美国监管机构正在收紧对银行业人工智能的监管，这一转变已经推高了合规成本，并迫使银行更严格地审视其依赖的外部供应商。更严格的审查并非源于某项新规或引人注目的执法行动，而是指导文件和检查的持续积累，正在改变银行对待AI的方式。
对于一直在竞相将AI应用于从信用评分到客户服务等各个领域的行业来说，信息很明确：快速行动，但要准备好解释你的模型如何运作以及谁在监督它们。
监管机构为何更加关注
AI已悄然融入美国银行业的底层架构。它帮助决定谁获得贷款、标记可疑交易，并处理数百万客户的查询。正是这种广泛性引起了监管机构的兴趣。各机构希望确保这些系统不会产生有偏见的决策，能够向审查人员解释清楚，并且不会引入新的运营风险。
这种担忧并非假设。当AI模型拒绝贷款或标记交易时，银行必须能够向客户和监管机构证明该决策的合理性。随着AI承担更多责任，这些证明变得越来越难提供。
合规成本不断攀升
最直接的影响体现在利润上。银行在合规团队、模型风险管理和外部审计上的支出增加。他们正在招聘既懂机器学习又懂银行监管的数据科学家——这是一种罕见且昂贵的组合。他们还在投资工具来监控AI系统的漂移、偏见和意外行为。
对小型银行来说，负担相对更重。它们没有同样的预算或内部专业知识，这使它们在面对更容易吸收成本的大型竞争对手时处于劣势。
供应商受到严格审视
银行很少完全内部构建所有AI。它们从第三方供应商处购买——有时多达数十家。监管机构现在正就这些关系提出更尖锐的问题。银行能否审计供应商的模型？合同是否允许持续监督？如果供应商在未告知任何人的情况下更改算法会怎样？
这正促使银行重写合同，要求更多透明度，并在某些情况下将功能收回内部。供应商风险管理曾经是后台的例行检查，现在正成为董事会层面的关注事项。
做对了的银行有何优势
这里有一个容易被忽视的竞争角度。能够展示强大AI治理的银行可能会更容易推出新产品、获得监管批准并保持客户信任。换句话说，合规可以成为护城河。
将AI监督视为核心能力而非成本中心的机构，可能比陷入补救的竞争对手行动更快。如果监管机构最终将其期望正式化为硬性规则，它们也将处于更有利的位置。
目前，审查只会更加严格。银行正在关注预计在未来几个月发布的下一轮指导文件，并在规则完全制定之前决定投资多少。
