美聯儲：AI能提升央行效率，但不可將敏感資料「丟進去」——瓦勒警告要設嚴格護欄

・ 2026 年 05 月 20 日

美聯儲理事瓦勒表示，AI可提高央行研究與效率，但不得將敏感資料輸入或直接複製貼上，必須建立嚴格治理與技術防護，採取審慎而非急速的採用路徑。

美國聯準會（Fed）理事Christopher Waller在國際貨幣政策研究論壇（International Research Forum on Monetary Policy）前的政策座談會上強調，人工智慧(AI)可提升央行內部生產力，但必須有明確且嚴格的防護機制，避免敏感資訊外洩或被用來訓練商業模型。

背景與發言要點瓦勒在座談會中指出，Fed目前把AI視為生產力工具，而非取代員工的「搶工作」機器：「我們並不是要把它放進來取代你的工作，這不是我們的用意。」但他同時警示，使用AI時絕不能任意把資料丟進去，也不能把AI產出的內容照抄照用：「你不能隨便把任何東西放進去，也不能把某些輸出複製貼上去用。」他強調，必須設定護欄（guardrails），確保內部資訊不外流、也不會被企業用來改進或訓練其模型。瓦勒並提到，因為要做風險檢查與設定控管，Fed可能無法使用最尖端的模型。

為何需謹慎：央行的資料與制度風險中央銀行處理的資料往往涉及宏觀經濟預測、政策決策、未公開市場操作與市場敏感資訊。一旦這類資料透過外部AI平臺外洩或被用作模型訓練，可能造成市場不對稱資訊、損及市場信任，甚至影響政策效果與金融穩定。瓦勒的主張反映了此一核心風險：效率提升不能以犧牲資料保密性與政策獨立性為代價。

可行的護欄與治理措施（分析與建議）面對效率與安全的權衡，政策與技術雙管齊下是必然方向。可行措施包括但不限於： - 嚴格的資料分類與存取控管，限定哪類資料可用於AI實驗。 - 在受控環境（on‑premise 或封閉雲）執行模型訓練，避免外部平臺直接接觸敏感資訊。 - 採用差分隱私、合成資料或資料去識別化技術以降低外洩風險。 - 建立人機協作流程（human‑in‑the‑loop）與明確審核機制，禁止未經審核的原始輸出直接用於政策或公開檔案。 - 對供應商簽訂嚴格的資料使用與禁止再訓練條款，並要求模型可稽核、可追溯。

反駁快速採用的立場支持者主張央行應快速採用最先進工具以維持競爭力與效率。對此，瓦勒與支援嚴格控管者回應，雖然快速採用可短期提效，但若導致機密資料外流或模型被市場參與者利用，長期將侵蝕政策工具效能與市場信任。故應採「按部就班且受控的試點」策略：先在低風險場景試驗，再逐步擴大應用。

延伸觀察與相關議題會中另一個被提及的議題是Fed內部營運集中化的改善必要性，以及面對「經濟成長但未創造相應就業」的經濟現象，瓦勒也表示仍在思考其政策涵義。這些內部治理與結構性經濟問題，與AI匯入的速度與模式密切相關：組織集中化與流程現代化可使控管與稽核更有效，但亦需同步強化人力資源與技術能力。

結論與展望（行動號召）瓦勒的論述指向一條清晰路徑：央行應在採用AI提升效率的同時，建立嚴密的治理、法律與技術護欄。具體行動包括制定跨部門的AI使用政策、投資安全基礎設施、培養模型監管與資料隱私專業人才，以及與其他國家央行及監管機構共享最佳實務。展望未來，可預期央行將採取審慎而漸進的AI應用策略：在保障資料與市場完整性的前提下，逐步利用AI改善研究與決策效率。