共计 1417 个字符，预计需要花费 4 分钟才能阅读完成。
技术正在为储备管理的韧性开辟新前沿。人工智能正悄然进入储备管理领域，但并非如外界所预期。根据 OMFIF 全球公共投资者工作小组的最新报告，在经历了多年市场冲击、网络安全事件和操作风险的考验后，央行对人工智能的态度愈发谨慎。这种谨慎源于一种基本矛盾：人工智能虽然能提升储备管理的效率和速度，却也扩大了潜在的攻击面，加速了市场动态，并使机构面临难以承受的错误风险。
该工作小组由 BNY、Bridgewater 和 Capital Group 组成，通过与欧洲、非洲、亚洲和拉丁美洲的 10 家央行进行双边交流，揭示了跨越职责和区域紧张关系的共同模式。尽管技术正在迅速推进，央行仍希望在能力提升之前确保控制权，不愿让算法主导节奏。
大多数央行仅在低风险流程中试验人工智能，如扫描市场新闻、标记异常和总结报告。根据 OMFIF 2025 年全球公共投资者调查，61% 的央行表示人工智能尚未对其运营产生实质性影响。那些已开始使用人工智能的机构，更多将其视为一种实用工具，而非战略资产。
一位参与工作小组讨论的欧洲央行代表指出，人工智能有助于疏通常规瓶颈，减轻小团队的负担。其他参与者则认为，自动化数据处理和环境、社会及治理（ESG）数据筛选具有潜力。然而，人工智能的应用范围被严格限制，不允许涉足可能带来财务、声誉或政治后果的决策领域。
工作小组讨论中一个引人注目的发现是，使用人工智能最先进的机构对其风险的担忧也最为强烈。这些机构虽然理解人工智能的潜力，但也清楚地认识到其局限性。模型可靠性仍是主要问题，尤其是人工智能工具在处理异常场景时常常表现不佳。央行的工作核心是应对罕见但具有破坏性的冲击，因此对此类风险的容忍度极低。
网络安全是更大的隐忧。一位政策制定者警告称，涉及储备数据的泄露不仅是操作问题，更是政治问题。在他们看来，谨慎就是信誉。央行深知，在没有严密治理的情况下引入人工智能，可能同时危及操作安全和机构声誉。
工作小组讨论中最引人深思的观点来自一家已在市场监控中测试人工智能驱动分析的央行。该机构的担忧并非集中在平静时期的错误，而是市场紧张时可能发生的情况。在交易中更广泛地使用人工智能可能会加速流动性的消失，将原本需要几天时间展开的危机压缩到几分钟内。
这种担忧源于人工智能系统的构建方式。在可比数据集上训练的模型往往以相似的方式响应，这有助于在平静时期稳定市场，但也引发了对不稳定条件下其行为的质疑。对于依赖流动性来捍卫货币或稳定市场的储备管理者而言，这构成了一个深刻的挑战。
工作小组的对话显示，央行在人工智能应用上的分歧不在于热情，而在于能力。一些机构拥有内部数据科学家和安全的企业环境，而其他机构则受限于小团队、有限预算和缓慢的治理结构。
一位参与者坦言：“我们落后，但我们不能永远落后。”对这些机构而言，人工智能与其说是一种选择，不如说是一种必然。然而，在将人工智能应用于核心功能之前，他们需要加强培训、完善数字基础设施并获得同行支持。
央行无意将决策权交给机器。工作小组的报告明确指出，人类监督是核心。人工智能可以总结、过滤和加速流程，但最终决策仍由人类做出。
问题的关键不在于人工智能是否会进入储备管理，而在于央行如何管理其带来的风险。那些通过加强网络安全、投资技能建设和提升内部能力，谨慎但果断地行动的机构，将最有可能利用这项技术而不被其压倒。
人工智能可以使决策更加敏锐，但也可能加剧市场的不稳定性。驾驭这种矛盾，正在成为现代储备管理的决定性任务之一。
