بانک آمریکا برای رفع باگ‌های کشف‌شده توسط هوش مصنوعی Anthropic، هزار پیمانکار استخدام کرد
بانک آمریکا در سه‌ماهه دوم سال ۲۰۲۶ هزار پیمانکار را برای رفع نقص‌های نرم‌افزاری شناسایی‌شده توسط مدل‌های هوش مصنوعی مانند Mythos شرکت Anthropic به کار گرفت. برای این کار، این افراد در کنار ۳ هزار نفری فعالیت می‌کنند که از قبل در این حوزه مشغول بودند؛ برایان موینیهان، مدیرعامل بانک آمریکا، این موضوع را ۱۴ اکتبر ۲۰۲۶ در گفت‌وگو با CNBC اعلام کرد.
موینیهان همان روز به تحلیلگران گفت بانک در سه‌ماهه سوم «بیش از چند صد میلیون دلار» برای رفع مشکلات نرم‌افزاری و همچنین مسائل نظارتی مرتبط با رعایت مقررات مبارزه با پول‌شویی هزینه کرده است؛ CNBC این اظهارات را گزارش کرده است.
آنچه موینیهان گفت
موینیهان در گفت‌وگو با لزلی پیکر از CNBC پس از انتشار نتایج سه‌ماهه سوم بانک گفت این شرکت در اوایل سال جاری برای تقویت طیف گسترده‌ای از کدهای داخلی و کدهای متعلق به فروشندگان، با استفاده از هزاران نیروی خود و کارکنان خارج از سازمان، به‌سرعت اقدام کرده است.
او گفت: «این ریسک، ریسک واقعی است.» به گفته او، زمانی که مدل‌های پیشرفته هوش مصنوعی وارد عرصه شدند، بسیاری در بانک این پرسش را مطرح کردند که «چطور می‌توانیم بفهمیم چگونه به‌سرعت از این مرحله عبور کنیم؟»
او افزود: «در سه‌ماهه دوم، هزار پیمانکار به کار گرفتیم تا در کار رفع نقص‌ها به ما کمک کنند و این افراد هنوز هم در اینجا هستند و در کنار ۳ هزار نفری که در این حوزه داریم، به ما کمک می‌کنند.»
آنچه در X منتشر شد
بانک آمریکا می‌گوید در سه‌ماهه دوم هزار پیمانکار استخدام کرد تا در کنار ۳ هزار نیروی داخلی، نقص‌های نرم‌افزارهای اختصاصی و نرم‌افزارهای فروشندگان را که مدل‌های هوش مصنوعی مانند Mythos شناسایی کرده‌اند، برطرف کنند.
— Techmeme، ۱۵ اکتبر
Techmeme در ۱۵ اکتبر گزارش CNBC را بازنشر کرد: بانک آمریکا در سه‌ماهه دوم هزار پیمانکار استخدام کرد تا از ۳ هزار نیروی داخلی که مشغول رفع نقص‌های نرم‌افزارهای اختصاصی و نرم‌افزارهای فروشندگان بودند، پشتیبانی کنند؛ نقص‌هایی که مدل‌های هوش مصنوعی مانند Mythos شناسایی کرده‌اند.
متا تنها شرکتی نیست که پس از مدل‌های هوش مصنوعی مشغول پاک‌سازی مشکلات شده است.
بانک آمریکا پذیرفته است که هزار پیمانکار خارجی را برای رفع نقص‌هایی که Mythos شرکت Anthropic پیدا کرده به کار گرفته و این افراد علاوه بر ۳ هزار نفری هستند که پیش‌تر روی این کار فعالیت می‌کردند.
تعداد کارکنان نسبت به سال گذشته حدود ۳ هزار نفر کاهش یافته است. روایت هوش مصنوعی در آمار کارکنان خوب به نظر می‌رسد، اما نیروی کار به ردیف مشاوران منتقل شده است؛ آن هم با هزینه‌ای بیش از چند صد میلیون دلار برای رفع مشکلات در سه‌ماهه سوم.
چیزی به من می‌گوید این پاک‌سازی قرار نیست یک‌باره تمام شود.
— آماندا گودال، ۱۶ اکتبر
اظهارات آماندا گودال دیدگاه شخصی اوست. او استدلال می‌کند که نیروی کار از ردیف کارکنان به ردیف مشاوران منتقل شده و پاک‌سازی مشکلات نیز یک اقدام یک‌باره نخواهد بود. CNBC کاهش تعداد کارکنان را حدود ۳۴۰۰ نفر اعلام کرده است. همچنین رقم «بیش از چند صد میلیون دلار» مجموع هزینه رفع مشکلات و مسائل مربوط به مبارزه با پول‌شویی است، نه فقط هزینه رفع نقص‌ها.
