感谢您，柯林斯行长，也感谢您今天给我这个机会发言。1 人工智能(AI)是一场席卷全球的技术现象。我们每天都在阅读关于它的报道，我们中的许多人已经以某种方式使用过它。在我的一生中，我从未见过像这样的技术革命——而我见证了太空探索的诞生、个人电脑的兴起、互联网的爆炸式发展以及随后的智能手机。虽然所有这些都具有变革性，但没有一项能比得上人工智能在改变我们生活方面的潜力，并且是以惊人的速度改变。企业、家庭和每个政府都在试图将其融入其运作和运营方式中。我在这里要告诉各位，美联储也不例外。
因此，考虑到本次会议的主题和听众构成，我认为这是一个很好的时机，来讨论联邦储备系统如何利用人工智能(AI)来构建和优化支持我们工作的系统，并将其嵌入到其他内部应用中。
现在，大多数人将美联储与货币政策联系在一起——利率、通胀，以及美联储官员每年八次会议时做出的那些成为头条新闻的决定。但我们日常活动的大部分是运营工作，例如支付、财务管理、人力资源以及为美国财政部提供金融服务。这项运营工作的一个关键要素是技术。人工智能是我们正在融入日常工作中以实现运营效率的最新科技。
美联储在1913年设计为一个区域性银行系统，历史上许多技术决策是由各家银行分别做出的。在早期时代，当每家储备银行实际上作为一个独立的组织运作时，这是有道理的。但随着美联储的工作变得更加数字化和互联互通——伴随着银行系统和更广泛经济的演变——这种方法日益造成重复、低效和运营风险。
当系统相互关联时，孤立做出的决策会产生协调问题——特别是考虑到美联储运营系统的规模和关键性。维持中央银行级别的韧性和安全标准需要一个更加协调的模式。
这就是为什么我们正在转向一种"联邦储备系统优先"的方法——拥有共享的标准和基础设施，同时在最重要的领域保持去中心化，特别是对于货币政策和经济研究。2
而进行这种转型的紧迫性正在增加。技术变革的数量和速度持续增长。作为一个在美国和全球金融体系中扮演重要角色的公共机构，美联储必须跟上步伐，与私营部门一起提供有效、可靠的服务。
这种变革速度在我最近主持的支付创新会议上显而易见，与会者和参加者广泛讨论了人工智能、稳定币、代币化和支付的融合——这也是我在与业界的对话中经常听到的主题，我猜想它也会在今天的小组讨论中浮现。
以这种变革速度，各家银行各自为政的做法根本行不通，特别是对于代币化、量子计算和生成式人工智能等前沿技术。这些是横跨整个联邦储备系统的重大挑战——也是机遇。
应对当下时刻需要全系统范围的协调、行动偏好以及大规模的有纪律的执行。这就是为什么我们特意建立了一个以系统为中心的创新实践。与其重复努力——在全系统范围内做一百次同样的事情——我们反而可以做一百件不同的事情。系统方法使我们能够更快、更高效地将想法从实验阶段推进到执行阶段。
人工智能是这种方法在实践中样貌的一个案例研究。 我不必告诉在座各位人工智能发展得有多快——它正在重塑工作的完成方式和组织的运作方式。作为建设者和领导者，你们亲身体验着这一点。美联储也不例外。我们必须跟上步伐。是的，我们是中央银行；"先破坏再请求原谅"在这里行不通。能力越大，责任越大。人工智能系统可以像放大效率一样迅速地放大错误。它们会产生幻觉。它们可能在数据保护、模型风险、偏见和运营韧性方面引入真正的风险。我们不能随意对待人工智能。作为中央银行，我们对自己要求高标准。这意味着对其使用方式和范围要有明确的护栏、强大的信息安全控制、严格的模型验证、决策的人类问责制，以及随着技术发展而进行的持续评估。创新和风险管理在这里不是相互竞争的优先事项——它们相辅相成。
我们需要尊重这些原则，但被动也不是一个选项。我们承受不起迟到或以碎片化的方式审视变革性变化。 因此，我们正在以不同的方式做这件事。在美联储范围内实施人工智能时，我们作为一个系统整体行动，拥有共同的方向和一致性。我们已经为所有储备银行员工开发了一个通用的内部通用人工智能平台。我们的方法是有意地以业务为主导，并由人工智能赋能。我们从要解决的问题和业务需求出发，然后应用人工智能技术栈中合适的能力。这种纪律性帮助我们提供真正的商业价值，同时避免不必要的复杂性和成本。
以业务为主导也意味着将人工智能融入美联储的运作方式中——而不是将其视为一系列随机实验或僵尸项目。
目标不是新奇。而是效用。
