โดย Maksym Misichenko · Yahoo Finance ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
แผนของ JPMorgan ในการเปลี่ยนการจ้างงานไปสู่ตำแหน่ง AI ในขณะที่ลดตำแหน่งนายธนาคารบางส่วน ใช้ประโยชน์จากอัตราการลาออกประจำปี 10% เพื่อการเปลี่ยนแปลงที่ส่งผลกระทบต่ำ ซึ่งอาจเพิ่มประสิทธิภาพและอัตรากำไรในช่วง 2-3 ปีข้างหน้า อย่างไรก็ตาม ต้นทุนที่สูงและความหายากของบุคลากรด้าน AI ค่าใช้จ่ายล่วงหน้าจำนวนมาก และการตรวจสอบกฎระเบียบเกี่ยวกับความเสี่ยงของโมเดล ก่อให้เกิดความท้าทายอย่างมากต่อการดำเนินการที่ประสบความสำเร็จ
ความเสี่ยง: ความเสี่ยงในการดำเนินการสูงเนื่องจากบุคลากรด้าน AI ที่มีราคาแพงและหายาก ค่าใช้จ่ายล่วงหน้าจำนวนมาก และการตรวจสอบกฎระเบียบเกี่ยวกับความเสี่ยงของโมเดลในการให้สินเชื่อ ซึ่งอาจจำกัดความเร็วในการนำไปใช้
โอกาส: ศักยภาพในการเพิ่มประสิทธิภาพและขยายอัตรากำไรผ่านประสิทธิภาพที่ขับเคลื่อนด้วย AI ในฝ่ายสนับสนุนและฝ่ายกำกับดูแล
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
21 พ.ค. (Reuters) - JPMorgan มีแนวโน้มที่จะจ้างผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) เพิ่มขึ้น และลดจำนวนนายธนาคารแบบดั้งเดิมลง CEO Jamie Dimon กล่าวกับ Bloomberg News ในการสัมภาษณ์ที่เผยแพร่เมื่อคืนวันพุธ
นี่คือรายละเอียดบางส่วน:
• "จะมีงานหลากหลายประเภท และผมคิดว่าเราจะจ้างคนด้าน AI เพิ่มขึ้น และลดจำนวนนายธนาคารในบางประเภทลง ซึ่งจะทำให้พวกเขามีประสิทธิภาพมากขึ้น" Dimon กล่าวในการสัมภาษณ์ Bloomberg Television ที่งาน China Summit ของธนาคารในเซี่ยงไฮ้
• "ผมคิดว่ามันจะลดจำนวนงานของเราในอนาคต" Dimon กล่าวเสริม
• Dimon กล่าวว่า อัตราการลาออกประจำปีของ JPMorgan ประมาณ 10% หรือประมาณ 25,000 ถึง 30,000 คน ทำให้มีพื้นที่ในการจัดการการเปลี่ยนแปลงเหล่านี้อย่างค่อยเป็นค่อยไป เขากล่าวเสริมว่า ธนาคารสามารถฝึกอบรมพนักงานใหม่ ย้ายงานพนักงาน หรือเสนอการเกษียณอายุก่อนกำหนด แทนที่จะปลดพนักงานจำนวนมาก
• ความเห็นของ Dimon เกิดขึ้นในขณะที่ธนาคารทั่วโลกเพิ่มการลงทุนใน AI ซึ่งเป็นการปรับเปลี่ยนกำลังคนและนำไปสู่การเปลี่ยนแปลงบทบาทหน้าที่
• Standard Chartered กล่าวเมื่อวันอังคารว่าจะลดตำแหน่งงาน 7,000 ตำแหน่งในช่วงสี่ปีข้างหน้า เนื่องจากพยายามแทนที่ "ทุนมนุษย์ที่มีมูลค่าต่ำกว่า" ด้วยเทคโนโลยี
• สิ่งนี้เกิดขึ้นท่ามกลางแนวโน้มที่ใหญ่ขึ้นของบริษัทต่างๆ ที่ลดตำแหน่งงานลง เนื่องจากเงินลงทุนเปลี่ยนไปสู่ AI
