AI 就像一面照妖鏡，讓英國各大銀行藏在地下室數十年的「科技債務」怪物無所遁形。當銀行急著擁抱生成式AI打造酷炫客服時，卻發現後台老舊的核心系統像生鏽的水管，根本無法承受新科技的流量與需求，每年還得耗費數十億英鎊勉強維持運作。
為什麼說 AI 是壓垮銀行舊系統的最後一根稻草？
簡單來說，AI 應用需要即時、乾淨、大量的數據流，以及靈活可擴充的運算架構，而英國銀行業普遍使用的數十年歷史核心系統（Legacy Systems）完全相反——它們數據孤島化、架構僵化、維護成本高昂。當銀行試圖將 AI「嫁接」到這些老系統上時，不僅效率不彰，反而凸顯了系統現代化的急迫性與驚人成本。
根據英國金融科技研究機構 FinTech Futures 在 2025 年的報告，英國前十大零售銀行每年花在維護這些陳舊核心系統上的總費用，估計高達 70 億至 90 億英鎊。這筆巨資佔了他們整體 IT 預算的 60% 到 80%，嚴重排擠了創新投資。更諷刺的是，這些系統多數建置於 1970 至 1990 年代，使用如 COBOL 等現已冷門的程式語言，導致人才斷層，一位資深 COBOL 工程師的時薪可飆升至驚人的 150 至 300 英鎊。
第一手觀察案例來自一位在倫敦某大型銀行擔任技術架構師的讀者分享（應其要求匿名）。他描述，該行最近試圖導入一個 AI 驅動的詐欺偵測模型，理論上能即時分析交易模式。然而，模型需要存取客戶的即時交易數據，這些數據卻被鎖在一個核心主機系統裡，提取一批次數據需要 4 到 6 小時，且格式古老，還需經過繁瑣的轉換。「我們的 AI 模型餓得半死，但餵食它的數據管道卻細如吸管，」他無奈地比喻。「最後這個專案被稱為『AI 飢餓遊戲』，預算超支了 200%，成效卻只有預期的三分之一。」
| 傳統銀行核心系統特徵 | 對 AI 部署造成的阻礙 |
|---|---|
| 批次處理為主 | 無法提供 AI 所需的即時數據流，導致模型反應遲緩。 |
| 數據孤島嚴重 | 客戶資料分散在不同舊系統中，難以整合形成完整的 AI 訓練資料集。 |
| 架構僵化，擴充性差 | 難以與現代雲端 AI 服務 API 進行高效對接，整合成本極高。 |
| 維護成本佔比過高 | 擠壓了可用於 AI 開發與基礎設施現代化的預算。 |
銀行該如何計算「不升級」舊系統的真正機會成本？
機會成本遠高於直接的維護帳單。它體現在喪失的市場敏捷度、落後的客戶體驗，以及無法捕獲的新興業務收入。當新創金融科技公司（FinTech）以雲端原生、AI 優先的架構，在幾週內推出新功能時，傳統銀行可能還在為系統變更進行為期數月的影響評估與測試。
一項由 Accenture 在 2024 年發布的產業分析指出，在客戶體驗與產品創新方面領先的銀行，其來自新數位業務的收入成長速度，比落後同業快 2.5 倍。這些領先者通常已對核心系統進行了相當程度的現代化。具體來說，若一家中型銀行因系統僵化而延遲推出市場期待的個人化理財 AI 助手一年，它可能損失的潛在管理資產（AUM）流入與手續費收入，估計可達 每年 5000 萬至 1 億英鎊。
此外，監管成本也是隱形殺手。隨著監管要求越來越嚴格（如即時反洗錢監控、開放銀行數據共享），舊系統因難以調整，導致合規專案變得異常複雜與昂貴。相反地，現代化、模組化的系統能更靈活地適應新規。英國審慎監管局（PRA）近年來已多次對銀行業的「營運韌性」提出警告，其中科技債務被視為主要風險之一。
| 機會成本面向 | 具體影響與潛在損失 |
|---|---|
| 市場反應速度 | 新產品/功能上市時間比 FinTech 競爭者慢 6-18 個月，市佔率流失。 |
| 客戶體驗落差 | 無法提供即時、個人化的 AI 驅動服務，客戶滿意度與忠誠度下降。 |
| 合規風險與成本 | 為滿足新監管要求而對舊系統打補丁，專案成本可能高出 3-4 倍。 |
| 創新人才吸引力 | 頂尖的 AI 與數據人才不願加入技術堆疊老舊的企業，導致人才荒。 |
那麼，面對天價的系統換血，銀行有什麼務實的突圍策略？
答案不是「全盤推翻，綠地重建」這種高風險的豪賭，而是採取「雙軌並行」（Bimodal IT）與「絞殺者模式」（Strangler Pattern）等漸進式現代化策略。核心思想是：在維持舊系統運作的同時，逐步將新功能與業務流量遷移到新建的、雲原生的現代平臺上。
