近期两项独立的公告凸显了银行正在实施的激进成本削减措施,数字技术正在取代数千名银行后台办公人员。
彭博智库 (Bloomberg Intelligence) 的最新报告预测,人工智能 (AI) 将导致 20 万个中台和后台岗位流失,而劳埃德银行 (Lloyds Bank) 关于分行的公告也意味着更多的网点关闭和裁员不可避免。
一位不愿透露姓名的英国银行业 CIO 表示,银行会在"达到临界点需要适度回调之前",尽可能地推进 AI 应用和分行关闭。
"他们总是试图尽可能地削减成本——主要包括人员、建筑和计算机,但他们不能削减计算机投入,因为这正是他们用来削减建筑和人力成本的关键。"
人员、建筑和计算机
这位 CIO 补充说,开支正在向计算投入倾斜,同时削减人员和建筑成本。"有了 AI,他们尝到了甜头,他们认为'我们可以实现大量自动化,并通过减少分行、总部或员工来节省大量资金,直到出现问题为止'。"
随着数字银行业务的发展,银行多年来一直通过关闭分行来减少人力,而随着 AI 学习相关工作,银行的中台和后台也面临着大规模裁员。
本周的两项公告明确和隐含地突显了银行对人力需求的减少。
彭博智库的最新数据显示,将被 AI 取代的工作岗位数量达数十万个,被调查的 CIO 们预计平均将裁减 3% 的员工。约四分之一的受访者预计,随着 AI 接管工作岗位,员工队伍将减少 5% 到 10%,其中中台和后台受影响最大。
但不仅仅是银行的中台和后台工作岗位会消失——随着大型银行在全国关闭分行,分行工作人员在英国也面临着不确定的未来。
虽然规模较小且较为隐晦,但劳埃德银行集团宣布其三个高街品牌的客户都可以使用任何分行的决定,必然会导致裁员。
劳埃德银行集团拥有苏格兰银行和哈利法克斯银行以及劳埃德银行品牌的分行。允许所有品牌的客户使用任何分行将使劳埃德有机会在不影响高街银行服务的情况下关闭分行。分行数量的减少是由数字银行服务的普及推动的。
劳埃德银行集团消费者关系 CEO Jayne Opperman 告诉员工:"我们知道越来越多的人选择移动银行而不是其他方式,但我们也需要改进如何在其他渠道支持客户。"
"这就是为什么——从今年晚些时候开始——我们将让客户能够使用任何劳埃德、哈利法克斯和苏格兰银行的分行,无论他们使用哪个品牌的银行,都能使用最大的联合分行网络。"
面对数字银行的竞争,传统高街银行一直在缩减分行网络。这些挑战者没有巨额的房地产和分行员工成本,服务主要通过移动端和在线提供。传统银行也大力投资相同的在线和移动服务,同时通过关闭分行来削减成本。
银行业的快速数字化和消费者使用技术进行银行业务的增加意味着裁员在 2008 年金融危机后仍在继续。早在 2009 年,工会 Unite 就将劳埃德银行(当时称为劳埃德 TSB)的策略描述为"温水煮青蛙式的裁员"。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。