• ความกังวลได้ทวีความรุนแรงขึ้นในหมู่นักลงทุนและนักเศรษฐศาสตร์ว่าปัญญาประดิษฐ์จะเข้ามาพลิกโฉมอุตสาหกรรมที่จัดตั้งขึ้น โดยมีการสูญเสียงานเกิดขึ้นแล้วในภาคส่วนที่มีความเสี่ยงต่อระบบอัตโนมัติมากที่สุด
(รายงานโดย Mihika Sharma ใน Bengaluru; แก้ไขโดย Joyjeet Das)
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"การสำรองการลาออกและการเปิดตัวอย่างค่อยเป็นค่อยไปทำให้การลดจำนวนพนักงานในระยะสั้นไม่น่าเป็นไปได้ แต่ต้นทุนการจ้างงาน AI อาจหักล้างกำไรจากอัตรากำไรจนถึงปี 2026"
แผนของ JPM ในการปรับการจ้างงานไปสู่ตำแหน่ง AI ในขณะที่ลดตำแหน่งนายธนาคารบางส่วน ใช้ประโยชน์จากการลาออกประจำปี 10% (พนักงาน 25-30k) เพื่อการเปลี่ยนแปลงที่ส่งผลกระทบต่ำ ซึ่งอาจเพิ่มประสิทธิภาพและอัตรากำไรในช่วง 2-3 ปีข้างหน้า อย่างไรก็ตาม บทความนี้ลดทอนความเสี่ยงในการดำเนินการ: ผู้มีความสามารถด้าน AI มีราคาแพงและหายาก ค่าใช้จ่ายล่วงหน้าอาจกดดันอัตราส่วนประสิทธิภาพในระยะสั้น และการตรวจสอบกฎระเบียบเกี่ยวกับความเสี่ยงของโมเดลในการให้สินเชื่ออาจจำกัดความเร็วในการนำไปใช้ ธนาคารคู่แข่งในวงกว้างเช่น StanChart ที่ลดพนักงาน 7,000 คน แสดงให้เห็นถึงแนวโน้ม แต่ขนาดของ JPM ขยายทั้งผลดีและข้อผิดพลาดในการจัดสรรงานใหม่
ธนาคารได้ส่งสัญญาณถึงการขับเคลื่อนประสิทธิภาพที่ขับเคลื่อนด้วยเทคโนโลยีซ้ำแล้วซ้ำเล่าตั้งแต่ปี 2015 โดยมีการลดจำนวนพนักงานสุทธิเพียงเล็กน้อยเมื่อความต้องการด้านการปฏิบัติตามกฎระเบียบและการครอบคลุมลูกค้ากลับมามีบทบาทอีกครั้ง การกำหนดเวลาของ JPM's China Summit อาจทำให้วาทศิลป์ดูเกินจริงโดยไม่มีข้อผูกมัด
"ไดมอนกำลังอธิบายถึงการปรับสมดุลของพนักงานภายในอัตราการลาออกตามธรรมชาติ ไม่ใช่การปลดพนักงานจำนวนมาก แต่ความไม่สอดคล้องกันระหว่างผลกำไรด้านประสิทธิภาพที่อ้างสิทธิ์และการลดจำนวนพนักงานที่คาดการณ์ไว้บ่งชี้ถึงความอ่อนแอของอุปสงค์ที่ตลาดยังไม่ได้กำหนดราคา"
ความเห็นของไดมอนถูกมองว่า JPM กำลังยอมรับระบบอัตโนมัติ แต่จริงๆ แล้วเขากำลังอธิบายถึงการเปลี่ยนแปลงที่จัดการได้ในช่วงหลายปี ไม่ใช่การลดจำนวนพนักงานอย่างกะทันหันในระยะสั้น อัตราการลาออกประจำปี 10% (พนักงาน 25-30k) คือวาล์วระบาย - เขากำลังบอกว่าการจ้างงาน AI เกิดขึ้น *ภายใน* การหมุนเวียนตามธรรมชาติ ไม่ใช่ *แทนที่* มัน สัญญาณที่แท้จริง: JPM เชื่อว่าผลกำไรจากประสิทธิภาพของ AI นั้นมีจริงเพียงพอที่จะพิสูจน์การเปลี่ยนแปลงส่วนผสมการจ้างงาน ซึ่งน่าเชื่อถือกว่าภาษา "ทุนมนุษย์ที่มีมูลค่าต่ำกว่า" ที่คลุมเครือของ Standard Chartered อย่างไรก็ตาม