沃勒行長關於在聯邦儲備局推動人工智慧運作的演說

謝謝柯林斯主席，也感謝您今天給我這個機會發言。1 人工智慧是一個席捲全球的科技現象。我們每天都在閱讀相關資訊，許多人也以各種方式使用它。在我一生中，從未見過如此的科技革命——我曾見證太空探索的誕生、個人電腦的崛起、網際網路的爆炸以及智慧型手機的普及。雖然這些都具有變革性，但沒有一個能與人工智慧在改變我們生活方式方面的潛力相提並論，而且速度令人驚嘆。企業、家庭和每個政府都在努力將其融入運作方式中。而我在此要告訴您，美國聯邦儲備系統也不例外。

因此，鑑於本次會議的主題和聽眾組成，我認為現在是討論聯邦儲備系統如何利用人工智慧來建構和優化支援我們工作的系統，以及將其嵌入其他內部應用的良好時機。

大多數人將聯邦儲備系統與貨幣政策聯繫在一起——利率、通貨膨脹，以及每年八次聯邦公開市場委員會（FOMC）會議上引起媒體關注的決策。但我們日常活動的主要部分是執行操作性工作，例如支付、財務管理、人力資源，以及向美國財政部提供金融服務。這些操作工作的一個關鍵元素是科技。人工智慧是我們在日常工作中融入的最新技術，以實現運營效率。

聯邦儲備系統於1913年設立，最初由區域銀行組成，歷史上許多技術決策都是由各銀行自行決定。這在早期是合理的，因為每個儲備銀行基本上是獨立運作的組織。但隨著聯邦儲備系統的工作越來越數位化、互聯互通——以及銀行系統和整體經濟的演變——這種做法逐漸造成重複、低效率和操作風險。

當系統相互連結時，孤立做出的決策會產生協調問題——尤其是在聯邦儲備系統運作的系統規模和關鍵性如此之高的情況下。維持中央銀行的韌性和安全標準需要一個更為協調的模式。

因此，我們正朝著以聯邦儲備系統為核心的方向前進——建立共同的標準和基礎設施，同時在貨幣政策和經濟研究等最重要的領域保持去中心化。2

這一轉型的緊迫性日益增加。科技變革的規模和速度持續加快。作為一個在美國及全球金融體系中扮演重要角色的公共機構，聯邦儲備系統必須跟上步伐，以提供有效且可靠的服務，與私營部門並駕齊驅。

這種變革的速度在我主持的近期支付創新會議上尤為明顯，與會者討論了人工智慧、穩定幣、代幣化和支付的融合——這也是我在與業界交流中經常聽到的主題，我懷疑這個議題會在今天的討論中反覆出現。

在這樣的變革速度下，逐家銀行的做法已經行不通，尤其是對於代幣化、量子計算和生成式人工智慧等前沿技術來說。這些都是具有挑戰性和機遇的重大議題，橫跨整個聯邦儲備系統。

應對當前的挑戰需要系統範圍的協調、積極行動的偏好，以及大規模的嚴謹執行。這也是我們有意建立一個以系統為中心的創新實踐的原因。與其在系統內部重複做同樣的事情——重複百次，我們倒不如做百種不同的事情。系統化的方法能讓我們更快、更有效地將創意從實驗轉化為落實。

**人工智慧正是這種做法的實例。**我不必告訴這個聽眾，人工智慧的發展速度——重塑工作方式和組織運作——是多麼迅速。作為建設者和領導者，你們親身體驗到這一點。聯邦儲備系統也不例外。我們必須跟上這個步伐。是的，我們是中央銀行；“打破規則再請求原諒”這種做法在這裡行不通。權力越大，責任也越大。人工智慧系統可能像效率一樣迅速放大錯誤、產生幻覺，甚至引發資料保護、模型風險、偏見和操作韌性等實質性風險。我們不能對人工智慧掉以輕心。作為中央銀行，我們對自己有很高的標準。這包括明確的使用範圍和規範、強有力的資訊安全控制、嚴格的模型驗證、決策的人類責任，以及隨著技術演進的持續評估。創新與風險管理並非對立的優先事項——它們相輔相成。

我們需要尊重這些原則，但被動等待也不是選擇。我們不能遲到，也不能以碎片化的方式來審視轉型的變革。因此，我們採取不同的做法。在聯邦儲備系統推行人工智慧時，我們是以一個整體系統的方式行動，保持共同的方向和協調。我們已經建立了一個供所有儲備銀行員工使用的通用內部人工智慧平台。我們的方法是以業務為導向，並結合人工智慧。我們從要解決的問題和業務需求出發，然後從整個人工智慧技術堆疊中選擇合適的能力。這種紀律幫助我們在提供實質商業價值的同時，避免不必要的複雜和成本。

