Valley Bank COO：AI 正在重塑中型银行“自建还是外购”的决策逻辑

对于中型银行而言，向供应商采购解决方案长期以来是行业惯例。但 Valley Bank 首席运营官 Russ Barrett 指出，智能体式人工智能（agentic AI）的崛起，已经彻底颠覆了“自建还是外购”的传统权衡框架。

Barrett 表示，中型银行通常拥有大量通过供应商采购的细分产品或专用解决方案——这些产品在特定时间点解决了银行面临的特定问题。然而，随着银行对 AI 的采用程度不断加深，这一格局正在发生变化。这家资产规模达 640 亿美元的银行，其 COO 如此解释。

“我们已经在用自身运用 AI 的能力，替换三份外部合同。”Barrett 在近期一次采访中说。据他介绍，这些被替换的软件解决方案原本专注于特定工作流程。

虽然大型银行早已具备强大的工程能力，并秉持“优先自建”的理念，但 Barrett 认为：“对我们 Valley 这样的银行而言，能够指数级提升自身工程能力，完全是一个改变游戏规则的因素。”

Barrett 强调，完成核心系统转换等基础性工作，并坚持贯彻云优先战略，为这家总部位于新泽西州莫里斯敦的银行在 AI 领域取得进展奠定了先发优势。

他特别提到，该行在与合作伙伴共同推进 AI 驱动的客户拓展与反欺诈能力时，其进入生产阶段的速度明显快于那些合作伙伴正在服务的、规模相近的其他银行。

Barrett 明确区分了两种能力：一种是识别用例、签署供应商合同并启动工作的能力；另一种则是将工具真正投入生产并实现收益的能力。

“很多人都在谈论前者，但真正坐下来坚持到底，弄清楚如何更多实现后者，则更具挑战性。”他说，“我们可能并非用例数量上的市场领先者，但我们确信，自身在执行落地并推动成果实现方面的能力，确实值得一提。”

D.A. Davidson 在 7 月发布的一项覆盖 73 家不同资产规模银行的调查中指出，“过去几个月里，切实可用用例的出现引人注目。”约 42% 的受访银行正在为员工提供个人工具，另有 35% 的银行已经识别并落地了可量化的用例。

Barrett 表示，Valley 正在利用 AI 实现内部效率提升，主要针对低质量、重复性工作，并将其作为辅助员工的“力量倍增器”。与此同时，该行也将 AI 视为强化客户关系的工具。

这涉及到识别并推进“一种我认为不令人反感的方式，利用 AI 成为更好的关系型银行”，Barrett 说，同时运用 AI 增强线索生成与客户拓展能力，帮助客户经理建立新的客户关系。

AI 使用的增长已导致部分企业成本飙升。例如，网约车公司 Uber 在 2026 年四个月内就耗尽了其全年 AI 编码预算。Valley 的高管对该行当前的 AI 支出水平感到满意，相关支出按月跟踪。该行拒绝透露迄今为止在 AI 战略上的累计投入金额。

在 2026 年第一季度，该行的技术、家具及设备支出同比上升约 7%，达到 3190 万美元，主要受数据处理费用和软件许可成本增加的推动。

Barrett 表示，Valley 力求负责任地使用 AI，并且“对 token 消耗非常敏感”。Token 作为衡量 AI 使用量的单位，已成为服务定价的一种方式，尽管它仅占 AI 总支出的一个部分。这也催生了“tokenmaxxing”这一术语，意指最大化 AI 使用量。

Barrett 将 Valley 从一开始就采取的审慎策略——即监控实际 token 使用量及其背后的“原因”——与那些曾向所有员工开放昂贵工具、如今却不得不收缩权限的公司进行了对比。

Valley 设立了五个员工层级，赋予不同级别的 AI 工具访问权限。其中两个层级专门面向工程、质量保证和模型风险管理岗位的员工，涉及专业化的 AI 工具，Barrett 说。

他指出，许多任务可以借助现成的 AI 智能体来完成，而不必让任何员工都拥有构建自定义智能体的权限——后者会迅速推高成本。

在 Valley 约 3600 名员工中，约有 80 人处于拥有开放访问权限的层级。Barrett 表示，这是一个跨职能的“超级用户”群体，分布在银行各个不同岗位。

“我们持续关注投资回报率（ROI），而 ROI 显然不一定总是成本节约。”他说，“这是一套公式，让我们真正理解：如何比今天为信贷人员、销售人员创造更多指数级的价值？”

实验也为这家银行带来了重要经验。通过其 AI 驱动的客户拓展能力，这家拥有百年历史的银行认识到，“围绕如何建立新客户关系的行为模式，目前尚未被编码成 AI 能够自然解决的形式。”他说。

“这是一段旅程，并不是说你买一个工具，突然之间客户就会蜂拥而至——因为你仍然在以一种高度以人为本的模式运作。”他说。