那么，让我们来看看实际应用的人工智能用例。 我们正在以三种专注且互补的方式部署人工智能，这反映了一个庞大、复杂机构中工作的完成方式——为所有员工提供广泛访问、为构建者提供专门工具，以及将能力嵌入企业工作流程中——这些共同使其成为美联储日常运作的一部分。
让我从面向所有员工的通用人工智能开始，因为这是日常影响最大的地方首先显现出来的。
这是关于让人工智能成为日常工作的基础能力，而不是一个小众工具。每位员工都可以访问美联储批准的人工智能解决方案，他们可以在全天使用——起草、总结、分析信息，并更快地摆脱困境。对许多人来说，它就像一个无处不在的数字助手——一个他们可以在解决问题和完成日常任务时反复咨询的参谋。目标不是把每个人都变成技术专家；而是减少常规工作中的摩擦，让人们可以把更多时间花在判断、解决问题和更高价值的活动上。
在许多方面，这反映了人们已经在个人生活中如何使用人工智能。在我自己家里，人工智能已经成为一个日常工具——很像智能手机，甚至像微波炉，你依赖它而不假思索。我妻子把它当作日常伴侣：规划旅行、帮助孩子们思考职业选择、比较购物，或者把那些烦人的小任务变得更易于管理。
它并不新奇。它只是一个工具。
而这正是我们在工作中也应该如何看待人工智能的方式。
让我具体说明一下。
美联储工作人员经常收到大量非联邦公开市场委员会背景材料，以帮助准备各种会议。为了帮助整合信息，他们有时会使用美联储内部的通用人工智能工具来快速生成关键主题。当然，它并不能取代准备或判断。它压缩了机械性工作，从而可以将更多时间花在实质内容和重要问题上。
另一个例子是，一位同事休完应得的假期归来——一次真正的数字排毒，意味着她无法访问工作设备或电子邮件——回来后面对的是满满的收件箱和文档队列。她没有花几天时间整理所有东西，而是使用美联储的内部人工智能工具来总结和分类积累的内容。这使她能够直接处理需要她专业知识的部分。
在这两种情况下，工具处理的是数量和初步筛选。决策由人来做。
我们看到真正影响的第二个领域是开发者和动手构建者——那些将想法转化为实施的人。
编码助手正在帮助开发者在软件开发生命周期的各个阶段优化工作——从文档编写和重构到编写代码和单元测试。这有助于团队更快地处理积压工作、提高质量和可靠性、实现系统现代化，并交付更多价值和创新。
但这不仅仅是速度的问题。
人工智能正在承担软件开发中最耗时和最不令人满意的部分，这样开发者就可以专注于安全和质量。这对于像美联储这样的机构很重要，因为生产系统的可靠性和韧性至关重要。
以单元测试为例。它对质量和韧性至关重要，但这不是开发者工作中令人兴奋的部分。在几个团队中，过去需要几天完成的任务，现在借助人工智能辅助可以在几小时内完成。一位开发者直接告诉我："过去需要我两天的事情，现在只需要两小时。"这为更高价值的工作腾出了时间，比如加强安全性和构建新功能。随着这些工具的成熟，好处会成倍增加。
这里有一个关于能力的更广泛观点。当编码助手在提高质量的同时降低了生产软件的成本时，它们扩展了可能性。我们可以编写更多代码，构建更多能力，交付更多商业价值。随着稀缺性的缓解，能力得到提升——使我们能够处理随时间积累的积压工作和技术债务。
我听到的一个有用的类比是iPhone和摄影。把相机放进每个人的口袋并没有消除专业摄影。它降低了生产成本，增加了数量，并扩大了市场。拍摄了更多照片，而对高质量作品的需求实际上增长了。我认为编码助手对软件也会产生同样的效果。
在美联储，我们已经看到了强劲的早期采用率——数百名开发者迅速采用了这些工具——这告诉我们这项能力满足了真实的需求。
让我举一个不同类型的例子——这个例子较少涉及代码，更多是关于倾听我们所服务的社区。
在整个联邦储备系统，我们收集了大量的定性信息——与企业、社区领袖和市场参与者的对话。历史上，跨区域和跨时间段整合这些信息是劳动密集型的。
使用人工智能工具，分析师现在可以从大量访谈记录中提取目标主题，跨周期比较模式，并更快地发现情绪变化。这并不能取代人类的判断——它加速了初步筛选，使经济学家能够花更多时间解释重要的内容。
我们将人工智能投入生产的第三种方式是将其直接嵌入到人们已经在使用的工作流程中。