以業務為導向也意味著將人工智慧融入聯邦儲備系統的運作——而不是將其視為一堆隨意的實驗或“殭屍項目”。

我們的目標不是追求新奇，而是追求實用。

**那麼，讓我們來看看人工智慧的實際應用案例。**我們正以三種專注且互補的方式部署人工智慧，反映出大型複雜機構的工作流程——為所有員工提供廣泛的存取、為建設者提供專業工具，以及將能力嵌入企業工作流程中——這些共同構成聯邦儲備系統日常運作的一部分。

首先是面向所有員工的通用人工智慧，因為這是最先展現日常最大影響的領域。

這是將人工智慧作為日常工作的基本能力，而非僅僅是個別工具。每位員工都可以使用經聯邦批准的人工智慧解決方案——用於起草、摘要、分析資訊，並更快解決問題。對許多人來說，它像是一個無處不在的數位助手——一個可以隨時回來討論問題、完成日常任務的智囊。目標不是讓每個人都成為技術專家，而是降低例行工作的摩擦，讓人們能花更多時間在判斷、問題解決和高價值活動上。

在很多方面，這與人們在私生活中已經在使用人工智慧的方式相似。在我家裡，人工智慧已成為日常工具——就像智慧型手機甚至微波爐一樣，大家習以為常，幾乎不用特別思考。我的妻子每天都用它來規劃行程、幫助孩子思考職業選擇、比價，甚至將一些小而煩人的任務變得更容易處理。

這並不神祕。它只是一個工具。

這也是我們在工作中思考人工智慧的正確方式。

讓我來舉個實例。

聯邦儲備系統的員工經常會收到大量非FOMC背景資料，以協助準備各種會議。為了幫助整合資訊，他們有時會使用聯邦內部的通用人工智慧工具，快速產生關鍵主題。當然，它不能取代準備或判斷，但可以壓縮機械性工作，讓更多時間用於實質內容和重要問題。

另一個例子是，一位同事剛從一段值得的假期回來——真正的數位排毒，沒有使用工作裝置或電子郵件——回來時收件箱和文件排隊已經堆積如山。她沒有花幾天逐一整理，而是用聯邦內部的人工智慧工具來摘要和篩選累積的資料。這讓她能直接專注於需要專業判斷的部分。

在這兩個案例中，工具負責處理大量資料和第一輪篩選，人類則做出最終決策。

第二個帶來實質影響的領域是開發者和實作建設者——那些將想法轉化為實際應用的人。

程式碼助手幫助開發者優化軟體開發生命週期中的工作——從文件撰寫、重構、撰寫程式碼到單元測試。這幫助團隊更快解決積壓問題、提升品質與可靠性、現代化系統，並交付更多價值與創新。

但這不僅僅是速度的問題。

人工智慧正在接手一些最耗時且令人不滿的軟體開發工作，讓開發者能專注於安全和品質。這對像聯邦儲備這樣的機構尤為重要，因為生產系統的可靠性和韌性至關重要。

以單元測試為例。它是確保品質和韌性的關鍵，但通常不是開發者最感興趣的部分。在幾個團隊中，以人工智慧協助的任務，從原本需要幾天的工作縮短到幾小時。一位開發者直接告訴我：“以前花兩天的事，現在只要兩個小時。”這讓他有更多時間專注於提升安全性和建立新能力。隨著這些工具的成熟，效益會越來越大。

這也反映出一個更廣泛的能力提升點。當程式碼助手降低軟體產出成本、同時提升品質時，能做的事情就更多。我們可以寫更多程式碼、建立更多能力、交付更多價值。當資源變得不那麼稀缺，產能就會提升，讓我們能應對積壓和技術債務。

我聽過一個很好的比喻：iPhone與攝影。將相機放進每個人的口袋，並沒有取代專業攝影。相反，它降低了成本、增加了拍攝量、擴大了市場。拍的照片更多了，對高品質作品的需求也在增加。我認為，程式碼助手對軟體的影響也會如此。

在聯邦儲備，我們已經看到早期的積極採用——數百名開發者迅速採用這些工具——這證明這項能力正滿足實際需求。

我再舉一個不同的例子——這次不是程式碼，而是關於我們服務的社群。

在聯邦儲備系統內，我們收集了大量的質性資訊——與企業、社區領袖和市場參與者的對話。過去，跨地區和時間段整合這些資訊非常耗時。

現在，利用人工智慧工具，分析師可以從大量訪談記錄中提取特定主題，比較不同週期的模式，並更快發現情緒變化。這並不取代人類判斷，而是加快第一輪篩選，讓經濟學家有更多時間解讀重要內容。

