来发展，特别是关于AI在支付行业应用的四个关键观点。

Anderson提到，摩根大通在欺诈检测、制裁筛查和风险管理方面已经积累了多年的机器学习应用经验。然而，当前的变化并不在于技术本身，而是其应用范围的扩展。AI的能力正在从单一应用拓展到银行内部的各个组织与业务领域，包括支付。

目前，大多数AI智能体仍在“暗中”操作，默默地在后台处理支付流程，提高效率和可靠性，外界对此并不太敏感。Anderson认为，AI实际上已经深度融入了支付基础设施，只是没有像“聊天”智能体那样引人注目。

此外，摩根大通首席执行官Jamie Dimon在今年二月曾指出，为了应对AI对员工结构的影响，该行启动了大规模的内部调岗计划。摩根大通预计将投入约200亿美元的科技预算，以将AI融入其业务流程，并为员工提供再培训。根据CNBC的报道，该行计划在2026年前推出一款能够自主持续运行的新一代AI智能体。目前，AI在摩根大通的私人银行业务中已显示出显著成效，助力业务增长近20%。

二、AI所带来的核心挑战——委托的界限与可审计性

随着AI的普及，金融机构将面临一个根本性的治理挑战：客户愿意将哪些决策委托给AI智能体？其界限在哪里，以及需要设定哪些前提条件？

Anderson指出，尽管智能体商务（Agentic Commerce）让消费者有了直观体验，例如让AI代为搜索和比价，但在支付执行阶段还需进行更多考量。当一笔资金划转由AI智能体执行时，必须清晰了解“为何执行这笔支付”以及执行结果的“可审计性”，这也是AI智能体支付系统规模化应用的基础。简单而言，搜索和比价等功能在智能体商务中相对简单，而支付委托则是最终的关键。

国际货币基金组织在2026年4月发布的报告《How Agentic AI Will Reshape Payments》中强调，AI智能体的“概率性”行为与支付基础设施的“确定性要求”之间存在一定的差距。支付系统需要精确、可追溯且确定的结果，而AI智能体和大型模型则具有内在的不确定性。因此，当AI智能体进行自主操作时，追溯具体的决策逻辑将变得复杂，而“黑箱”算法的出现将带来更大的挑战。

三、跨境支付合规是AI近期最具价值的应用场景

跨境支付通常涉及多个区域和复杂的司法管辖规则，各市场之间存在显著差异。Anderson直言，这种复杂性已超出人工持续一致管理的能力。

因此，Anderson将跨境支付合规视为AI近期最具价值的应用领域。例如，AI可以处理海量规则，以保证跨境支付的顺畅，减少支付被拒的情况。

对于中国出海企业而言，跨境支付中的合规摩擦一直是核心痛点。不同国家和地区的反洗钱规则、数据隐私要求和制裁筛查标准各不相同，使得一笔跨境支付可能涉及多个司法管辖区的合规审查。如果AI能够在这一环节实现高效处理和预判，将有望显著降低合规成本。

IMF在上述报告中还提出了“智能体合规（Agentic Compliance）”的概念，指出AI可用于实时监控和分析复杂的交易网络，从而提升反洗钱和反恐融资的效率，但也可能被用来掩盖非法资金流动。目前，AI相关业务仍存在不透明性，但未来可能需要接受审计和监管。

四、财资自动化管理是AI应用的下一个目标

目前，大型企业的AI投资主要集中在对外服务领域，财资、财务等部门的需求则相对滞后。Anderson将“智能体财资管理”定义为资金流动的控制系统，但他明确指出，需满足三个前提条件：高质量的数据基础、明确的执行规则和完善的监管设施。

尽管摩根大通之前推出的“现金流情报”AI工具已帮助企业客户减少近90%的手工统计工作，但从AI智能体的“辅助分析”到“自主决策”之间仍存在本质差距。目前，AI应用仍处于“提供建议、标记异常”的阶段，人类依然拥有最终决策权，这与摩根大通近期发布的《2026支付展望报告》的观点相一致。

总体而言，AI各项应用正在逐步从概念走向实践，但支付行业面临的问题并不仅仅是“AI能做什么”，更需要正视“用户愿意让AI决定什么”。例如，谁对AI决策负责、如何防止AI引发系统性风险，以及技术自主与制度设计之间的优先级等问题。

来源：移动支付网