هزینه آن چقدر بود؟
طبق گزارش CNBC، رقم «بیش از چند صد میلیون دلار» در سه‌ماهه سوم هم هزینه رفع مشکلات نرم‌افزاری و هم هزینه مسائل مربوط به رعایت مقررات مبارزه با پول‌شویی را دربرمی‌گیرد و این گزارش سهم هر یک از این دو مورد را جداگانه اعلام نمی‌کند.
بر اساس محاسبه ما، هزار پیمانکار در کنار ۳ هزار نیروی داخلی به معنای حضور حدود ۴ هزار نفر در این فعالیت است. این رقم حاصل جمع دو عددی است که موینیهان اعلام کرده است.
CNBC این اظهارات را از نخستین مواردی توصیف کرد که یک شرکت بزرگ آمریکایی به‌طور مشخص میزان نیروی انسانی و هزینه دلاری صرف‌شده برای محافظت از سامانه‌های نرم‌افزاری در برابر Mythos را اعلام می‌کند. Anthropic این مدل را در ماه آوریل برای گروه کوچکی از بانک‌ها، شرکت‌های فناوری و نهادهای دولتی عرضه کرده بود.
چرا موینیهان انتظار دارد هزینه رفع نقص کاهش یابد؟
به گزارش CNBC، موینیهان تلاش کرد به سرمایه‌گذاران اطمینان دهد افزایش هزینه‌ها موقتی است؛ این اظهارات در حالی مطرح شد که سهام بانک روز چهارشنبه تا ۸ درصد افت کرد.
او گفت: «وقتی یک نقص را برطرف کنید، دیگر لازم نیست به همان اندازه نقص برطرف کنید. کارها در خط لوله پیش می‌روند.» او همچنین گفت بانک انتظار دارد هزینه‌های رفع مشکلات به مرور زمان کاهش پیدا کند.
موینیهان گفت: «باید یک قدم جلوتر از آنها باشیم و باید توجه داشته باشیم افرادی که توسعه نرم‌افزار را انجام می‌دهند، همان افرادی هستند که تلاش می‌کنند خدماتشان را به ما بفروشند.»
هوش مصنوعی کجا در هزینه‌ها صرفه‌جویی می‌کند؟
موینیهان به تحلیلگران گفت بانک آمریکا حدود ۱۳۰ پروژه داخلی هوش مصنوعی دارد و انتظار می‌رود صرفه‌جویی حاصل از این پروژه‌ها از ۳۰۰ میلیون دلار در سال جاری به ۷۰۰ میلیون دلار در سال ۲۰۲۷ برسد؛ CNBC این اظهارات را گزارش کرده است.
به گفته او، تعداد کارکنان بانک در یک سال گذشته حدود ۳۴۰۰ نفر کاهش یافته و بانک حدود ۵ درصد از مدیران خود را تعدیل کرده است. CNBC گفت مشخص نیست چه میزان از این کاهش نیروی انسانی به هوش مصنوعی نسبت داده می‌شود.
آزمایشگاه‌های هوش مصنوعی و شرکت‌های رایانش ابری نیز برای مهندسانی که در محل مشتریان کار می‌کنند هزینه می‌پردازند؛ موضوعی که در گزارش‌های این هفته به آن پرداخته شده است. Anthropic نیز در اوایل همین ماه Mythos را در قالب سطوح مختلف برای مدافعان امنیتی در دسترس قرار داد.
برداشت ساختاری
از نگاه ما، همین مدل‌ها اکنون در هر دو سوی صورت‌حساب بانک قرار گرفته‌اند: CNBC هزینه رفع مشکلات را در کنار صرفه‌جویی حاصل از حدود ۱۳۰ پروژه داخلی هوش مصنوعی گزارش کرده است؛ پروژه‌هایی که موینیهان می‌گوید صرفه‌جویی آنها از ۳۰۰ میلیون دلار در سال جاری به ۷۰۰ میلیون دلار در سال ۲۰۲۷ خواهد رسید.
از نگاه ما، موینیهان این هزینه را به‌عنوان انباشتی از کارهای عقب‌مانده توصیف کرده که به‌تدریج در حال انجام است. او گفت: «وقتی یک نقص را برطرف کنید، دیگر لازم نیست به همان اندازه نقص برطرف کنید» و بانک انتظار دارد هزینه‌های رفع مشکلات با گذشت زمان کاهش یابد.
