Η Bank of America προσέλαβε 1.000 εξωτερικούς εργολάβους για να βοηθήσουν στην επιδιόρθωση ευπάθειας λογισμικού που εμφανίστηκαν από προηγμένα μοντέλα τεχνητής νοημοσύνης, συμπεριλαμβανομένου του Mythos της Anthropic, δήλωσε στο CNBC ο διευθύνων σύμβουλος Brian Moynihan την Τετάρτη. Η αποκάλυψη, που έγινε σε συνέντευξη μετά την απελευθέρωση των κερδών του τρίτου τριμήνου της τράπεζας, είναι μία από τις πρώτες φορές που μια μεγάλη αμερικανική εταιρεία εξήγησε το κόστος εργατικού δυναμικού και δολαρίων για την άμυνα των συστημάτων της έναντι μοντέλων τεχνητής νοημοσύνης.
Σύμφωνα με το CNBC, οι εργολάβοι αναλήφθηκαν το δεύτερο τρίμηνο του 2026 για να υποστηρίξουν τους περίπου 3.000 εσωτερικούς υπαλλήλους που εργάζονται σε αυτόν τον τομέα και παραμένουν στην τράπεζα σήμερα. «Επιλέξαμε 1.000 εργολάβους για να μας βοηθήσουν να κάνουμε τις εργασίες επιδιόρθωσης το δεύτερο τρίμηνο και αυτοί οι άνθρωποι παραμένουν εδώ σήμερα, βοηθώντας μας, πέρα από τους 3.000 ανθρώπους που έχουμε σε αυτήν την περιοχή», είπε ο Moynihan στον Leslie Picker του CNBC. For more context on this story, see our ongoing latest AI developments.
Εκατοντάδες εκατομμύρια σε τριμηνιαίες δαπάνες
Η ώθηση μπαλωμάτων δεν ήταν φθηνή. Ο Moynihan είπε σε αναλυτές νωρίτερα την Τετάρτη ότι η αποκατάσταση λογισμικού, σε συνδυασμό με ρυθμιστικές εργασίες που σχετίζονται με τη συμμόρφωση με το ξέπλυμα χρήματος, πρόσθεσαν «μερικές εκατοντάδες εκατομμύρια συν» στο κόστος της τράπεζας το τρίτο τρίμηνο. Οι μετοχές της τράπεζας υποχώρησαν έως και 8% την Τετάρτη μετά την έκθεση κερδών και οι δαπάνες αποκατάστασης ήταν μέρος μιας ευρύτερης συζήτησης με τους επενδυτές σχετικά με την πίεση των εξόδων.
Η Mythos, την οποία η Anthropic κυκλοφόρησε σε μια μικρή ομάδα τραπεζών, εταιρειών τεχνολογίας και κυβερνητικών υπηρεσιών τον Απρίλιο, πιστώθηκε ότι αποκάλυψε και εκμεταλλεύτηκε ελαττώματα λογισμικού δεκαετιών – δυνατότητες που ανάγκασαν τις εταιρείες που κατέχουν ευαίσθητα οικονομικά δεδομένα σε έναν δαπανηρό αμυντικό αγώνα. Η Bank of America έσπευσε να ενισχύσει ένα ευρύ φάσμα του εσωτερικού και του κωδικού προμηθευτή της νωρίτερα φέτος, είπε ο Moynihan, χρησιμοποιώντας χιλιάδες υπαλλήλους και εξωτερικό προσωπικό.
"Αυτός ο κίνδυνος είναι πραγματικός κίνδυνος, και γι' αυτό όταν βγήκαν τα μοντέλα συνοριακού τύπου… πολλοί από εμάς καθίσαμε και είπαμε, "Πώς μπορούμε να καταλάβουμε πώς να το ξεπεράσουμε γρήγορα;" είπε ο Moynihan στη συνέντευξη στο CNBC.
Η Dual-Edged Nature of Frontier AI
Το επεισόδιο καταγράφει τα περίεργα οικονομικά της συνοριακής τεχνητής νοημοσύνης για τις μεγάλες επιχειρήσεις. Η ίδια κατηγορία μοντέλων που βοηθά τις εταιρείες να μειώσουν το κόστος ενισχύοντας την παραγωγικότητα μπορεί επίσης να αποκαλύψει τις αδυναμίες του λογισμικού που έχει συσσωρευτεί αθόρυβα εδώ και δεκαετίες. Ο Moynihan αναγνώρισε την ένταση ευθέως, σημειώνοντας ότι οι πωλητές που προμηθεύουν το λογισμικό της τράπεζας αγωνίζονται οι ίδιοι να εξοπλίσουν τα εργαλεία τους με τεχνητή νοημοσύνη συνόρων.
«Πρέπει να παραμείνουμε μπροστά τους και πρέπει να έχουμε υπόψη μας ότι οι άνθρωποι που κάνουν την ανάπτυξη λογισμικού είναι αυτοί που προσπαθούν να μας πουλήσουν τις υπηρεσίες», είπε.
Μια προσωρινή ακίδα, υποστηρίζει ο Moynihan
Μιλώντας καθώς η μετοχή έπεφτε, ο Moynihan προσπάθησε να καθησυχάσει τους επενδυτές ότι η αύξηση των δαπανών θα αποδεικνυόταν προσωρινή. "Μόλις επιδιορθώσετε, δεν χρειάζεται να επιδιορθώσετε τόσο πολύ... Ο αγωγός προχωρά", είπε, προσθέτοντας ότι η τράπεζα αναμένει ότι το κόστος αποκατάστασης θα μειωθεί με την πάροδο του χρόνου.
Η τράπεζα στοιχηματίζει επίσης ότι η τεχνητή νοημοσύνη θα πληρώσει για την αμυντική εργασία αλλού. Η Bank of America εκτελεί περίπου 130 εσωτερικά έργα τεχνητής νοημοσύνης που προβλέπει ότι θα εξοικονομήσουν περίπου 700 εκατομμύρια δολάρια το επόμενο έτος, σύμφωνα με το CNBC - αριθμός που υπονομεύει το βραχυπρόθεσμο λογαριασμό αποκατάστασης, ακόμα κι αν ο χρόνος των δύο είναι άβολος.
Τι λέει για τη βιομηχανία
Η αποκάλυψη της Bank of America προσφέρει ένα από τα πιο ξεκάθαρα σημεία δεδομένων μέχρι στιγμής σχετικά με το κόστος της ανακάλυψης ευπάθειας που βασίζεται στην τεχνητή νοημοσύνη σε ένα μεγάλο ίδρυμα. Οι αναλυτές έχουν προειδοποιήσει από τότε που άρχισαν να διατίθενται μοντέλα συνοριακής ασφάλειας στον κυβερνοχώρο ότι οι βάσεις κωδικών παλαιού τύπου σε τράπεζες, νοσοκομεία και κυβερνήσεις αντιπροσωπεύουν μια τεράστια επιφάνεια επίθεσης που η τεχνητή νοημοσύνη μπορεί να χαρτογραφήσει πολύ πιο γρήγορα από τους ανθρώπινους ελεγκτές. Μέχρι τώρα, το μεγαλύτερο μέρος αυτής της συζήτησης ήταν θεωρητικό. Ο Moynihan έβαλε έναν αριθμό εργαζομένων και μια τιμή στην απόκριση.
Τα σχόλια υπογραμμίζουν επίσης τη λεπτή θέση εταιρειών όπως η Anthropic, οι οποίες πωλούν ισχυρά μοντέλα κυβερνοασφάλειας σε μια επιλεγμένη ομάδα ιδρυμάτων, ενώ η ευρύτερη βιομηχανία διαφωνεί για το πώς - και πόσο γρήγορα - θα πρέπει να εξαπλωθούν τέτοιες δυνατότητες. Οι αναφορές για απόπειρες hacking με τη βοήθεια τεχνητής νοημοσύνης έχουν θέσει υπό έλεγχο τις πρακτικές περιορισμού και παρακολούθησης και οι εταιρικοί πελάτες υπολογίζουν τώρα τον προϋπολογισμό για την υπόθεση ότι τα τρωτά σημεία τους θα βρεθούν πρώτα.
Για τις τράπεζες, ο λογισμός είναι απλός: το κόστος επιδιόρθωσης είναι μετρήσιμο και περιορισμένο, ενώ το κόστος μιας επιτυχημένης εκμετάλλευσης δεν είναι. Το μήνυμα του Moynihan προς τους επενδυτές ήταν ότι η αύξηση είναι μια εφάπαξ εκκαθάριση, όχι μια μόνιμη γραμμή δαπανών - αλλά το επεισόδιο είναι μια υπενθύμιση ότι κάθε άλμα στην ικανότητα του μοντέλου μπορεί να ανατιμά σιωπηλά τη στάση ασφαλείας κάθε εταιρείας που εκτελεί λογισμικό.
Καθώς τα συνοριακά μοντέλα συνεχίζουν να βελτιώνονται στην εύρεση ελαττωμάτων, η εμπειρία της Τράπεζας της Αμερικής μπορεί να γίνει λιγότερο ακραία και περισσότερο πρότυπο: χιλιάδες προσωπικό, ένας στρατός εργολάβων και ένα τιμολόγιο εκατοντάδων εκατομμυρίων δολαρίων, όλα ενεργοποιημένα από ένα μοντέλο που δεν άγγιξε ποτέ άμεσα τα συστήματα της τράπεζας.
Ομάδες ασφαλείας σε άλλα μεγάλα χρηματοπιστωτικά ιδρύματα παρακολουθούν στενά το βιβλίο. Εάν τα μοντέλα τεχνητής νοημοσύνης μπορούν να εμφανίσουν μια δεκαετία συσσωρευμένων τρωτών σημείων σε ημέρες, το ερώτημα για κάθε τράπεζα δεν είναι πλέον αν ο κώδικάς της έχει ελαττώματα - είναι ποιος τα βρίσκει πρώτος και αν το ίδρυμα έχει την ικανότητα διορθώσεων να ανταποκριθεί πριν χρησιμοποιηθούν αυτά τα ελαττώματα. Η αποκάλυψη του Moynihan υποδηλώνει ότι για τη δεύτερη μεγαλύτερη τράπεζα στις ΗΠΑ, η απάντηση απαιτούσε να αντιμετωπίζεται η αποκατάσταση που βασίζεται στην τεχνητή νοημοσύνη ως δαπάνη που καθορίζει το τρίμηνο και όχι ως στοιχείο γραμμής IT ρουτίνας.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
