https://www.youtube.com/watch?v=csyK6pOkLbU
这期播客视频名为 《Winning the Multi-Front War: AI-Powered Intelligence for Modern Banking》，由 Jason Henrichs 主持，邀请了 Glia 的联合创始人兼 CEO Dan Michaeli 和 Alloy Labs 的 AI 转型副总裁 Madeline Fredin，共同探讨人工智能（AI）如何重塑现代银行业，以及银行如何从“AI 试点”走向真正的商业落地。
核心讨论内容可以拆解为以下几个关键维度：
1. 摆脱“试点地狱”，关注真正的 ROI
- AI 不是功能，而是操作系统：主持人和嘉宾指出，目前有超过 90% 的银行 AI 试点和部署都是失败的 [14:22]。成功的银行不会把 AI 仅仅当成一个聊天机器人或一个单纯的自动化工具，而是将其视为贯穿整个机构的智能操作系统/AI 劳动力（AI Workforce） [01:09]。
- AI 必须带来增长，而非单纯削减成本：Dan 强调“没有 ROI 的 AI 只是玩具” [03:19]。对于中小银行（社区银行）而言，AI 的真正价值不在于缩减后台人手（因为很多关键岗位本来就只有一两个人），而在于赋能一线，推动存款、贷款的增长和客户关系的建立 [04:51]。
2. 全能银行（Universal Banker）与工作流重塑
- 打破知识孤岛：传统银行的专业知识（如电汇、反欺诈、信贷审批）往往锁在少数专家脑子里。AI 可以将这些隐性知识转化为机构的显性知识 [05:44]。
- 组织结构的流动性：随着 AI 承担了大量重复性的行政和后台工作，银行员工将变得更加多能和跨界 [08:37]。Madeline 分享了一个案例：有银行通过类似“零工系统”的方式，让线下网点的员工在空闲时，直接在 Salesforce 队列里领取并处理后台运营案件 [08:01]。
- 不看单点优化，看整体重塑：如果只是用 AI 让信贷员写报告变快了，但贷款委员会依然只在每周四开会，这种单点优化对最终业绩毫无帮助。银行需要重新设计整个运营流程 [12:43]。
3. 银行的竞争新策略：上下文（Context）是核心护城河
- 智能变得廉价，上下文才是资产：AI 使得基础的“智能”变得泛滥且便宜 [18:38]。在由模型、应用和上下文构成的架构中，应用和模型都可以买到，但银行自身拥有的客户上下文（Context Layer）才是独一无二的护城河 [23:03]。
- 挖掘非结构化对话：银行最大、最核心的知识库其实是每天与客户发生的所有真实对话 [24:20]。将这些涵盖语气、通话时长、焦虑情绪的语音/文本数据接入 AI 层，能让银行以全新的视角理解客户并实现高度个性化 [26:20]。
4. 中小银行如何逆袭巨头？
- 对抗大行与新金融科技（Fintech）：大型银行有数十亿的科技预算，而初创的 Fintech 拥有干净的数据白纸（Clean Slate）[29:27]。
- 社区银行的独特机会：中小社区银行的天然优势在于与本地社区和客户的深度连接。在一切皆 AI 的时代，人类的真实接触和情感连接反而会溢价 [30:31]。如果中小银行能利用 AI 消除后台 50 次点击、查看 10 个界面的繁琐行政工作，让员工全身心投入客户关系维护，就能在成本结构上实现“弯道超车”（Leapfrog）[27:36]。
5. 落地实操：AI 健身（AI Fitness）与合规checklist
- 拒绝两个极端：银行目前处于两极分化，要么是闭着眼睛盲目往前冲（不注重安全，导致 disappointment），要么是过度风险厌恶，打着“快速跟随者”的旗号止步不前 [33:30]。
- 制定清晰的 Checklist：Dan 建议银行建立一套围绕 ROI、数据加密、VPC 部署、PII（个人身份信息）保护的有限问题清单，只要满足条件就果断推进，而不是在原地打转 [35:44]。
- AI 健身（AI Fitness）：引用 PWC 的报告，74% 的 AI 收益仅仅集中在 20% 的领跑企业中。这些成功的企业都具备“AI 健身”能力——能够同步推进策略、投资、数据治理、文化和人才，而不是线性思维 [36:21]。
