बँक ऑफ अमेरिकाने अँथ्रोपिकच्या मिथॉससह प्रगत AI मॉडेल्सद्वारे समोर आलेल्या सॉफ्टवेअर असुरक्षा पॅच करण्यासाठी 1,000 बाहेरील कंत्राटदारांची नियुक्ती केली आहे, असे मुख्य कार्यकारी ब्रायन मोयनिहान यांनी बुधवारी सीएनबीसीला सांगितले. बँकेच्या तिसऱ्या तिमाहीच्या कमाईच्या प्रकाशनानंतर एका मुलाखतीत केलेला खुलासा, एका मोठ्या यूएस कॉर्पोरेशनने फ्रंटियर एआय मॉडेल्सच्या विरूद्ध त्याच्या सिस्टमचे रक्षण करण्यासाठी कामगार आणि डॉलरच्या खर्चाची स्पेलिंग केलेली पहिली वेळ आहे.

CNBC च्या मते, 2026 च्या दुसऱ्या तिमाहीत त्या भागात काम करणाऱ्या सुमारे 3,000 अंतर्गत कर्मचाऱ्यांना आधार देण्यासाठी कंत्राटदार आणले गेले आणि ते आजही बँकेत आहेत. "दुसऱ्या तिमाहीत पॅचिंगचे काम करण्यासाठी आम्हाला मदत करण्यासाठी आम्ही 1,000 कंत्राटदार ठेवले आणि ते लोक आज येथे आहेत, आम्हाला मदत करत आहेत, त्या भागात आमच्याकडे असलेल्या 3,000 लोकांपैकी सर्वात वर," मोयनिहान यांनी सीएनबीसीच्या लेस्ली पिकरला सांगितले. For more context on this story, see our ongoing AI trends.

त्रैमासिक खर्चात शेकडो दशलक्ष

पॅचिंग पुश स्वस्त नव्हते. मोयनिहान यांनी बुधवारी आधी विश्लेषकांना सांगितले की सॉफ्टवेअर उपाय, मनी-लाँडरिंग विरोधी अनुपालनाशी संबंधित नियामक कार्यासह, तिसऱ्या तिमाहीत बँकेच्या खर्चात "दोनशे दशलक्ष प्लस" जोडले. कमाईच्या अहवालानंतर बुधवारी बँकेचे समभाग 8 टक्क्यांपर्यंत घसरले आणि खर्चाच्या दबावाबाबत गुंतवणूकदारांशी झालेल्या व्यापक संभाषणाचा भाग होता.

Mythos, ज्याला Anthropic ने एप्रिलमध्ये बँक, तंत्रज्ञान कंपन्या आणि सरकारी एजन्सींच्या एका लहान गटाला जारी केले, त्याला अनेक दशके जुन्या सॉफ्टवेअर त्रुटींचा उलगडा आणि शोषण करण्याचे श्रेय दिले गेले आहे - ज्या क्षमतांनी संवेदनशील आर्थिक डेटा ठेवणाऱ्या कंपन्यांना महागड्या बचावात्मक भांडणात भाग पाडले आहे. बँक ऑफ अमेरिकाने या वर्षाच्या सुरुवातीला आपल्या अंतर्गत आणि विक्रेता कोडच्या विस्तृत स्पेक्ट्रमला चालना दिली, मोयनिहान म्हणाले, हजारो कर्मचारी आणि बाहेरील कर्मचारी वापरून.

"तो धोका खरा धोका आहे, आणि म्हणूनच जेव्हा फ्रंटियर-प्रकारचे मॉडेल्स बाहेर आले ... आपल्यापैकी बरेच जण बसले आणि म्हणाले, 'यामधून लवकर कसे जायचे ते कसे ठरवायचे?'" मोयनिहान यांनी CNBC मुलाखतीत सांगितले.

फ्रंटियर AI चे दुहेरी-धारी स्वरूप

एपिसोड मोठ्या उद्योगांसाठी फ्रंटियर AI चे विचित्र अर्थशास्त्र कॅप्चर करतो. उत्पादनक्षमता वाढवून कंपन्यांना खर्च कमी करण्यास मदत करणाऱ्या मॉडेल्सचा समान वर्ग अनेक दशकांपासून शांतपणे जमा झालेल्या सॉफ्टवेअरमधील कमकुवतपणा देखील उघड करू शकतो. मोयनिहानने थेट तणावाची कबुली दिली आणि लक्षात घेतले की बँकेचे सॉफ्टवेअर पुरवठा करणारे विक्रेते स्वतःच त्यांची साधने फ्रंटियर एआयने सुसज्ज करण्यासाठी धावत आहेत.

"आम्हाला त्यांच्या पुढे राहायचे आहे, आणि आम्हाला हे लक्षात ठेवले पाहिजे की सॉफ्टवेअर डेव्हलपमेंट करणारे लोक आम्हाला सेवा विकण्याचा प्रयत्न करीत आहेत," तो म्हणाला.

