Macabacus 於2026年9月10日發佈報告《GenAI for Financial Services: Velocity and Verification》。報告顯示，金融業 AI 使用已經深入客戶交付環節，但驗證機制遠未跟上。87%受訪者每日或每週使用 AI 生成財務模型和客戶演示，僅23%建立全面護欄。62%受訪者認為，過去12個月，AI 生成錯誤到達客戶或內部決策者。46%表示，AI 生成錯誤可能已進入交付物，卻無人發現。
這不是抽象民調。Macabacus 表示，調查基於公司75,000名用戶，以及與數百名客戶和潛在客戶的對話。受訪者工作需經受審視。即便在這種環境，仍有46%認為錯誤可能未被發現就交付。這表明，現代辦公室常把加速誤認為控制。在工程領域，這好比讓加壓系統滿負荷運行，卻只檢查一小部分閥門。在市場，這是熟悉誘惑：假設流動性永遠存在，直到消失。兩種情況下，系統在壓力到來前都看似穩定。
調查還發現，信心按資歷分化。分析師和助理中，43%說 AI 讓工作更有信心。VP、董事和 MD 中，僅29%持相同看法。領導層多6個百分點說，AI 讓工作更不自信。這一差距比任何單一百分比更有意思。初級員工常把 AI 當作力量倍增器。高級員工常把 AI 當作責任倍增器，因為最終文件由他們負責。
投資者心理應在此停一下。第一層故事誘人：工具省時、加快起草、減少重複勞動。第二層故事不那麼光鮮：輸出越容易生產，就越容易在充分檢查前發出。歷史上，許多系統運轉良好，直到有人假設檢查可選。陷阱古老，外衣全新。
Macabacus 數據來自供應商報告，應視為利益相關方說法，不是獨立證明。公司同日推出 Deck Check AIR，一款內置於 PowerPoint 的 AI 審查工具，並引用62%這一數字作為理由。這不否定警告。但報告最好被讀作工作流內部焦慮的信號，而非普遍危機的獨立證據。
不過，市場與機構常先通過供應商行為暴露弱點。當公司圍繞審查、驗證和工作流控制構建產品，通常是在回應真實痛點，即使有充分商業理由把痛點說得戲劇化。換言之，自利信使也能傳遞有用信息。只是信任藥之前，應先檢查包裝。
Macabacus 首席營銷官 Paul Ross 說得直白：“AI 現已參與大多數到達客戶的模型和文件，87%公司表示每日或每週使用 AI 完成這項工作。”他還說：“交易團隊不應放慢 AI 使用。團隊需要護欄，讓工作更快，同時保持準確和客戶信任。Macabacus 正是為此而建。”
這一框架合理，但更深觀點更嚴厲。沒有驗證的速度不是效率，是延遲錯誤。按概率，低概率失敗在足夠多文件、演示和決策點重複後，會變得更可能。單一錯誤或許可存活。把未驗證輸出正常化的文化不同。這像森林地表，最近沒燒過，所以看似健康。燃料仍在，火花未到。
客戶交付真正危險不是戲劇性崩潰，而是小而可推諉錯誤累積。短期，人人因更快獲益。長期，組織信任商數衰減，則人人受損。這是經典博弈論問題：私人激勵獎勵匆忙，集體激勵獎勵謹慎。如果沒人想當拖慢房間的人，就沒人被付錢保護房間。
46%這一數字值得注意。錯誤可能已進入交付物而未被發現，這是流程弱點自白，不只是模型弱點。金融中，模型只是一層。更大脆弱在草稿與交付之間的交接。信心、層級和截止壓力決定審查是真實還是儀式。
更廣教訓超越一家供應商和一份調查。每個採用 AI 的機構都面對同一問題：要更快的筆，還是更安全流程？答案當然是兩者都要。但實踐中，組織常先買筆，推遲流程。這是舊人類習慣：欣賞可見機器，卻對保持機器誠實的隱形結構投入不足。
金融只是最清晰例子，因為工作可衡量，利害明確。錯誤演示、錯標模型、漏掉錯誤，會立即損害可信度。其他行業更寬容，只是失敗更慢浮現。機構法則簡單：錯誤隱藏越久，被發現時越昂貴。
悖論在於，AI 既是生產力工具，也是脆弱放大器。AI 可減少摩擦，也可能在錯誤地方減少摩擦。AI 讓起草變容易，也讓過度自信更容易。AI 縮短思考與輸出距離，只有輸出與驗證距離不消失時，這才有用。古代堡壘失守，不是城牆不在，而是普通日子城門未關。
這是投資者和高管應吸收的要點。問題不是 AI 是否被使用。報告說使用廣泛。問題是機構是否在正確階段建立足夠摩擦，防止速度變成衰變。韌性與脆弱差別，在平靜天氣常不可見。
Macabacus 給許多桌面工作者已有感覺標上數字：工作流跑在檢查點前面。報告數據顯示，採用快於驗證，職位越高，謹慎越強。這不應讀作技術恐懼，更像生存本能。資深人士見過太多系統失敗，知道第一次失敗通常看起來像便利。
市場教訓清楚。流程一旦容易到被正常化，也容易因意外被濫用。最強機構不只買更好工具，還設計更好閘門。活下來的公司與團隊，不是每小時都最快，而是清楚知道速度必須在哪裡停下。