核心结语：
传统的商业软件开发讲究“按部就班（Sequencing）”，但在 AI Native 的时代，这一切已经结束了。现在的局面是“Everything everywhere all at once（瞬息万变，同时发生）” [41:31]。嘉宾给银行最后的建议是：无论如何，先转起第一张盘子（Start spinning plates），开始做就对了 [41:53]。
续集内容
https://www.youtube.com/watch?v=ZSGkK5Njm3c
这段视频是播客节目《Breaking Banks》在 Alloy Labs 年度会员大会上的现场录制。主持人和嘉宾们围绕“现代银行的风险偏好与 AI 等技术创新”展开了一场极其坦率、甚至有点辛辣的炉边对谈。
主要的核心讨论内容和观点可以总结为以下几个方面：
1. 债务心态（Debt Mindset） vs 股权心态
- 保守的银行思维： 绝大多数银行家都持有“债务心态”，即只看重如何防范下行风险、确保本金和利息的安全，而不敢去追求上行收益 [00:25]。
- 风险与回报的不匹配： 银行常常承担了“股权级别”的高风险（例如初创贷款、建筑贷款），却只拿到了极低的“债务级别”回报 [00:40]。在策略和新产品（如 AI）的推进上，他们往往因为过度保守而错失了更大的想象空间。
2. 监管“放宽”下的囚徒困境与合规焦虑
- 没有明确边界的“安静期”： 嘉宾们指出，当前的华盛顿监管环境表面上看起来对创新“放宽了手脚”或者变得更安静了。但这种“安静”并不等于绿灯，反而带来了巨大的不确定性 [21:46]。
- “犯罪”代价与行业现状： 科技记者 Kia Haslett 抛出了一个极其辛辣（甚至被开玩笑说是“道德沦丧”）的观点：她发现行业内真正能赚到钱、获得投资的，往往是那些在合规灰色地带疯狂试探、甚至 borderline 违规的非银行机构，而且过去很少有银行家真正因为金融危机或洗钱事件去坐牢 [06:20, 07:06]。
- 冰山下的监管风暴： 律师 Darrett d’Arowsky 随即反驳了“监管不作为”的假设。他指出去年大批大批的“大陪审团传票（Grand Jury Subpoenas）”在非公开层面满天飞，监管层随时可以翻转开关进行强力清算 [08:42, 09:41]。即便联邦监管放宽，各州的司法部长（如纽约、加州）也在重拳出击 [47:09]。
3. 把“风险”当成商业决策，而不是盲目调零
- 风险调节阀（Risk Dial）： 主持人提到，大型机构（如摩根大通、PayPal）会把风险调节阀开到 3 到 5 左右，把罚款当成通往高上行回报的商业成本 [23:19, 23:41]；而很多社区银行则反射性地恐慌，直接将风险阀门设为接近 0 [24:11, 27:08]。
- 如何破局？：
- 让保险公司介入： 嘉宾建议，如果银行想尝试新 AI 产品或数字资产却害怕财务风险，最务实的方法是拉上保险公司，修改并更新 D&O（董事及高管责任盘）或 E&O 保险政策，将风险彻底量化并寻求保障，以此说服保守的董事会 [31:44, 32:07]。
- 不作为的隐性成本： 面对地缘和人口结构的变化（比如某些银行的 90 岁客户比 19 岁客户还多），选择原地踏步、不承担任何技术风险，本身就是一种一定会带来亏损的严重抉择 [29:34, 29:57]。
4. 2026 年是属于“学习”的一年
- 银行家 Rick Galof 提到了一句令他印象深刻的话：“2026 是学习之年，2027 是建设之年，2028 才知道这一切到底能不能成。” [50:51]
- 过去三年里，银行业对 AI 的态度已经从单纯的“一个概念”，演变成“积极探索”，再到今天切实体会到它正在如何重塑市场力量和商业战略 [45:52]。
总结陈词：
嘉宾们对台下的银行家给出的最终建议是：不要再一味躲在合规手册后面等待所谓的“绝对明朗”（ clarity ），因为明朗永远不会来 [02:00]。现在是难得的窗口期，银行需要成熟起来，主动去拨动风险的旋钮（不用调到最大，但必须开始转动），在小步快跑的实践中去学习和防守 [52:50]。
Top comments (0)