एक तात्पुरती स्पाइक, मोयनिहान तर्क करतो

स्टॉक कमी होताना बोलतांना, मोयनिहानने गुंतवणूकदारांना आश्वासन देण्याचा प्रयत्न केला की खर्च वाढ तात्पुरती सिद्ध होईल. "तुम्ही एकदा पॅच केल्यानंतर, तुम्हाला तितके पॅच करण्याची गरज नाही ... पाइपलाइन पुढे सरकते," ते म्हणाले, ते पुढे म्हणाले की, बँकेला सुधारणेचा खर्च कालांतराने कमी होण्याची अपेक्षा आहे.

बँक असेही सट्टा लावत आहे की AI इतरत्र बचावात्मक कामासाठी अधिक पैसे देईल. बँक ऑफ अमेरिका सुमारे 130 अंतर्गत AI प्रकल्प चालवते ज्याचा प्रकल्प पुढील वर्षी अंदाजे $700 दशलक्ष बचत करेल, CNBC नुसार - एक आकडा जो नजीकच्या-मुदतीचे उपाय बिल कमी करतो, जरी दोघांची वेळ अस्वस्थ असली तरीही.

हे उद्योगाबद्दल काय म्हणते

बँक ऑफ अमेरिकाचा खुलासा एआय-चालित असुरक्षा शोधासाठी मोठ्या संस्थेला खरोखर किती खर्च येतो यावर अद्याप सर्वात स्पष्ट डेटा पॉइंट्सपैकी एक ऑफर करतो. फ्रंटियर सायबर सिक्युरिटी मॉडेल्सने शिपिंग सुरू केल्यापासून विश्लेषकांनी चेतावणी दिली आहे की बँका, रुग्णालये आणि सरकारमधील लीगेसी कोडबेसेस एक अफाट आक्रमण पृष्ठभागाचे प्रतिनिधित्व करतात जे AI मानवी ऑडिटर्सपेक्षा खूप वेगाने मॅप करू शकते. आत्तापर्यंत, त्यातील बहुतेक चर्चा तात्त्विक होती; मोयनिहान यांनी प्रतिसादावर हेडकाउंट आणि किंमत टॅग लावला.

टिप्पण्या अँथ्रोपिक सारख्या कंपन्यांची नाजूक स्थिती देखील अधोरेखित करतात, ज्या संस्थांच्या निवडक गटाला शक्तिशाली सायबरसुरक्षा मॉडेल्स विकत आहेत तर व्यापक उद्योग अशा क्षमतांचा प्रसार कसा आणि किती लवकर व्हावा याबद्दल युक्तिवाद करतात. AI-सहाय्यित हॅकिंगच्या प्रयत्नांच्या अहवालांनी प्रतिबंध आणि देखरेख पद्धती छाननीखाली ठेवल्या आहेत आणि एंटरप्राइझ ग्राहक आता त्यांच्या असुरक्षा प्रथम शोधल्या जातील असे गृहीत धरून बजेट तयार करत आहेत.

बँकांसाठी, कॅल्क्युलस सरळ आहे: पॅचिंग खर्च मोजता येण्याजोगा आणि बंधनकारक आहेत, तर यशस्वी शोषणाची किंमत नाही. मोयनिहानचा गुंतवणूकदारांना संदेश असा होता की वाढ ही एक वेळची साफसफाई आहे, कायमस्वरूपी खर्चाची ओळ नाही — परंतु एपिसोड एक स्मरण करून देणारा आहे की मॉडेलच्या क्षमतेतील प्रत्येक झेप सॉफ्टवेअर चालवणाऱ्या प्रत्येक कंपनीच्या सुरक्षिततेच्या स्थितीला मूकपणे बदलू शकते.

फ्रंटियर मॉडेल्समध्ये त्रुटी शोधण्यात सुधारणा होत राहिल्याने, बँक ऑफ अमेरिकाचा अनुभव कमी आणि अधिक टेम्प्लेट बनू शकतो: हजारो कर्मचारी, एक कंत्राटदार सैन्य आणि बहु-शंभर-दशलक्ष-डॉलर इनव्हॉइस, हे सर्व एका मॉडेलद्वारे ट्रिगर केले गेले आहे ज्याने कधीही बँकेच्या सिस्टमला थेट स्पर्श केला नाही.

इतर मोठ्या वित्तीय संस्थांमधील सुरक्षा संघ प्लेबुकवर बारकाईने लक्ष ठेवून आहेत. जर AI मॉडेल्स एका दशकात जमा झालेल्या असुरक्षा दिवसांमध्ये दाखवू शकतील, तर प्रत्येक बँकेसाठी यापुढे त्याच्या कोडमध्ये त्रुटी आहेत की नाही हा प्रश्न उरला नाही - त्यांना प्रथम कोण शोधतो आणि त्या दोषांचा वापर करण्यापूर्वी संस्थेकडे प्रतिसाद देण्याची पॅचिंग क्षमता आहे का. मोयनिहानचा खुलासा सूचित करतो की यूएस मधील दुसऱ्या-सर्वात मोठ्या बँकेसाठी, उत्तरासाठी एआय-चालित उपायांना नियमित आयटी लाइन आयटमऐवजी तिमाही-परिभाषित खर्च म्हणून हाताळणे आवश्यक आहे.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →