10月14日，摩根大通发布2026年三季度财报，净利润同比增长6%至153亿美元。但比财报更受关注的，是CEO杰米·戴蒙在财报电话会上的一句警告："没人想要流氓智能体（rogue agents），而它们可能成千上万。"他同时明确表态："我们不会允许任意外部智能体进入公司内部，因为这对客户和摩根大通来说风险太大。"
TIPS:所谓金融场景中的"流氓智能体"，指的是未经充分鉴权、可代客操作、行为难以追溯、可能越权访问账户的外部AI代理。
这番话并非空穴来风。就在两周前，韩国金融圈遭遇一场"黑客风暴"：新韩银行约2.5万名客户信息泄露，KB国民银行、韩亚银行、BNK釜山银行也相继被攻破——而攻击者疑似滥用了一款可调用Claude、GPT等大模型的开源安全工具ARTEX，让AI替他们自动寻找并击穿银行漏洞。
一边是AI驱动的攻击已经真实撬开银行大门，一边是消费级AI代理开始要求代客户转账、付款、调仓。当AI Agent正式叩响金融操作层的大门，头部银行第一次给出了清晰的拒绝姿态。
一、从财报节点到账户准入红线
在摩根大通三季度财报电话会上，戴蒙还提到了今年7月OpenAI模型自主入侵AI公司Hugging Face服务器的事件——在安全测试中，AI系统展现出未经授权黑入其他公司的能力。
摩根大通确认，目前禁止外部AI代理代表零售客户操作账户，Muse、Instinct等第三方代理不能凭客户银行凭证登录并代客执行交易。
摩根大通发言人的解释很直接："因为不安全，我们不允许第三方通过获取客户银行凭证、代其登录的方式访问账户。"但与此同时，银行支持通过开放银行服务商进行"安全的、经客户授权的数据共享"——也就是说，AI代理可以只读方式查询Chase账户的余额等信息，但不能转账、不能付款。对于何时会建立允许代理直接操作账户的安全机制，摩根大通没有给出时间表。
为什么这个动作重要。 这是头部银行首次在财报这样的正式节点，就"外部AI代理能否进入金融操作层"公开划线。背景是个人AI代理的主流化速度远超预期：9月Meta的Muse代理发布后迅速登顶应用下载榜，一度引发银行股下跌——市场担心消费者会用代理把资金从低息账户自动搬到高息账户；数周后OpenAI也发布了自己的代理Dots；主打短信交互的数字管家Instinct，其背后的初创公司上月估值已达100亿美元。账户准入，正在成为银行与科技公司新一轮边界争夺战的前线——这与当年摩根大通向Plaid等数据中介收费的争端如出一辙，只是这次的对手换成了AI代理。
二、AI Agent 是把双刃剑
戴蒙明确表示，摩根大通银行内部正在使用AI代理，并计划部署面向客户的应用。就在最近几周，摩根大通还启动了自研AI工具Smart Cash的定向试点——它能预测用户现金流并自动划转资金以最大化收益。这几乎是对Meta Muse的正面防御：与其让外部代理动客户的钱，不如自己做那个代理。
内与外的关键差异在于：内部代理可被审计、鉴权、约束和追责；外部代理则可能绕过银行的整个风控界面。
而韩国银行业的遭遇，为"流氓智能体"风险提供了最现实的教训。据韩联社报道，10月上旬韩国多家银行接连被黑，攻击中出现了开源网络安全工具ARTEX被滥用的迹象——这款工具本用于帮助机构发现网络漏洞，可调用Anthropic的Claude、OpenAI的GPT等多种AI模型，却被攻击者反向使用，让AI自动完成漏洞探测与渗透。为躲避追踪，攻击者经由美国、日本、德国等10余个国家的20余个IP地址实施，嫌疑人身份至今未明。韩国总统李在明要求彻查，国家警察厅对7家金融机构遭攻击案立案，韩国三大信用评级机构也开始评估银行信誉受损与客户流失风险。
以上事件可以清晰看到金融机构面对AI的四重风险焦点：
数据滥用：客户资产信息可能被第三方模型或代理用于未经授权的分析、营销甚至训练；韩国事件中数万名客户的个人信息已经泄露。
未经授权操作：代理可能误读指令、遭遇提示注入攻击，或因幻觉执行错误交易。
凭证暴露：外部代理一旦掌握登录凭证，银行的身份认证和风控体系就被架空——这正是摩根大通"不允许第三方凭客户凭证代登录"的直接原因。
责任难以追溯：韩国攻击者藏在十几国的IP背后，出错后是客户、代理开发者、模型供应商还是银行担责？
戴蒙对此给了一个冷峻的提醒："如果人们在用这些代理，他们应该理解风险，应该理解这里存在责任转移（liability transfer）。"
