高盛为何收回交易员的AI编程工具?

高盛收回交易员的AI编程工具,按能否读懂代码划线,揭示AI治理核心在于可审计性。
高盛近期悄然收回交易员和银行家的AI编程工具,但约1.2万名工程师及具备编程能力的Strats岗位保留权限。划线标准并非部门或职级,而是能否读懂AI产出的代码。交易员曾用这些工具监控流水、汇总数据,但AI可能写出运行完美却悄悄出错的代码,非工程背景者无从分辨。官方称权衡了生产力与风险管理,报道未指向任何事故。四个月前同一高管还赞赏交易员自建原型、工程师接手生产的方式。MUFG的对照做法是重建受控版本而非禁用。企业面临禁用、全员放开或按可审计性划线三种选择,高盛选了第三种。核心问题是:房间里有没有人能核对AI写了什么。
高盛最近做了一件让外界意外的事:把已经在交易员桌上放了几个月的AI编程工具收了回去。据Bloomberg查阅该行内部指引后报道,Cloud Code、GitHub Copilot这些专业软件工程师用来搭建真实系统的工具,在十月被悄然撤下——没有公告,没有新闻稿,只有新规。
这件事容易被读成"银行害怕AI",但事实恰好相反。高盛是华尔街最激进的AI采用者之一:自研的GSAI Assistant同时运行多家公司的模型,早期路透社报道约有一万名员工使用,后来推广到全公司数万人。2025年夏天,它还在试点Cognition公司的自主AI编程器Devin,技术负责人对CNN表示先从数百个起步、可扩展至数千个,媒体当时称之为该行的"第一位AI员工"。
所以高盛撤掉的不是AI,而是AI在某一类人手里的使用权。这条线画在哪里,才是整件事的关键。

保留与收回:一条按"能否读懂代码"划出的线
失去工具的是银行家和交易员,数千人。保留工具的是约1.2万名工程师。此外还有一个群体拿到了豁免——高盛称之为Strats的混合型岗位:他们坐在交易侧,做量化研究,同时写真正的软件。
看这条线:它不是技术部门对业务部门,也不是资深对新人。留下工具的人,共同点是能读懂工具产出什么。据报,被收回权限的员工中出现了抱怨,但银行画的规则很清楚——不是"AI危险",也不是"AI无害",而是"谁在拿着它"。

Strats(Strategists的缩写)是投行中一类特殊的混合型技术岗位,在高盛尤为典型。他们通常具备数学、物理或计算机科学背景,隶属于交易或证券部门而非IT部门,日常工作包括量化策略研究、定价模型开发和生产级软件开发。由于Strats既理解业务逻辑又能独立读写代码、审查代码质量,他们在AI工具治理中被视为"可审计产出"的群体。这一岗位设置恰好说明:金融机构对AI编程工具的权限分配,本质上是依据岗位是否内置了代码审查能力,而非简单的部门或职级划分。
交易员用AI做什么?问题不在用途,在验证
据报道,交易员此前用这些工具做的事情听起来无害:盯交易流水、汇总数字、生成内容。一个交易员想看当天的资金流向,过去要提工单等技术团队等上一周,现在直接问AI,AI写出代码,跑通了。
不舒服的地方正在这里:没有工程背景的人,一个下午就能把想法变成能用的工具。但随之而来的问题是——谁读过这段代码?
AI写的代码可以运行得完美无缺,同时悄悄是错的:列取错了、日期范围错了、数字看起来合理但并不对。工程师能抓住这类错误,因为读代码就是他们的工作。读不懂代码的人眼里,AI的正确答案和AI的错误长得一模一样。
高盛发言人的官方解释只有一句:决定权衡了"多种因素,包括生产力和风险管理"。风险是大家都会想到的那层——这类agentic工具不只是建议一行代码,它们能执行、能碰文件、能接入系统,在银行内部这首先是合规问题。生产力则是安静的那层:有人看过了数千名非工程师用这些工具产出的东西,判断不值得。
报道中没有任何迹象指向数据泄露、损失或事故,银行也没有报告过任何事件。我们不知道他们看到了什么,只知道同一家银行在七月说的是另一套话。

Agentic工具(或称AI代理)指能够自主规划并执行多步操作、调用外部工具和系统接口的AI程序,与仅生成文本或代码建议的辅助型工具不同。文中提到的Cloud Code、GitHub Copilot属于辅助编程工具,而Devin则是更进一步的自主编程代理。Agentic工具的核心风险在于:企业安全架构通常假设操作由人类发起并经过点击确认,而代理会直接调用API、读写文件、访问数据库,在无人工干预的情况下绕过基于界面的访问控制和日志审计。因此,金融机构对这类工具的管控重点往往不在于模型本身的能力,而在于其执行路径是否可被监控、可被中断、可被追溯。
七月与十月:同一套方法,第二步变成了可选项
七月,高盛首席信息官Marco Argenti公开赞赏一种工作方式:交易员和资管人员自己搭原型,然后由工程师把它变成真正的生产系统。这个想法本身是好的——最懂问题的人做粗版,能读代码的人把它变安全。
麻烦在于:当第二步变成可选项,会发生什么。七月是"自己搭原型",十月是"别用这些工具搭"。四个月,与其说是立场翻转,不如说是一次跑完并交回结果的实验。
这个实验现在每家大公司都在跑。日本金融巨头MUFG七月的做法被Risk.net报道过:他们没有禁掉Cloud Code,而是重建了一个版本,包进自己的控制体系、放在自己的墙内,并保留human in the loop。驱动这一决定的担忧值得所有公司重视:agentic工具可以绕开企业花多年建成的访问控制和合规检查——不是恶意,只是照着指令做事。你的控制体系假设的是一个人在系统里点击,而agent不点击,它直接调用。
摆在每家公司面前的其实是三个选项:禁掉,看着竞争对手跑得更快;发给所有人,然后祈祷;或者按"谁能审计产出"画一条线。高盛选了第三条,Strats的豁免就是证据。

Human in the loop(人在回路中)是AI治理中的一项关键控制原则,指在自动化流程的关键决策节点保留人工审核与批准环节,确保系统输出在被采纳前经过人类判断。在agentic工具场景下,human in the loop的难点在于:代理执行速度快、操作链路长,人工审核若仅停留在最终结果层面,往往无法覆盖中间步骤的错误累积。MUFG将Cloud Code封装进自有控制体系的做法,正是试图把审核点嵌入代理的每一步工具调用中,而非仅在末端把关。这一模式与简单的禁用或放任形成对比,代表了受控部署的第三条路径。
真正的问题:房间里有没有人能核对
这件事归结为一句话:问题从来不是AI能不能写代码——它显然能。问题是房间里有没有人能核对它写了什么。
这里的失败不会很戏剧化。不是黑客入侵,而是一个交易员依据一个非常自信的机器给出的、稍微错了的数字做了决策,而链条上没有人发现,因为没有人有能力发现。这不只是华尔街的问题,也是电子表格的问题、报表的问题、仪表盘的问题——它同样是你公司的问题。
如果你所在的公司正在铺开这类工具,需要问的是两个问题:不是"AI好不好",而是"谁有权限",以及"谁去读它做了什么"。高盛花了两年把AI推到数万人面前,第一个足够扎实、值得写进政策的教训,与模型无关,而关乎它握在谁手里。
很快也会有人在你周围画出这条线。有用的是提前知道:你在线的哪一边,以及为什么。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。