AI 挖出太多漏洞没人修：美国银行掏钱请 1000 名外包，专修 Mythos 发现的洞

AI 帮你找漏洞，听起来是好事。但当 AI 一口气报出成千上万个漏洞时，新的问题出现了：谁来修？美国银行给出的答案很直接——花钱，请人，1000 个。

一分钟速览

• 美国银行 CEO 莫伊尼汉透露，该行二季度聘用 1000 名外包人员，协助修复 AI 模型发现的软件漏洞
• 漏洞来自 Anthropic Mythos 等前沿 AI 模型
• 这些外包人员与约 3000 名内部员工一起协作
• 美国银行三季度在漏洞修复、反洗钱合规上的支出超过数亿美元
• 同期该行约 130 个内部 AI 项目带来成本节约，预计从今年 3 亿美元增至明年 7 亿美元

深度分析

AI 提高了”发现”速度，也放大了”修复”压力

莫伊尼汉的说法颇有画面感：”当前沿模型问世时，我们很多人都希望尽快应对问题。我们二季度聘用了 1000 名外包人员，协助开展漏洞修复工作。这些人依然和 3000 名内部员工一起，在这里协作。”

这段描述揭示了 AI 安全工具落地时最现实的瓶颈：模型可以把漏洞发现的速度提升几个数量级，但修复依然依赖人的判断、验证和上线流程。发现能力与修复能力之间的剪刀差，直接把企业推向了”人力扩容”。

一边花大钱修洞，一边靠 AI 省钱

更有意思的是账本的两端。一边是三季度在软件漏洞修复、反洗钱合规等领域超过数亿美元的支出；另一边，该行约 130 个内部 AI 项目带来了实打实的成本节约，预计从今年 3 亿美元增长到明年 7 亿美元。同一项技术，既在制造开支，也在创造收益。

数据支撑

• 外包人员：1000 名（二季度入职）
• 内部协作员工：约 3000 名
• AI 项目数：约 130 个
• 成本节约：3 亿美元（今年）→ 7 亿美元（明年预期）

趋势洞察

“AI 挖洞、人来修补”会是一段长期的过渡状态。它指向两个即将爆发的人力市场：一是安全验证与修复工程，二是 AI 输出的审计与把关。企业在上马 AI 安全工具时，除了算模型的账，也得把后续的人力成本算进去——否则很可能会出现”漏洞报告堆满邮箱、却没人处理”的尴尬。

为什么是外包，而不是招聘

选择外包而非正式招聘，本身就是一种权衡。漏洞修复往往是阶段性的、高峰式的任务，随着前沿模型陆续放出更强能力，报出的漏洞数量会在短期内集中爆发；用外包团队可以快速扩编、在高峰期后灵活收缩，避免把长期人力成本锁死。但代价也很明显：外包人员对内部系统与业务逻辑的理解有限，修复质量与协作效率都会打折扣，最终还是需要内部团队兜底。

结语

1000 名外包人员，是 AI 时代安全账本上的一行新成本。它提醒所有人：AI 不是把工作消灭了，而是把它挪到了另一个环节。