我们不是要求团队采用全新的工具或构建定制解决方案，而是在已经支持法律、风险、采购、运营和其他企业职能部门日常工作的平台中激活人工智能能力。
采用遵循工作流程。当人工智能被嵌入——而不是附加——时，人们不必改变工作方式就能从中获得价值。
如果你经常网上购物或旅行，你可能已经体验过这种转变。当出现问题时——航班延误、错过转机、包裹损坏——现在通常通过简单的聊天或短信，甚至那个常常令人畏惧的电话，能更快地解决问题。在许多情况下，人工智能在幕后工作，总结背景、转接问题或直接解决问题——而当有人介入时，他们能更好地提供帮助。体验更简单、更快，而且往往更好。
同样的动态也适用于美联储。通过将人工智能嵌入现有的企业系统，我们可以提高服务的速度、一致性和质量，而无需创建分散的解决方案。这在财政上也是负责任的。鉴于技术发展如此迅速，通过供应商平台使用人工智能使我们能够受益于持续的改进，而不是构建和维护可能变得昂贵或过时的工具。
综上所述，这些例子展示了我们如何通过协调的、系统优先的方法，将人工智能从探索阶段推进到执行阶段。
结果是整个组织的能力得到提升，使团队能够处理复杂问题并交付更多价值，同时通过负责任的创新提高生产力和成本效率。
虽然这是一个良好的开端，但我们无意成为昙花一现。重要的是持久性，而这需要专注于采用、问责和领导力。
这是许多人工智能努力成败的关键——当接力棒从早期采用者转移到日常操作者手中时。技术不再是困难的部分；变革管理才是。这归结于人们采用工具的速度有多快，他们将工具嵌入日常工作流程的程度有多深，以及这种采用是否转化为成果。
这就是为什么我们采取了"采用优先"的方法。我们将人工智能视为一项人力资本投资，而不是桌面边缘的实验。培训和技能提升发生在带薪工作时间，而不是晚上和周末。
而且这种培训不是一次性的或理论性的。它是持续更新的、动手实践的，并且与角色相关。员工通过在真实工作流程中使用人工智能、通过应用研讨会、动手教育课程和提示词工作坊来学习。这种"动手操作"的方法很重要，因为舒适感和能力来自于使用，而不是幻灯片。
我们也明确了期望。使用人工智能不是可选的。基础素养和应用能力正在被纳入整个系统员工的绩效目标中。被衡量的东西才会被完成。
我亲眼见过这一点。当我在圣路易斯担任研究总监时，我们制定了一个战略计划，但大部分都束之高阁。改变行为的是将这些优先事项直接纳入员工目标。一旦人们知道什么是重要的以及他们将如何被衡量，执行就随之而来。这段经历塑造了我对如何让变革持续下去的看法。
领导力在这里起着关键作用。设定期望和进行投资是必要的，但还不够。团队需要看到领导者言行一致，并传达出他们对此的承诺——以及他们自己也是这项技术的学生。这种领导力的信号是将早期势头转化为持续行为改变的关键。
这就是我们如何通过将技术与培训、问责和领导力相结合，从早期胜利走向持久能力，使人工智能成为美联储运作方式中持久的一部分。
像这样的会议关注技术如何重塑未来。我今天试图展示的是我们如何在美联储应对这一挑战——通过技术赋能的创新来履行我们的使命，并明确关注执行和效率。在此过程中，我们展示了公共机构如何负责任地采用人工智能，并以一种增强公众信任的方式。
当我们看到代币化和智能体人工智能等技术进入视野时，值得记住的是，这并非我们行业第一次经历这样的转变。当自动取款机首次引入时，它们并没有消除银行柜员。相反，它们改变了银行业的工作方式。常规交易变得更便宜、更快、更容易获得，而人力则转向更高价值的活动。真正的影响不仅仅是自动化本身——而是机构如何围绕技术进行重组。
人工智能是类似的。最大的收益不会仅仅来自在现有流程中添加人工智能。它们将来自于重新思考工作流程、角色和系统，以利用这项技术带来的可能性。
我们所不知道——也无法知道——的是这些技术究竟何时会达到其完整的拐点。当人工智能从快速进步转向真正系统性影响时，我们不会得到一个清晰的信号。但等待完美的清晰度不是一种策略。如果我们想在那一刻到来时做好准备，工作必须从现在开始。
人工智能是一个清晰的例子，说明当我们采取系统优先的方法时，美联储如何能够大胆地、大规模地执行。
1. 此处表达的观点是我个人的，不一定代表我在美联储理事会的同事们的观点。返回文本
2. 在本演讲中，作为储备银行的监管理事，当我说"系统"时，我指的是12家储备银行，而不是理事会。返回文本