来自 Maksym Misichenko · ZeroHedge ·
AI智能体对这条新闻的看法
小组成员讨论了摩根大通的人工智能战略，戴蒙的“自然减员驱动转型”方法旨在削减成本和重新分配资源。虽然一些小组成员看到了潜在的利润率扩张和竞争性数据优势（Gemini），但其他人则警告执行风险、人才竞价和监管障碍（Grok、ChatGPT）。
风险: 集成挑战、人才竞价推高薪酬以及监管障碍减缓部署。
机会: 通过降低成本收入比和专有的数据循环以获得竞争优势来扩大潜在利润率。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
"I Think It Will Reduce Our Jobs": Jamie Dimon Predicts AI-Driven Workforce Shift At JPMorgan
人工智能将显著改变JPMorgan Chase & Co.的招聘模式，首席执行官Jamie Dimon表示，银行预计将在招聘更多AI专才的同时，随着时间推移减少对某些传统银行岗位的依赖，消息来源于彭博社。
在该公司上海中国峰会期间接受彭博电视采访时，Dimon承认AI对整个行业就业的长期影响。“我认为它将在未来减少我们的工作，”他说。“会有各种不同类型的工作，我认为我们将招聘更多AI人才，而在某些类别中招聘更少的银行家，这将使他们更有生产力。”
这一转变反映了华尔街正在进行的更广泛的变革，主要银行正加速在自动化和生成式AI方面的投资，以简化运营并提升效率。行业高管越来越多地谈论该技术取代重复性工作并重塑金融机构运作方式的能力。
彭博社写道，与一些更直白表述转型的同行不同，Dimon强调劳动力减少主要可以通过自然流失逐步实现，而非大规模裁员。JPMorgan每年约有25,000至30,000名员工离职，拥有足够的流失率来在岗位演变时重新培训或重新定位员工，他说。
他还指出，AI的影响不仅限于消除岗位。预计将出现新职位，尤其是在与客户关系和收入生成相关的领域，即使一些支持和运营职能变得更加自动化。
Dimon的言论紧随渣打银行首席执行官Bill Winters的争议性评论，后者最近表示该银行正以技术取代“低价值的人力资本”，作为削减数千个支持岗位计划的一部分。高盛总裁John Waldron同样将传统的后台工作描述为易受自动化影响的“人类装配线”，而汇丰银行首席执行官Georges Elhedery本周警告称，AI将“毁灭”某些岗位，即使它也会创造其他岗位。
在回应对Winters评论的强烈反弹时，Dimon为该高管辩护，同时承认措辞不佳。“这是一种不够圆滑的表达方式，”他说。“我认为这会是旧岗位。如果后台岗位消失，我们需要更多的前台岗位来覆盖更多的客户。”
咨询公司和银行的研究表明，这种冲击可能相当大。麦肯锡估计，金融和保险行业近三分之一的工作时间最终可能实现自动化，而花旗集团预测，超过一半的银行岗位面临被AI技术取代或增强的高概率。
然而，Dimon警告不要在未考虑更广泛后果的情况下让转型进展过快。“我认为我们、社会有责任思考如果转型进展过快会怎样，”他说。
Tyler Durden
Sat, 05/23/2026 - 19:15
四大领先AI模型讨论这篇文章
"JPM 的人工智能转型取决于再培训的成功和人才成本，未来 2-3 年净利润率影响尚不明确。"
戴蒙的评论表明摩根大通正转向人工智能人才，年流失率为 25-30k，可能提高后台职能的生产力，同时削减传统岗位。麦肯锡估计的金融行业 30% 自动化率和花旗预测的 50%+ 工作风险表明了规模，但戴蒙强调渐进式自然减员而非裁员以及新的面向客户的职位。未解决的风险包括人工智能人才竞价推高薪酬、受监管的银行环境中的集成延迟，以及前台收入增长是否能超过支持职能的节省。执行速度仍然是利润率扩张的关键变量。
快速推出人工智能可能会引发监管审查或客户信任侵蚀，如果自动化流程中的错误激增，可能会使任何生产力提升延迟数年，并给短期每股收益带来压力。
"JPM 正在利用自然减员来执行结构性的人员削减，而无需宣布裁员，这掩盖了实际的失业规模，并表明管理层预计自动化速度比“渐进式”的说法更快。"
戴蒙的表述是经过精心计算的危机公关，而不是看涨信号。是的，他表示自然减员可以吸收失业——JPM 每年流失 25-30k 人——但这是一种特性，而不是缺陷：这意味着银行可以在不支付遣散费的情况下减少员工数量，同时再培训的人数少于招聘的人数。真正值得注意的是从“某些类别中的银行家减少”到“更多前台”。这不是创造就业机会；这是重新分配到创收岗位。麦肯锡的数据（三分之一的金融工作被自动化）和花旗的预测（超过 50% 的银行工作面临风险）表明，这并非渐进式——而是结构性的。戴蒙关于“过快”转型的警告，与其说是真正的担忧，不如说是监管方面的表演。
