英国银行业每年烧掉33亿英镑（约300亿人民币），只为让上世纪的IT系统继续喘气。这笔钱占它们IT总预算的四分之一，而近半数银行承认：这些老骨头已经跟不上日常业务和战略需求。
这不是某个激进改革派的危言耸听，而是来自TechRadar Pro对英国银行业的最新调研。几十年来，"稳定压倒一切"是核心系统的铁律——它们每天处理数百万笔交易，托着合规底线和客户信任。换掉它们？太冒险、太贵、太折腾。这个逻辑曾经无懈可击。
直到AI把时间表撕了。
老系统的"保养费"正在变成"赎身费"
Mphasis解决方案与数据部门高级副总裁Abhijit Shetti在相关分析中指出，AI正在加速软件变革的节奏。代码生成、自动化测试、文档辅助——这些工具把开发周期压到前所未有的短。业务方要的不再是季度更新，而是实时个性化服务、秒级决策响应。
但银行的交付模式还卡在手工时代。团队被碎片化的流程捆住手脚，这些流程是为更慢的节奏设计的。AI能做到的，和老系统能承受的，中间裂开的口子越来越大。
Shetti打了个比方：航空公司不是没有AI野心，是地基太烂。银行同理。你可以给老房子装智能门锁，但承重墙是木头的时候，全屋智能就是个笑话。
更麻烦的是人才。维护COBOL（一种1959年诞生的编程语言）的老工程师陆续退休，年轻人宁愿去写Python也不愿碰这些"考古项目"。招不到人、留不住知识，33亿英镑的维护费里，相当一部分是在为"人"的稀缺性买单。
AI不是拆迁队，是谈判筹码
银行不是没试过替换核心系统。2010年代，几家大行的"大爆炸式"迁移要么超支数亿英镑，要么直接烂尾。TSB银行2018年的系统迁移灾难，让280万客户无法登录账户，最终赔付1.23亿英镑罚款和赔偿。这个案例至今挂在行业会议室的白板上。
AI带来的变化不是让银行敢赌了，而是让"不赌"的成本变得可见且可量化。
具体来说，AI工具正在三个层面松动僵局：
第一，代码翻译。生成式AI能把COBOL逻辑转译成Java或云原生架构，迁移不再是手工誊抄《永乐大典》，而是有辅助的考古发掘。误差率从人工的15%-20%压到个位数。
第二，影子系统并行。AI驱动的测试环境可以模拟老系统的全部接口，新架构在"替身"里跑够十万次交易，再切流量。风险从"大爆炸"变成"滴灌"。
第三，渐进式剥离。不再追求一次性替换核心，而是用AI把外围功能——报表、风控、客户画像——逐步解耦。老系统缩成"交易内核"，外围跑在云里。
Shetti的观察是，银行高管层的对话正在从"要不要换"变成"怎么换才不把自己换死"。AI没有消除风险，但把风险从"未知黑洞"变成了"可计算概率"。
真正的账单还没来
33亿英镑是明面上的数字。暗处的成本更难算：一家银行想上线实时反欺诈，老系统的批处理架构根本不支持；想推个性化理财建议，客户数据困在十几个互不联通的遗留数据库里。
这些"做不了"不会出现在财报的"技术债务"科目下，但会体现在市场份额的流失里。数字银行Monzo、Starling没有历史包袱，产品迭代以周为单位。传统银行的APP更新周期是季度，功能还常常是"阉割版"。
英国金融监管局（FCA）的数据侧面印证了这个压力：2023年，传统银行的新客获取成本同比上升34%，而数字银行下降12%。客户用脚投票的速度，比IT部门的迁移计划快得多。
Shetti提到一个细节：某大行CIO私下算了笔账，如果维持现状，五年内技术债务的利息（机会成本+维护费+人才溢价）将超过一次性迁移的总投入。这笔账以前算不清，因为"机会成本"是虚的。现在AI把竞争对手的迭代速度量化成了可对比的指标，虚的变实了。
当然，AI本身也是把双刃剑。用AI辅助迁移，意味着要把老系统的逻辑暴露给大模型，数据安全和合规风险是新变量。另外，AI生成的代码仍需人工审计，"加速"不等于"自动"。
英国银行业的33亿英镑困境，本质是一场关于"时间贴现"的博弈。老系统的维护费是确定的、按年支付的；迁移的风险是一次性的、可能爆雷的。人类天生厌恶后者。AI没有改变人性，但把"不迁移"的代价从远期模糊变成近期清晰。
接下来三年，我们会看到更多银行宣布"核心系统现代化"计划——措辞会比"替换"温和得多，可能是"增强""解耦""混合架构"。但钱会诚实：它们的AI预算里，有多少比例流向了"让老系统活得更舒服"，有多少流向了"让老系统死得更体面"？
如果让你选，你愿意把钱存在一家核心系统建于1980年代、但界面很现代的银行，还是一家从地基开始云原生、但品牌没那么响的新银行？
热门跟贴