از نگاه ما، اظهارنظر او درباره اینکه «افرادی که توسعه نرم‌افزار را انجام می‌دهند، همان افرادی هستند که تلاش می‌کنند خدماتشان را به ما بفروشند» به فروشندگان خدمات اشاره دارد؛ زیرا طبق گزارش CNBC، اقدام شتاب‌زده بانک هم کدهای داخلی و هم کدهای فروشندگان را دربر می‌گرفت.
برایان موینیهان در گفت‌وگو با CNBC، ۱۴ اکتبر ۲۰۲۶
«این ریسک، ریسک واقعی است»
سه پیامد
بانک آمریکا: موینیهان گفت هزار پیمانکاری که در سه‌ماهه دوم به بانک اضافه شدند، همچنان در بانک حضور دارند و علاوه بر ۳ هزار نفری هستند که در این حوزه فعالیت می‌کنند.
سرمایه‌گذاران: موینیهان تلاش کرد به سرمایه‌گذاران اطمینان دهد افزایش هزینه‌ها موقتی است؛ CNBC گزارش داد که سهام بانک روز چهارشنبه تا ۸ درصد افت کرد.
سایر شرکت‌های بزرگ: CNBC این اظهارات را از نخستین مواردی توصیف کرد که یک شرکت بزرگ آمریکایی میزان نیروی انسانی و هزینه صرف‌شده برای محافظت از سامانه‌های نرم‌افزاری در برابر Mythos را مشخص کرده است.
نگاه Business Engineer
این گزارش با چارچوب Business Engineer با عنوان «راهنمای مدیر مالی برای اقتصاد توکن» هم‌خوانی دارد.
این چارچوب بر این ادعا استوار است که هوش مصنوعی از یک ردیف هزینه برای مدیر ارشد فناوری اطلاعات به مسئله‌ای مالی تبدیل شده است: «در سال ۲۰۲۶ به مسئله مدیر مالی تبدیل شد، زیرا اقتصاد آن سرانجام قابل‌اندازه‌گیری و در عین حال بی‌رحم شد.»
از نگاه ما، افشای اطلاعات بانک آمریکا هر دو سوی هزینه‌های هوش مصنوعی را هم‌زمان در برابر مدیر مالی قرار می‌دهد: یک هزینه برای رفع مشکلات که موینیهان انتظار دارد کاهش یابد و صرفه‌جویی‌هایی که انتظار دارد افزایش پیدا کند. این چارچوب پیش از انتشار این گزارش تدوین شده و درباره هزینه‌کرد توکن‌هاست و به بانک آمریکا نمی‌پردازد.
آنچه هنوز مشخص نشده است
CNBC سهم هزینه رفع مشکلات و هزینه‌های مبارزه با پول‌شویی را از رقم «بیش از چند صد میلیون دلار» جدا نکرده و همچنین نگفته است هزار پیمانکار به‌تنهایی چه مقدار هزینه داشته‌اند.
موینیهان از مدل‌های پیشرفته هوش مصنوعی سخن گفت و CNBC نیز به مدل‌های هوش مصنوعی مانند Mythos اشاره کرد؛ اما این گزارش مشخص نمی‌کند کدام نقص‌های بانک مستقیماً توسط Mythos شناسایی شده‌اند یا تعداد این نقص‌ها چقدر بوده است. ما گزارش CNBC را به‌طور کامل خوانده‌ایم، اما متن پیاده‌سازی‌شده تماس با تحلیلگران را مطالعه نکرده‌ایم.
جمع‌بندی
موینیهان به CNBC گفت بانک آمریکا در سه‌ماهه دوم هزار پیمانکار به کار گرفت تا نقص‌های شناسایی‌شده توسط مدل‌های هوش مصنوعی مانند Mythos شرکت Anthropic را رفع کنند؛ این افراد در کنار ۳ هزار نفری فعالیت می‌کنند که پیش‌تر در این حوزه حضور داشتند.
او به تحلیلگران گفت هزینه رفع مشکلات و مسائل مبارزه با پول‌شویی در سه‌ماهه سوم به «بیش از چند صد میلیون دلار» رسیده است، بانک انتظار دارد هزینه رفع مشکلات به مرور کاهش یابد و صرفه‌جویی حاصل از پروژه‌های هوش مصنوعی آن نیز در سال ۲۰۲۷ به ۷۰۰ میلیون دلار برسد.