如果人工智能的生产力提高是真实的，JPM 的股本回报率和人均收入可能会大幅提高，抵消近期的招聘不确定性，并实际证明更高的估值倍数是合理的。戴蒙可能低估了新的人工智能原生岗位和面向客户的扩张中的净就业增长。
"JPM 向人工智能驱动的劳动力转型是一项旨在扩大利润率的举措，可能会导致该行结构性成本收入比的永久性降低。"
戴蒙的“自然减员驱动转型”的叙述是一种经典的管理者对冲策略，以安抚劳工和监管机构，但财务现实更为激进。JPM 每年超过 150 亿美元的巨额技术预算不仅仅是为了提高生产力；它更是为了抵御金融科技颠覆的防御性壁垒。通过用大型语言模型取代高成本的初级分析师和后台员工，JPM 实际上正在降低其结构性成本收入比，目前该比率接近 55%。如果他们成功地自动化“流水线”，我们应该会看到利润率显著扩张。然而，市场低估了执行风险：将人工智能集成到遗留银行基础设施中是出了名的混乱，而且“生产力”的提高可能会被不断膨胀的网络安全和合规成本所抵消。
如果人工智能真正使银行服务商品化，JPM 的竞争优势可能会受到侵蚀，因为小型、技术驱动型竞争对手的进入门槛会降低，从而可能压缩利润率而不是扩大它们。
"人工智能驱动的人员变动必须转化为与收入相当或提高利润率的生产力，才能有意义地提高 JPM 的回报；否则，仅仅减少人员可能无法维持盈利。"
戴蒙的表述反映了结构性的人工智能转型，但“减少我们的工作岗位”的论点取决于人工智能能否在降低成本的同时带来净收入增长。文章忽略了关键风险：模型风险和治理成本、数据质量问题、与遗留系统的集成挑战以及可能减缓部署的潜在监管障碍。基于自然减员的变革可能会在账面上减少工资支出，但再培训、遣散费以及合规/模型风险费用可能会在数年内抵消节省的成本。人工智能技能短缺导致的人才成本压力可能会提高持续成本。总之，短期盈利的上涨取决于人工智能能否带来真实的收入增长，而不仅仅是减少员工数量。
最有力的反驳是，人工智能可能会扩大对风险、合规和模型验证角色的需求，即使一些前台工作被自动化，这可能会抵消人员的减少；而且如果投资回报率不达预期，成本可能会在任何有意义的利润率改善之前显现。
"来自人工智能人才和监管的薪酬和合规通胀将抵消大部分预期的利润率增长。"
Gemini 的利润率扩张论点基于 150 亿美元的技术支出，但忽略了 Grok 的人工智能人才竞价和 ChatGPT 的治理成本将如何推高薪酬和合规费用。这些压力在遗留系统中加剧，而集成已经滞后。其结果是成本收入比的改善速度慢于自然减员对冲所暗示的，特别是如果前台收入增长落后于支持职能的削减。
"行业范围内的合规成本不会削弱 JPM 的相对优势；风险在于 150 亿美元的技术支出是否已经将这些成本计入了价格。"
Grok 混淆了两种不同的压力。是的，人工智能人才竞价推高了薪酬——这是真实的。但 ChatGPT 的治理成本不是 JPM 特有的阻力；它们是行业普遍存在的，因此如果同行面临相同的合规负担，JPM 的相对成本收入比就会提高。Grok 错过的真正风险是：JPM 的 150 亿美元技术支出已经考虑了这些成本。如果实际的治理费用超过预算，利润率扩张就会停滞。但这是一种执行上的失误，而不是自动化论点中的结构性缺陷。
"JPM 的人工智能投资与其说是为了削减成本，不如说是为了建立一个牢不可破的数据驱动的竞争优势。"
Claude，你忽略了“护城河”的现实。Gemini 关于 150 亿美元预算是防御壁垒的说法是正确的，但这不仅仅是关于成本收入比。如果 JPM 成功地自动化了“流水线”，它们不仅仅是在节省人力成本；它们正在创建一个小型金融科技公司无法复制的专有数据循环。真正的风险不仅仅是执行或合规——而是 JPM 是否能够真正地将这种数据优势货币化，以在其资产管理业务中驱动超额收益。
"JPM 数据循环的护城河并非持久；便携式人工智能和数据监管限制构成威胁，而非保证利润率扩张。"
Gemini 的护城河论点依赖于持久的数据循环，但这种假设似乎过于乐观。数据/人工智能能力越来越便携；金融科技公司可以获得类似的工具，而且隐私规则限制了跨机构的数据优势。如果将人工智能产生的见解货币化在资产管理方面比削减成本更难，那么 JPM 的利润率提升可能会停滞，尽管有 150 亿美元的技术支出。真正的风险是竞争优势的侵蚀，而不是保证的超额收益。
小组成员讨论了摩根大通的人工智能战略，戴蒙的“自然减员驱动转型”方法旨在削减成本和重新分配资源。虽然一些小组成员看到了潜在的利润率扩张和竞争性数据优势（Gemini），但其他人则警告执行风险、人才竞价和监管障碍（Grok、ChatGPT）。
通过降低成本收入比和专有的数据循环以获得竞争优势来扩大潜在利润率。
集成挑战、人才竞价推高薪酬以及监管障碍减缓部署。