Bank of America anlitade 1 000 externa entreprenörer för att hjälpa till att korrigera sårbarheter i mjukvara som uppstått av avancerade AI-modeller, inklusive Anthropic's Mythos, sa vd Brian Moynihan till CNBC på onsdagen. Avslöjandet, som gjordes i en intervju efter bankens resultat för det tredje kvartalet, är en av de första gångerna som ett stort amerikanskt företag har preciserat arbetskraften och dollarkostnaderna för att försvara sina system mot frontier AI-modeller.
Enligt CNBC anställdes entreprenörerna under andra kvartalet 2026 för att stödja de cirka 3 000 interna anställda som arbetar i det området, och de är kvar på banken idag. "Vi anställde 1 000 entreprenörer för att hjälpa oss att göra lappningsarbetet under andra kvartalet, och de människorna är kvar här i dag och hjälper oss, utöver de 3 000 personer vi har i det området," sa Moynihan till CNBC:s Leslie Picker. For more context on this story, see our ongoing latest AI developments.
Hundratals miljoner i kvartalskostnader
Lappningspushen var inte billig. Moynihan berättade tidigare på onsdagen för analytiker att mjukvarusanering, kombinerat med regulatoriskt arbete relaterat till efterlevnad av anti-penningtvätt, tillförde "ett par hundra miljoner plus" till bankens kostnader under tredje kvartalet. Bankens aktier sjönk så mycket som 8 procent på onsdagen efter resultatrapporten, och saneringsutgifterna var en del av ett bredare samtal med investerare om kostnadspress.
Mythos, som Anthropic släppte till en liten grupp av banker, teknikföretag och statliga myndigheter i april, har krediterats för att ha avslöjat och utnyttjat decennier gamla mjukvarubrister – funktioner som har tvingat företag som har känslig finansiell information till en kostsam defensiv scramble. Bank of America skyndade sig att stärka ett brett spektrum av sin interna kod och leverantörskod tidigare i år, sade Moynihan, med hjälp av tusentals anställda och extern personal.
"Den risken är en verklig risk, och det var därför när frontier-modellerna kom ut ... många av oss satte sig ner och sa: "Hur kommer vi på hur vi ska ta oss igenom det här snabbt?", sa Moynihan i CNBC-intervjun.
The Dual-Edged Nature of Frontier AI
Avsnittet fångar den märkliga ekonomin av frontier AI för stora företag. Samma klass av modeller som hjälper företag att sänka kostnaderna genom att öka produktiviteten kan också avslöja svagheter i mjukvara som tyst har ackumulerats i decennier. Moynihan erkände spänningen direkt och noterade att leverantörerna som levererar bankens mjukvara själva tävlar för att utrusta sina verktyg med frontier AI.
"Vi måste ligga före dem, och vi måste vara medvetna om att de som gör mjukvaruutvecklingen är de som försöker sälja tjänsterna till oss", sa han.
En tillfällig spik, hävdar Moynihan
När aktien föll, försökte Moynihan försäkra investerare att utgiftsökningen skulle visa sig vara tillfällig. "När du har lappat behöver du inte lappa lika mycket... Pipelinen går igenom", sa han och tillade att banken förväntar sig att saneringskostnaderna kommer att minska med tiden.
Banken satsar också på att AI kommer att mer än betala för det defensiva arbetet på annat håll. Bank of America driver cirka 130 interna AI-projekt som den projicerar kommer att ge ungefär 700 miljoner dollar i besparingar nästa år, enligt CNBC - en siffra som dvärgar den kortsiktiga saneringsräkningen, även om tidpunkten för de två är obekväm.
Vad det säger om branschen
Bank of Americas avslöjande erbjuder en av de tydligaste datapunkterna hittills om vad AI-driven sårbarhetsupptäckt faktiskt kostar en stor institution. Analytiker har varnat sedan frontier cybersäkerhetsmodeller började leverera att äldre kodbaser på banker, sjukhus och regeringar representerar en enorm attackyta som AI kan kartlägga mycket snabbare än mänskliga revisorer. Fram till nu har det mesta av den diskussionen varit teoretisk; Moynihan satte ett antal anställda och en prislapp på svaret.
Kommentarerna understryker också den känsliga positionen för företag som Anthropic, som säljer kraftfulla cybersäkerhetsmodeller till en utvald grupp av institutioner medan den bredare industrin argumenterar om hur - och hur snabbt - sådana möjligheter ska spridas. Rapporter om AI-assisterade hackningsförsök har satt inneslutnings- och övervakningsmetoder under granskning, och företagskunder budgeterar nu för antagandet att deras sårbarheter kommer att hittas först.
För banker är kalkylen okomplicerad: lappningskostnader är mätbara och begränsade, medan kostnaden för en framgångsrik exploatering inte är det. Moynihans budskap till investerare var att ökningen är en engångsrensning, inte en permanent kostnadslinje - men avsnittet är en påminnelse om att varje steg i modellkapacitet tyst kan omvärdera säkerhetsställningen för varje företag som kör programvara.
När gränsmodeller fortsätter att förbättras när det gäller att hitta brister, kan Bank of America-upplevelsen bli mindre avvikande och mer en mall: tusentals personal, en entreprenörsarmé och en faktura på flera hundra miljoner dollar, allt utlöst av en modell som aldrig berörde bankens system direkt.
Säkerhetsteam vid andra stora finansiella institutioner följer spelboken noga. Om AI-modeller kan upptäcka ett decennium av ackumulerade sårbarheter på flera dagar, är frågan för varje bank inte längre om dess kod har brister – det är vem som hittar dem först, och om institutionen har kapaciteten att lappa innan dessa brister används. Moynihans avslöjande tyder på att för den näst största banken i USA krävde svaret att man behandlade AI-driven sanering som en kvartalsdefinierande kostnad snarare än en rutinmässig IT-post.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