第三個將人工智慧投入實務的方式，是將其直接嵌入人們已在使用的工作流程中。

我們不是要求團隊採用全新工具或建立專屬解決方案，而是在已支持日常工作的企業平台中激活人工智慧能力，涵蓋法律、風險、採購、運營等多個領域。

採用會跟隨工作流程。當人工智慧被嵌入——而非附加——人們不必改變工作方式就能獲得價值。

如果你是經常線上購物或旅行的人，可能已經體驗過這種轉變。當出現問題——航班延誤、轉機錯過、包裹損壞——現在通常透過簡單的聊天、訊息，甚至是令人畏懼的客服電話來解決。很多情況下，人工智慧在幕後協助總結情境、引導問題，甚至直接解決——當有人介入時，他們能更有效率地幫忙。體驗變得更簡單、更快速，效果也更佳。

聯邦儲備的情況亦然。透過將人工智慧嵌入現有的企業系統，我們可以提升速度、一致性和服務品質，而不會產生碎片化的解決方案。這也是財務上負責任的做法。由於技術快速演進，透過供應商平台使用人工智慧，能持續受益於改進，而不必自行建置和維護可能變得昂貴或過時的工具。

綜合來看，這些範例展現了我們如何透過協調一致、以系統為先的策略，將人工智慧從探索推向落實。

結果是整個組織的產能提升，使團隊能解決更複雜的問題、交付更多價值，同時透過負責任的創新提升生產力和成本效益。

雖然這已經是個良好的開始，但我們並不滿足於一時的成功。持久性才是關鍵，這需要專注於採用、責任和領導。

這也是許多人工智慧努力成敗的關鍵——當接力棒從早期採用者傳遞到日常操作時。技術本身已不再是難題，變革管理才是真正的挑戰。關鍵在於人們多快能採用工具、將其深度融入日常流程，以及這些採用是否轉化為實際成果。

因此，我們採取以採用為先的策略。將人工智慧視為人力資本投資，而非邊角實驗。培訓和技能提升在工作時間內進行，而非在下班後。

這樣的培訓不是一次性的或理論性的，而是持續、實務導向、角色相關的。員工透過實際應用於工作流程中的人工智慧，參與工作坊、實務教育和即時討論，來學習。這種“動手操作”的方式很重要，因為熟練和自信來自實際使用，而非單純看投影片。

我們也明確設定了期望。人工智慧的使用不是選擇，而是標準化的能力，已融入整個系統的員工績效目標中。衡量的結果就會落實。

我親身經歷過這一點。當我在聖路易斯擔任研究主任時，我們制定了一個策略計畫，但大多數時間擺在架上。真正改變行為的是將這些優先事項直接列入員工目標。一旦大家知道重點和衡量標準，執行就跟著來。這段經驗塑造了我對於讓變革持久的看法。

領導層在這裡扮演關鍵角色。設定期望、投入資源是必要的，但還不夠。團隊需要看到領導者身體力行、表明承諾——並且自己也是這項技術的學習者。這種領導信號，才會將早期的動能轉化為持續的行為改變。

這就是我們如何透過結合科技、培訓、責任和領導，將人工智慧轉變為聯邦儲備系統持久運作的一部分。

像這樣的會議專注於科技如何重塑未來。我今天試圖展現的，是我們在聯邦儲備系統如何應對這一挑戰——以科技驅動的創新來完成使命，並專注於落實與效率。在此過程中，我們展示了公共機構如何負責任地採用人工智慧，並藉此增強公共信任。

當像代幣化和自主人工智慧這樣的技術逐漸浮現時，值得記住，這並非我們行業首次經歷這樣的轉變。當自動櫃員機（ATM）首次出現時，它們並沒有取代銀行櫃員。相反，它們改變了銀行的運作方式。例行交易變得更便宜、更快、更普及，而人力資源則轉向更高價值的活動。真正的影響不僅是自動化，而是機構圍繞科技進行的重組。

人工智慧也是如此。最大收穫不會來自於簡單地將人工智慧加入現有流程，而是重新思考工作流程、角色和系統，充分利用這項技術所帶來的可能性。

我們不知道，也無法確定這些技術何時會達到全面的轉折點。我們不會在人工智慧從快速進展轉向真正系統性影響時收到明確信號。但等待完美的訊號並非策略。如果我們想在那一刻來臨時做好準備，現在就必須開始行動。

人工智慧正是聯邦儲備系統能夠大膽執行、規模化推動的明確範例——只要我們採取以系統為先的策略。

1. 此處所表達的觀點為我個人意見，不一定代表聯邦儲備委員會的立場。返回正文

2. 在本演說中，作為儲備銀行的監督長，我提到的“系統”是指12家儲備銀行，而非聯邦公開市場委員會（聯邦理事會）。返回正文