許多企業在導入 AI 時常陷入一個誤區：將 AI 視為單純的軟體工具，或是僅僅用來取代部分重複性的人力。然而，全球金融巨頭 BBVA 與 OpenAI 的合作案例提供了一個完全不同的視角。他們並非將 AI 當作一個插件，而是將其視為重新定義銀行運作邏輯的核心。
對於工程師或技術主管來說，BBVA 的經驗最值得學習的不是他們使用了什麼模型，而是在高度監管的金融環境中，如何從治理、權限與文化三個維度，將 AI 規模化地推向十萬名員工。
將 AI 視為業務轉型而非技術項目
BBVA 推動的核心戰略被稱為 The Eight，這是一份將銀行端到端流程重新設計的路線圖。他們定義的轉型範圍涵蓋了客戶體驗、商業銀行業務、風險管理、營運、軟體開發以及員工生產力。
這意味著 AI 的定位不再是單獨的創新實驗室項目，而是滲透到組織的每一個層級。從最底層的自動化操作，到中層的決策分析，再到頂層的客戶互動，AI 被用來重新思考銀行如何運作。例如，從原本被動地回應客戶請求，轉向主動預測客戶需求並提供個人化服務。
在高度監管環境中實現規模化部署
金融業對安全性與合規性的要求極其嚴苛，這使得大規模部署 AI 面臨巨大挑戰。BBVA 採取了三根支柱策略：信任、治理與結構化學習。
首先，他們拒絕讓員工在缺乏監管的情況下使用消費級的 AI 工具，而是直接提供企業級的 ChatGPT Enterprise。這解決了數據外洩與隱私問題，確保所有操作都在公司定義的治理框架內運行。
其次，他們建立了 AI 賦能框架。這包括在組織內建立 AI Champions 網絡，並培育一批內部專家，被稱為 AI Wizards（AI 巫師）。這些人負責舉辦工作坊，將 AI 實際整合進日常工作流，而非僅僅讓員工自行摸索。
最後，他們採取由上而下的推動方式。BBVA 為包括執行長與董事長在內的 250 位高階主管提供專門培訓。當決策層成為最活躍的用戶時，AI 轉型才真正能從戰略高度獲得資源支持。
從通用生產力轉向領域專精的自定義 GPTs
當員工熟悉基本操作後，BBVA 的轉型進入了第二階段：利用 Domain Expertise（領域專業知識）構建自定義 GPTs。目前組織內已創造超過 2 萬個 GPTs，其中約 4,000 個被頻繁使用。
在實務應用上，這解決了非結構化數據處理的痛點。例如，信用風險分析團隊開發了 Credit Analysis Pro GPT，能自動從年度報告、ESG 披露文件與媒體報導中提取數據。原本需要大量人工閱讀與整理的過程被自動化，讓分析師能將精力集中在更高價值的風險建模與戰略分析上。
在法律服務方面，他們建立了零售銀行法律助手，將每年 4 萬件的客戶法律諮詢由 AI 預先擬稿，大幅降低了法律團隊的研讀時間。而在秘魯的分行，內部 AI 助手的導入將查詢處理時間從 7.5 分鐘縮短至 1 分鐘，效率提升了 80%。
技術轉型的實務啟示
BBVA 的案例告訴我們，AI 的真正價值不在於模型本身，而是在於如何將模型與業務場景深度耦合。
第一，安全必須在第一天就納入設計。對於大型組織，治理框架（Governance Framework）的建立優先於工具的部署。
第二，賦能員工參與轉型。讓法律、風險、行銷等不同部門的員工自行構建 GPTs，能讓 AI 快速地對接最細膩的業務需求，而非由少數技術人員在象牙塔中開發。
第三，追求從反應式轉向主動式。效率提升（如節省每人每週 3 小時）只是初步成果，最終目標是利用 AI 的預測能力，改變金融服務的交付模式。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。