换句话说，开放银行的"只读数据共享"与"交易授权"是两条完全不同的边界：前者可以提升客户体验，后者必须留在机构内部的鉴权、审计和人工复核体系之内。
三、AI Agent进入财富管理：效率诱惑与治理缺口
银行为何如此紧张纠结？
因为代理AI的效率收益是真实且巨大的。凯捷Agentic AI报告提供了一组数据：在客户服务场景，一级工单偏转率中位数达41.2%，顶尖项目达58.7%，密码重置等特定意图的偏转率可达78%；AI单次解决成本仅0.62美元，人工为7.40美元；混合模式下单位解决成本降低71%，全自动处理降幅超过90%；投资回收期中位数5.4个月，首年ROI中位数2.6倍。
但治理落地远慢于效率兑现：64%的企业CX团队在2026年开展Agentic AI试点，仅27%达到全面生产阶段。
放到财富管理场景，代理AI的价值清单很长：账户查询、交易确认、报表解读、合规监控、KYC/AML状态检查、投资组合报告生成、7×24小时客户服务。对家族办公室而言，它能释放客户经理大量重复性工作——但投资决策与账户操作，仍然需要人工复核和授权。
原因很简单：财富管理不是普通客服。它涉及资产安全、交易合规、税务与传承安排。当客户开始"用agent管钱"，授权范围、操作频率和跨平台数据流动都会被急剧放大，准入与审计必须同步升级。韩国的教训说明，连银行自己的防御系统都可能被AI工具反向击穿；把交易权限交给一个行为不可追溯的外部代理，无异于在风控体系上开一个无人值守的口子。
四、对家族办公室与财富管理机构的实操启示
当前，不少家族办公室和财富管理机构大都开始部署AI系统并使用AI智能体。摩根大通划出红线后，家族办公室和财富管理机构需要回答自己的版本。当客户拿着自己的AI代理来对接账户时，又当如何应对？
一套可操作的治理框架应该包括：
1. 建立"代理准入清单"。 明确哪些外部AI代理可接入、可读取哪些数据、可执行哪些操作、是否需要人工审批。对Muse、Instinct等第三方代理设置风险评级和接入条件，未入清单者一律默认拒绝。
2. 分级授权：只读、可写、可交易三层。 只读层（余额、交易记录、报表）可通过开放银行或安全API获取；可写层（备注、客户偏好、报告生成）需限定字段和用途；可交易层（下单、转账、调仓）必须回到机构内部鉴权、双因素认证和人工复核——这正是摩根大通对外的实际做法。
3. 设置只读数据沙箱。 将外部代理可访问的数据限制在最小必要范围，避免全量账户数据暴露；对每次读取行为记录来源、时间、字段、用途和客户授权状态。
4. 交易白名单与延迟执行。 对代理发起的交易设置金额、标的、频率和账户类型白名单；高风险指令需人工确认、冷静期或二次授权。
5. 审计日志与责任协议。 保存代理指令、模型版本、调用链路、客户授权证据和操作结果；与客户、代理供应商、模型服务商签署责任边界协议，明确误操作、数据泄露、越权交易的追责机制。戴蒙所说的"责任转移"，需要落到纸面上。
6. 客户教育与授权管理。 明确告知客户"授权agent看数据"与"授权agent代操作"的区别；提供可撤销、可查询、可限权的授权面板，降低凭证滥用风险。
五、行业信号与监管走向
摩根大通的AI治理立场是一脉相承的：戴蒙此前公开呼吁美国对AI实施"轻度"的联邦级监管；摩根大通也与Anthropic合作研究前沿模型风险，关注模型能力外溢带来的安全挑战。
韩国事件则展示了监管的另一面：当AI驱动的攻击真实发生，政府反应是总统亲自督办、警方成立28人网络恐怖主义调查组、评级机构介入评估。李在明在国务会议上的表态颇具代表性："仅靠事故发生后的补救，难以应对不断演变的网络威胁……是时候全面革新社会安全模式，以适应AI时代了。"
可以预期，开放银行正从"数据共享"走向"代理授权"，需要新的身份、同意和审计标准；监管机构可能要求金融机构明确外部代理的接入条件、客户授权记录和事故责任划分。Apollo首席经济学家Torsten Sløk等人已经指出代理对银行廉价存款的冲击风险——而摩根大通的封禁动作客观上延缓了这一进程：如果代理不能自由操作账户，存款搬家的速度就会受限。
对高净值客户而言，用AI代理管理财富的便利会持续提升，但资产安全与税务、传承、合规责任也更加复杂。家办需要从"服务提供者"升级为"代理治理提供者"。
版权所属：fott.top 非授权不可转载， 联系授权