บทความนี้ผสมปนเปการจัดสรรงานที่ควบคุมของ JPM กับการปลดพนักงานที่ตื่นตระหนกในภาคเทคโนโลยีในวงกว้าง ซึ่งบดบังคำถามสำคัญ: หาก AI ทำให้ธนาคารมีประสิทธิภาพมากขึ้น เหตุใดจำนวนพนักงานจึงลดลง? ช่องว่างนั้นบ่งชี้ว่า (a) การเติบโตของรายได้ไม่เพียงพอต่อจำนวนพนักงานปัจจุบัน หรือ (b) ไดมอนกำลังทำให้ตลาดอ่อนตัวลงสำหรับการตัดลดในอนาคต
หาก AI ทำให้ธนาคารมีประสิทธิภาพมากขึ้น 20-30% ตามที่ธนาคารอ้าง JPM ควรจะ *เพิ่ม* จำนวนพนักงานเพื่อคว้าส่วนแบ่งการตลาด ไม่ใช่ลดขนาดลง ซึ่งบ่งชี้ว่าไม่ว่าการอ้างสิทธิ์ด้านประสิทธิภาพจะเกินจริง หรือ JPM คาดการณ์ถึงแรงลมปะทะด้านรายได้ที่บทความไม่ได้กล่าวถึง
"JPM กำลังใช้อัตราการลาออกตามธรรมชาติเป็นการป้องกันเชิงกลยุทธ์เพื่อลดค่าใช้จ่ายในการดำเนินงานระยะยาว ในขณะที่เพิ่มประสิทธิภาพการผลิตของทุนมนุษย์อย่างจริงจัง"
JPM กำลังส่งสัญญาณถึงการเปลี่ยนแปลงเชิงโครงสร้างในอัตราส่วนผลประกอบการ โดยการใช้ประโยชน์จากอัตราการลาออกประจำปี 10% เพื่อเปลี่ยนไปสู่บุคลากรที่ใช้ AI เป็นหลัก ไดมอนกำลังลดอัตราส่วนต้นทุนต่อรายได้ในระยะยาวอย่างมีประสิทธิภาพโดยไม่ต้องเผชิญกับฝันร้ายด้านประชาสัมพันธ์จากการปลดพนักงานจำนวนมาก นี่คือ "การเล่นเพื่อประสิทธิภาพ" แบบคลาสสิกที่ควรจะเพิ่มอัตรากำไรโดยการลดจำนวนพนักงานในฝ่ายสนับสนุนและฝ่ายกำกับดูแลที่ AI เก่งในการจดจำรูปแบบ อย่างไรก็ตาม ตลาดมักจะประเมิน "ภาษีการรวมระบบ" ต่ำเกินไป ซึ่งเป็นค่าใช้จ่ายล่วงหน้าที่มหาศาลที่จำเป็นในการปรับปรุงโครงสร้างพื้นฐานธนาคารแบบเดิมเพื่อรองรับเวิร์กโฟลว์ AI หากผลกำไรด้านประสิทธิภาพไม่เกิดขึ้นภายใน 24 เดือน JPM จะเหลือพนักงานด้านเทคโนโลยีที่มากเกินไปและแกนกลางของพนักงานระดับล่างที่กลวงเปล่า
ธนาคารมีความเสี่ยงที่จะเกิด "ภาวะความจำเสื่อมของสถาบัน" โดยการตัดทอนสายงานพนักงานระดับล่างอย่างจริงจัง ซึ่งจำเป็นสำหรับการฝึกอบรมผู้จัดการฝ่ายลูกค้าสัมพันธ์ระดับสูงรุ่นต่อไปที่จัดการความสัมพันธ์กับลูกค้าที่ซับซ้อนและต้องใช้การดูแลอย่างใกล้ชิด
"AI เพียงอย่างเดียวจะไม่รับประกันการเพิ่มขึ้นของอัตรากำไรในระยะสั้นสำหรับ JPMorgan ความเสี่ยงในการดำเนินการและต้นทุนด้านกฎระเบียบอาจทำให้ผลประโยชน์ล่าช้าหรือเจือจางลง"