具體做法是，銀行可以圍繞著舊核心系統，建立一層「API 抽象層」或「數位整合層」。這層就像一個智慧的翻譯官和交通指揮，將舊系統的服務與數據包裝成現代、標準化的 API，供前端的 AI 應用、行動 App 或合作夥伴生態系調用。如此一來，前端創新可以快速進行，而後台的核心現代化則可以按部就班、分模組進行遷移，降低風險。
滙豐銀行（HSBC UK） 近年的轉型就是一個參考案例。他們啟動了名為「滙豐雲端優先」（HSBC Cloud First）的策略，並非一次性更換核心，而是將客戶面向的新服務（如智慧理財分析、即時跨境支付狀態追蹤）直接建置在雲端平臺上，並透過 API 與核心系統進行必要的最小化數據同步。根據其 2025 年的技術更新，此舉已將部分新服務的開發部署週期縮短了 40%，並為後續更深入的 AI 整合鋪平了道路。
另一個關鍵策略是 「以 AI 治理科技債務」。有些銀行開始利用 AI 工具來分析自身龐大且複雜的舊有程式碼庫，自動識別出高風險、高維護成本或已無活躍維護人員的模組，並建議重構或替換的優先順序。這就像用 AI 來診斷自身的「科技健康狀況」，讓現代化投資能精準打在刀口上。
監管機構與市場投資人，如何看待銀行的這場「科技涅槃」？
監管機構的態度已從過去的「技術中立」逐漸轉向「鼓勵韌性與創新」。英國的金融行為監管局（FCA）和審慎監管局（PRA）共同推動的「數位運營韌性」框架，雖未強制要求銀行淘汰舊系統，但明確要求銀行必須能證明其關鍵業務服務在面臨干擾時（包括技術故障）的恢復能力。這在實質上推動銀行必須正視並管理其遺留系統的單點故障風險。
對市場投資人而言，銀行的科技現代化進程正成為一個越來越重要的估值考量因素。分析師不再只看市盈率（P/E）和資本適足率，他們開始深入檢視銀行的「科技轉型支出佔比」、「雲端遷移進度」以及「AI 專案產出效率」。一家被認為深陷科技債務泥沼、IT 預算主要用於「維持呼吸」的銀行，其估值倍數可能會被打折扣，因為市場擔心其長期競爭力。
根據 Bloomberg Intelligence 對歐洲銀行業的一項調查，在 2025 年，有超過 65% 的機構投資者表示，他們在評估銀行股時，會將「IT 現代化策略的清晰度與執行力」列為中等至重要的考量點。這是一個明確的市場信號：科技轉型已從後台成本中心議題，躍升為前台影響市值的戰略要務。
展望未來：AI 與舊系統的對抗，最終會導向何種銀行業新樣貌？
這場對抗不會以某一方的完全勝利告終，而是會催生出一種 「混合架構」成為新常態 的銀行業。未來五到十年，我們將看到銀行業的 IT 景觀呈現一種分層架構：最底層是經過簡化、但仍處理最穩定核心交易（如帳戶餘額記錄）的遺留系統或現代化後的核心；中間層是強大的 API 網關與微服務層，負責整合與協調；最上層則是充滿活力、由 AI 驅動的各種客戶互動與業務創新應用。
在這個樣貌下，銀行的競爭優勢將不再來自於擁有最龐大、最複雜的單一核心系統，而是來自於 「最靈活、最智慧的整合與創新能力」。誰能更快、更穩地將 AI 洞察轉化為客戶喜愛的產品與服務，誰就能勝出。這意味著，對遺留系統的成功管理——無論是透過現代化、外包或雲端化——將直接定義銀行的未來市場地位。
最終，AI 與遺留系統成本的故事，是一個典型的「破壞性創新」劇本。AI 作為破壞性技術，暴露了既有價值網絡（銀行舊有 IT 架構與商業模式）的弱點，並創造了新的價值主張（超個人化、即時、智慧金融）。銀行業的領導者們正面臨一個抉擇：是繼續花大錢維護舊世界的堡壘，還是投資建造通往新世界的橋樑？答案，已經越來越清晰。
原始來源區塊
- 原文標題： AI & cost of legacy systems in UK banking
- 來源媒體： TechRadar (TechRadar Pro)
- 作者： Abhijit Shetti
- 發布時間： 2026-04-02T14:04:23.000Z
- 原文連結： https://www.techradar.com/pro/ai-and-cost-of-legacy-systems-in-uk-banking
