移动支付网消息，在最近举行的2026年纽约科技周（NY Tech Week）期间，摩根大通支付业务（J.P.Morgan Payments）首席数据与分析官Zack Anderson与彭博社记者展开了一场炉边对话，主要围绕AI在支付领域的下一阶段发展进行探讨，重点包括关于支付领域AI应用的四个核心观点。

一、银行支付AI应用已走向成熟

Anderson表示，摩根大通在欺诈检测、制裁筛查和风险管理领域应用机器学习已有多年积累。但如今的变化关键不在技术本身而在应用范围，AI能力正在从单点应用扩展到银行内部各组织、业务内展开广泛部署，也包括支付。

目前，大多数AI智能体仍在“暗中”运行，比如在后台无形地处理支付流程，提升效率和可靠性，鲜被外界所感知。Anderson认为，AI早已深度嵌入支付基础设施，只是不像“聊天”智能体那样引人注目。

值得注意的是，摩根大通CEO Jamie Dimon今年2月还曾透露，为应对AI对员工结构的影响，该行启动了大规模内部调岗计划。摩根大通预计投入约200亿美元科技预算，将AI融入业务流程，并为员工提供再培训。据CNBC相关报道，摩根大通计划于2026年内上线可自主连续运行的新一代AI智能体。目前AI在摩根大通私人银行业务中已展示成效，助力业务提升近2成。

二、AI带来的核心挑战——委托的边界与可审计性

随着AI变得更加普及，金融机构将面临一个根本性的治理挑战：客户愿意把什么决策委托给AI智能体，其中的阈值在哪里、需要设置哪些前提条件？

Anderson指出，虽然智能体商务（Agentic Commerce）已经让消费者有了直观感受，比如让AI代为搜索和比价，但到支付执行环节还需要进行更多考量。因当一笔资金划转由AI智能体执行时，必须要清晰知道“为什么这笔支付被执行”以及执行结果的“可审计性”，这是AI智能体支付系统规模化应用的基础。简单来理解，搜索和比价等功能在智能体商务场景中比较简单，但支付委托才是最后的关键。

国际货币基金组织于2026年4月发布的《How Agentic AI Will Reshape Payments》就明确指出，AI智能体的“概率性”行为与支付基础设施的“确定性要求”之间，存在一定的鸿沟。本质是支付系统需要一个精确、可追溯和确定的结果，而AI智能体及大模型具有内在的不确定性。所以当AI智能体自主操作时，追溯具体决策逻辑会变得困难，一旦出现“黑箱”算法将面临更大的挑战。

三、跨境支付合规是AI近期最高价值应用场景

跨境支付领域通常涉及不同区域、层层司法管辖规则，各市场间存在显著差异。Anderson直言，这种复杂性已经越发超出了人工持续一致管理的极限。

因此，Anderson将跨境支付合规视为AI近期最有价值的应用领域，比如处理这些保持跨境支付流畅所需的海量规则，减少因此发生的支付被拒情况。

关于这点，相信中国出海企业都不会陌生，毕竟跨境支付中的合规摩擦一直是个核心痛点。不同国家和地区的反洗钱规则、数据隐私要求、制裁筛查标准各不相同，一笔跨境支付可能涉及多个司法管辖区的合规审查。AI若能在这一环节实现高效处理和预判，将可能直接降低合规成本。

 IMF在前述报告中也提出了“智能体合规（Agentic Compliance）”概念，指出AI可能用于实时监控和分析复杂的交易网络以提升反洗钱/反恐融资效率，但也可能被用于掩盖非法资金流向。目前AI相关业务仍具有不透明性，但未来可能也需要接受审计和监管。

四、财资自动化管理是AI应用的下一目标

大型企业的有关AI投资目前大多集中在对外服务的职能上，财资、财务等部门需求则排在这些优先事项之后。Anderson将“智能体财资管理”定义为资金流动的控制系统，但他也明确指出，必须解决三个先决条件，高质量的数据基础、明确的执行规则、完善的监管设施。

尽管摩根大通此前推出的“现金流情报”AI工具已可帮助企业客户减少近90%的手工统计编辑工作。但从AI智能体“辅助分析”到“自主决策”之间，还存在本质性差距。目前AI应用仍处于“提供建议、标记异常”阶段，人类继续拥有最终决策权，这与摩根大通近期发布的《2026支付展望报告》观点是一致的。

最后

总体来看，AI各项应用正从概念走向实践，但支付行业需回答从来不只是“AI能做什么”，也要直面“用户愿意让AI决定什么”的问题。比如到底谁为AI决策负责、如何防止AI引发系统性风险、技术自主与制度设计哪个更重要等等。