ความเห็นของไดมอนวางกรอบ AI ให้เป็นแรงเสริมที่จะปรับเปลี่ยนโครงสร้างพนักงานของ JPM โดยการจ้างผู้เชี่ยวชาญด้าน AI มากขึ้นและลดบทบาทของนายธนาคารบางส่วน ในพื้นผิว มันบ่งชี้ถึงผลกำไรด้านประสิทธิภาพและฐานต้นทุนที่เล็กลงผ่านการฝึกอบรมใหม่และการจัดสรรงานใหม่ แต่บทความให้รายละเอียดเพียงเล็กน้อยเกี่ยวกับบทบาทที่จะหายไป ระยะเวลา ROI หรือการใช้จ่าย AI บริบทที่ขาดหายไป ได้แก่ ความต้องการค่าใช้จ่ายล่วงหน้า ต้นทุนการกำกับดูแลข้อมูลและโมเดล และความเสี่ยงด้านกฎระเบียบ ความเสี่ยงในการดำเนินการสูง: ผลกำไรด้านประสิทธิภาพของ AI มักจะล่าช้า ผู้มีความสามารถหายาก และความสัมพันธ์ที่ขับเคลื่อนรายได้หลักอาจยังคงมีความสำคัญสำหรับค่าธรรมเนียมและความไว้วางใจ การตั้งค่า China Summit บ่งชี้ถึงการผลักดัน AI ทั่วโลกด้วยการยอมรับในภูมิภาคที่ไม่สม่ำเสมอ ซึ่งเพิ่มความเสี่ยงในการนำไปใช้
การตรวจสอบความเป็นจริง: การเติบโตของจำนวนพนักงานที่ขับเคลื่อนด้วย AI อาจเป็นการจัดประเภทบทบาทใหม่เป็นหลัก ไม่ใช่การลดจำนวนพนักงานอย่างมีนัยสำคัญ ค่าใช้จ่ายล่วงหน้าและต้นทุนด้านกฎระเบียบอาจทำให้อัตรากำไรยังคงท้าทายไปอีกหลายปี
"AI อาจลดค่าธรรมเนียมที่สามารถเข้าถึงได้ก่อนที่จะลดต้นทุน ซึ่งจะเพิ่มผลเสียหากค่าใช้จ่ายล่วงหน้าทับซ้อนกับภาวะเศรษฐกิจชะลอตัว"
ปฏิทรรศน์ด้านประสิทธิภาพของ Claude ตั้งสมมติฐานว่าการเติบโตของรายได้เป็นข้อจำกัด แต่กลับเพิกเฉยต่อวิธีที่ AI สามารถบีบอัดกลุ่มค่าธรรมเนียมในการให้คำปรึกษาและการซื้อขายโดยการเปิดใช้งานการบริการตนเองของลูกค้าที่เร็วขึ้น สิ่งนี้เชื่อมโยงโดยตรงกับภาษีการรวมระบบของ Gemini: หากค่าใช้จ่ายล่วงหน้าเกิดขึ้นในช่วงที่รายได้ลดลง การสำรองการลาออก 10% อาจไม่เพียงพอที่จะหักล้างทั้งการใช้จ่ายด้านเทคโนโลยีและการสูญเสียส่วนแบ่งตลาด IB เมื่อเทียบกับฟินเทคที่เคลื่อนไหวเร็วขึ้น
"การบีบอัดค่าธรรมเนียมในการให้คำปรึกษาเป็นเรื่องจริง การลดลงของรายได้คือสมมติฐานที่ไม่ได้กล่าวถึงซึ่งไม่มีใครทดสอบกับคำแนะนำที่แท้จริงของ JPM"
ทฤษฎีการบีบอัดกลุ่มค่าธรรมเนียมของ Grok ยังไม่ได้สำรวจอย่างละเอียด แต่ต้องการความเฉพาะเจาะจง ค่าธรรมเนียมการให้คำปรึกษา (7-8 พันล้านดอลลาร์ต่อปีสำหรับ JPM) เผชิญกับความเสี่ยงในการบริการตนเองที่แท้จริง อย่างไรก็ตาม การซื้อขาย ซึ่งเป็นตัวขับเคลื่อนรายได้ที่ใหญ่ที่สุดของ JPM (ประมาณ 15 พันล้านดอลลาร์) ยังคงต้องอาศัยความสัมพันธ์เป็นหลัก แม้จะมีระบบอัตโนมัติก็ตาม ข้อโต้แย้งเรื่องภาษีการรวมระบบยังคงอยู่ แต่ไม่มีใครวัดปริมาณได้: หากค่าใช้จ่ายล่วงหน้าอยู่ที่ 2-3 พันล้านดอลลาร์ในช่วง 3 ปี เทียบกับศักยภาพในการเพิ่มอัตรากำไรต่อปี 5-8 พันล้านดอลลาร์ คณิตศาสตร์ยังคงใช้ได้ เว้นแต่รายได้จะลดลงจริงๆ นั่นคือความเสี่ยงที่แท้จริงที่ Grok ชี้ให้เห็นแต่ไม่ได้แยกออกมา
