周三下午三点，一个程序员删掉了自己写了三年的代码——不是因为失败，而是因为 AI 接管了那些例行维护任务。这个场景不再是科幻，它正发生在美国银行 20 多万员工的日常里。

周二，美国银行发布二季报，数据背后藏着 CFO Alastair Borthwick 对 AI 规模化的独特评判框架。当季营收约 316 亿美元，净利润 91 亿美元，每股收益 1.21 美元，利润两位数增长，效率比率达到 59%，有形普通股权益回报率约 17%。Borthwick 把这些数字称作 "AI 驱动生产力 " 的证明，而不只是传统意义上的成本削减和利率顺风。

最扎眼的指标是效率比率：去年 63%，今年 59%，整整改善了 360 个基点。Borthwick 用的不是新公式，而是老公式的新解读——效率比率等于费用除以营收。当这个数字往下走，意味着你砸的钱在营收上看到了回报。" 从 63% 到 59%，说明我们正在实现目标，" 他说，" 这就是想清楚每赚 1 美元收入需要花多少成本的最简单方式。"

但这恰恰是很多 CFO 头疼的问题：怎么把 AI 的贡献从净利息收入、成本纪律这些传统指标里单独拎出来？Borthwick 的办法是看各业务板块的增长和生产力的组合。在消费者银行业务，营收增长 5%，同时持续管理成本，旗下消费者、零售及优先银行总裁 Holly O ’ Neill 的团队连续第五个季度实现正运营杠杆，效率比率 51%，资本回报率 29%，盈利增长 10%，贡献了 33 亿美元利润。在此过程中他们还在部署新 AI 能力，并投入金融中心网络。

内部最相关的 AI 工具是面向员工的 Erica，它支持一线员工处理客户服务、分支机构支持和后台运营。Erica 不是取代岗位，而是分流常规请求、更快地呈现信息，让员工把时间花在更复杂的需求上。Borthwick 认为，这套模板就是：用自动化武装一线和网点运营，然后盯着运营杠杆和回报率，看它在持续投资下是否撑得住。

面向还在把 AI 困在试点里的财务主管们，Borthwick 给出了一个简单信号：盈利增长、效率提升、持续再投资三者同时出现，就是规模化 AI 项目真正击中损益表的样子。美国银行正用真金白银的数字，让这个信号变得难以忽视。