今晚最值得注意的 AI 消息，不是哪一家銀行準備用 AI 減少多少人，而是一家大型銀行正在為 AI 大量增加新職位。

HSBC 宣布，將在新加坡招募超過 100 名 AI 專家，並另外增加約 100 名財富管理客戶經理。

這件事提醒我們，AI 對工作的影響並不是單純的「增加」或「消失」，而是企業正在重新決定哪些工作交給系統、哪些能力需要更多人，以及哪些新責任過去根本不存在。

HSBC 準備在新加坡做什麼？

HSBC 計畫於 2026 年下半年，在新加坡成立新的 AI 中心。

銀行預計招募的 AI 人才包括：

  • 自然語言處理專家。
  • 資料科學人才。
  • AI 治理專家。
  • 以人為本的產品與服務設計人才。

這些人不只是負責訓練模型，也要處理 AI 如何進入銀行服務、資料如何使用，以及結果如何符合客戶與監管需求。

金融業需要的 AI 人才，不只會寫模型，還必須理解資料、風險、客戶體驗與責任。

新的 AI 中心會先處理哪些工作？

HSBC 表示，新中心初期將聚焦三個方向：

  • 讓財富管理對話更符合不同客戶需求。
  • 導入能執行多步驟工作的代理型財資方案。
  • 擴大 AI 在數位支付中的應用。

這些方向都不是一般聊天工具，而是直接接觸金融流程與客戶資料的企業應用。

例如，財富管理中的 AI 可以協助整理客戶資料、準備會談重點與提供候選方案，但正式建議仍涉及風險承受程度、產品適合度與法律責任。

為什麼需要 AI 治理與以人為本的設計？

銀行不能只要求 AI 回答得快。

它還必須確認：

  • AI 使用了哪些資料。
  • 員工是否有權查看這些資料。
  • 模型是否對特定客戶產生不公平結果。
  • 錯誤建議是否能被發現與修正。
  • 重要決定是否保留人工覆核。
  • 客戶是否知道自己正在和 AI 互動。

因此，AI 治理並不是額外的行政負擔，而是金融 AI 能否正式上線的重要條件。

以人為本的設計則要確保，AI 並沒有讓服務變得更難理解、更難申訴，或把原本應該由人負責的判斷藏在系統後面。

為什麼這則新聞和「AI 裁員」形成對比？

另一家銀行 Standard Chartered 先前表示，AI 轉型預計會減少約 8,000 個內部職位。

HSBC 採取的做法則是，一方面使用 AI 改變既有工作，一方面重新訓練員工，並增加新的技術與服務職位。

兩種情況可以同時發生，因為 AI 對不同工作的影響並不相同。

  • 重複資料整理可能減少。
  • 固定格式報告可能被自動化。
  • 基礎查詢可能由系統先處理。
  • AI 系統建置與管理人才可能增加。
  • 高風險判斷與客戶信任工作仍需要人。
AI 可能消失的是一部分工作內容，但同時也會增加設計、檢查、治理與承擔責任的工作。

AI 創造的工作，會和消失的工作一樣嗎？

不一定。

最重要的差別是，消失的工作與新增的工作，可能需要完全不同的能力。

例如，原本負責手動整理資料的人，不一定能立即轉任資料科學家或 AI 治理專家。

企業如果只宣布增加 AI 職位，卻沒有提供轉型與培訓，原有員工仍可能無法取得這些新機會。

因此，真正的問題不是企業總共增加或減少多少職位，而是：

  • 原有員工能否獲得轉型機會。
  • 新職位需要哪些能力。
  • 培訓是否發生在裁撤之前。
  • 員工是否有足夠時間適應。
  • 企業是否願意承擔轉型成本。

銀行為什麼還要增加客戶經理？

HSBC 除了招募 AI 專家，也計畫在新加坡增加約 100 名財富管理客戶經理。

這顯示銀行並沒有假設 AI 可以完全取代客戶關係。

在財富管理中，客戶可能需要：

  • 說明家庭與財務目標。
  • 理解投資風險。
  • 比較不同產品。
  • 面對市場波動時重新判斷。
  • 確認建議是否符合個人情況。

AI 可以協助整理資料與準備內容，但客戶是否願意相信、接受與採取行動，仍與人類溝通有很大關係。

這代表未來最安全的工作都是人際工作嗎？

也不能這樣簡化。

人際工作同樣可能被 AI 改變，例如：

  • AI 先準備客戶背景摘要。
  • AI 建議適合詢問的問題。
  • AI 整理會談紀錄與後續事項。
  • AI 準備個人化說明初稿。
  • AI 協助追蹤尚未完成的工作。

未來比較有價值的能力，可能不是完全不使用 AI，而是能在 AI 準備資料後，進行更好的判斷、解釋與溝通。

企業導入 AI 時需要哪些新角色？

從 HSBC 的招募方向，可以看見企業 AI 團隊不只需要工程師。

  • 資料人才：整理、連接並檢查企業資料。
  • 模型人才：建立與改善 AI 系統。
  • 治理人才：設計權限、責任與監督規則。
  • 產品人才：把技術變成員工與客戶能使用的流程。
  • 領域專家：確認結果符合金融與實際業務需求。
  • 培訓人才：協助既有員工改變工作方法。

企業若只購買模型，卻沒有這些角色，AI 很可能停留在試用階段。

對一般上班族有什麼提醒？

面對 AI，最實際的準備不是立刻轉職成工程師。

可以先強化三類能力：

  • 領域能力：真正理解自己工作的規則、客戶與風險。
  • AI 協作能力：知道哪些任務能交給 AI，以及如何檢查結果。
  • 責任能力：能說明結果從哪裡來、何時需要人工介入。

例如，一名銀行員不一定需要自己訓練模型，但應該知道：

  • AI 摘要是否遺漏重要資訊。
  • 客戶資料是否可以使用。
  • 系統建議是否符合規定。
  • 什麼情況必須停止並交給主管。

企業可以怎麼避免只剩裁員？

企業若希望 AI 轉型產生長期成果，可以先做：

  • 列出受到影響的工作內容，而不是只列職位名稱。
  • 區分哪些任務會減少、哪些責任會增加。
  • 在新系統上線前提供訓練。
  • 讓員工參與流程設計與測試。
  • 建立內部轉職與能力認證機制。
  • 追蹤 AI 是否真的改善客戶成果。

如果企業只計算減少多少人力，可能會失去真正了解客戶、流程與風險的員工。

最好的 AI 轉型，不是把原有員工全部換掉，而是重新組合技術能力與原本累積的工作經驗。

這對小型企業有什麼意義？

小型企業不可能一次招募完整 AI 團隊，但可以採用相同原則。

導入一項 AI 工具前，先指定：

  • 誰提供正確資料。
  • 誰檢查 AI 結果。
  • 誰決定正式使用。
  • 出錯時由誰處理。
  • 哪些客戶資料不能輸入。

即使只有一至三人的團隊，也不能讓「大家都可以用」變成「沒有人負責」。

今晚最重要的判斷

HSBC 增聘 AI 專家，不代表 AI 不會造成職位減少。

Standard Chartered 的精簡計畫，也不代表金融業未來只需要更少的人。

兩件事放在一起，更接近真正的變化：

  • 部分重複工作會被自動化。
  • 部分舊職位會被重新設計。
  • 資料、治理與 AI 導入人才需求增加。
  • 客戶信任與高風險判斷仍需要人。
  • 轉型機會不一定會自動落到原有員工身上。

未來真正重要的，不只是會不會被 AI 取代，而是能不能從執行重複任務的人，轉變成能使用、檢查與管理 AI 工作的人。

今天，和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily，陪你一起成長。

推薦閱讀