"ต้นทุนที่แท้จริงของ AI ในภาคธนาคารไม่ใช่ค่าใช้จ่ายล่วงหน้า แต่เป็นการบำรุงรักษาการกำกับดูแลโมเดลและการจัดการความรับผิดชอบที่มีต้นทุนสูงอย่างถาวร"
Claude คณิตศาสตร์ของคุณตั้งสมมติฐานว่าภาษีการรวมระบบจำกัดอยู่ที่ค่าใช้จ่ายล่วงหน้า แต่คุณกำลังมองข้ามค่าใช้จ่ายในการดำเนินงานที่ "ซ่อนอยู่": ค่าใช้จ่ายมหาศาลและต่อเนื่องในการทำความสะอาดข้อมูลและการบำรุงรักษาโมเดลที่จำเป็นเพื่อป้องกันการตอบโต้จากกฎระเบียบ หากโมเดล AI ของ JPM เกิดอาการหลอนเกี่ยวกับการตัดสินใจด้านการปฏิบัติตามกฎระเบียบหรือการให้สินเชื่อ ต้นทุนทางกฎหมายและชื่อเสียงจะบดบังผลกำไรจากประสิทธิภาพจากการลดจำนวนพนักงาน เราไม่ได้พูดถึงแค่การเปิดตัวเทคโนโลยี แต่เรากำลังพูดถึงการเปลี่ยนแปลงพื้นฐานของโปรไฟล์ความเสี่ยงของธนาคาร
"ต้นทุนการกำกับดูแลและกฎระเบียบอย่างต่อเนื่อง ไม่ใช่ค่าใช้จ่ายล่วงหน้า เป็นภัยคุกคามต่อการเพิ่มขึ้นของอัตรากำไรที่คาดหวังของ JPM จาก AI"
Gemini กรอบ "ภาษีการรวมระบบ" ของคุณประเมินค่าใช้จ่ายในการดำเนินงานต่อเนื่องและขอบเขตความเสี่ยงต่ำเกินไป นอกเหนือจากค่าใช้จ่ายล่วงหน้า ต้นทุนการทำความสะอาดข้อมูล การบำรุงรักษาโมเดล การกำกับดูแล และการปฏิบัติตามกฎระเบียบจะเพิ่มขึ้นเมื่อ AI ขยายตัว และสิ่งเหล่านี้ไม่ใช่ทางเลือก หากกระบวนการที่ขับเคลื่อนด้วย AI เกิดอาการหลอนหรือประเมินการให้สินเชื่อผิดพลาด ค่าใช้จ่ายทางกฎหมายและชื่อเสียงอาจบดบังผลกำไรจากประสิทธิภาพ แม้จะมีค่าใช้จ่ายล่วงหน้า 2-3 พันล้านดอลลาร์ในช่วง 3 ปี การเพิ่มขึ้นของอัตรากำไรสุทธิ 5-8 พันล้านดอลลาร์ต่อปีขึ้นอยู่กับโครงสร้างพื้นฐานการกำกับดูแลที่ทนทานและมีค่าใช้จ่ายสูงซึ่งอาจไม่เกิดขึ้นจริง
แผนของ JPMorgan ในการเปลี่ยนการจ้างงานไปสู่ตำแหน่ง AI ในขณะที่ลดตำแหน่งนายธนาคารบางส่วน ใช้ประโยชน์จากอัตราการลาออกประจำปี 10% เพื่อการเปลี่ยนแปลงที่ส่งผลกระทบต่ำ ซึ่งอาจเพิ่มประสิทธิภาพและอัตรากำไรในช่วง 2-3 ปีข้างหน้า อย่างไรก็ตาม ต้นทุนที่สูงและความหายากของบุคลากรด้าน AI ค่าใช้จ่ายล่วงหน้าจำนวนมาก และการตรวจสอบกฎระเบียบเกี่ยวกับความเสี่ยงของโมเดล ก่อให้เกิดความท้าทายอย่างมากต่อการดำเนินการที่ประสบความสำเร็จ
ศักยภาพในการเพิ่มประสิทธิภาพและขยายอัตรากำไรผ่านประสิทธิภาพที่ขับเคลื่อนด้วย AI ในฝ่ายสนับสนุนและฝ่ายกำกับดูแล
ความเสี่ยงในการดำเนินการสูงเนื่องจากบุคลากรด้าน AI ที่มีราคาแพงและหายาก ค่าใช้จ่ายล่วงหน้าจำนวนมาก และการตรวจสอบกฎระเบียบเกี่ยวกับความเสี่ยงของโมเดลในการให้สินเชื่อ ซึ่งอาจจำกัดความเร็วในการนำไปใช้