紐約梅隆銀行並未跟隨企業 AI 領域一度流行的「tokenmaxxing」做法。該行財務長 Dermot McDonogh 表示，內部評估 AI 更重視業務結果，而不是提示字數、token 消耗或 agent 部署規模。
不把 token 用量當成核心指標
McDonogh 表示，token 成本在該行整體工程預算中佔比很小，因此管理層沒有把它作為重點討論對象。即便這項指標在外部討論升溫，BNY 最終仍認為，它不足以反映 AI 的真實價值。
他稱，自 ChatGPT 出現以來，BNY 已持續數年建造內部 AI 平台，並與多家雲端服務商和模型提供者合作。該平台不綁定單一大模型，內部系統會把任務分配給合適模型，員工不需要手動圍繞成本反覆優化提示詞。
代碼、開戶與支付流程已落地
BNY 揭露，AI 已進入多項核心業務流程，且效果開始量化。
- 2026 年第一季度，超過 40% 的程式碼由 AI 生成
- 近期這一比例已升至約 50%
- 約一半年度帳戶計劃由 AI 起草
此外，約 25% 的客戶開戶流程已獲得 AI 支持，約 70% 的受限方支付篩選由 AI 審核。 McDonogh 表示，這些變化並未直接帶來人員規模萎縮，但提升了現有團隊的處理能力。
財務指標出現提升
從財務結果來看，BNY 人均營收已從 2022 年的 33.8 萬美元升至 2025 年的 40.1 萬美元；同期人均稅前利潤從 9.9 萬美元升至 14.3 萬美元。 McDonogh 將這類變化定義為“產能擴張”，而非單純節省成本。
BNY 目前按創新、獲客、開戶、交易和流程精簡等核心環節追蹤 AI 影響，並持續完善內部「Eliza」平台。該平台被用作全公司的上下文層，會隨著數據和使用場景增加而不斷迭代。
在員工管理上，BNY 也設置了三層 AI 熟練度系統。員工完成訓練和測試後，才能進入更高等級，並獲得更先進模型的使用權限。該行稱，這樣做是為了兼顧使用品質和責任劃分。
McDonogh 也提到，在財務部門內部，AI 已開始用於監管報告、資產負債表分析、預測建模以及財報準備，包括匯總分析師預期和提前整理投資者可能提出的問題。按他的說法，衡量 AI 生產率的關鍵，不在於“用了多少”，而在於“組織因此能多做多少事”。
