BBVA
从员工试用到全行生成式AI采用体系
企业原始材料
银行
企业部署案例
深度案例｜关键链路较完整
A级证据
全行规模化
A
证据等级
BBVA drives AI adoption through talent
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
业务问题
BBVA拥有12.5万多名员工和多国业务，需要让生成式AI从少数试用许可证变成可治理、可复用的全行能力；银行还必须解决用例发现、法律与合规审查、员工技能和输出错误监控，而不能只统计账号数量。
解决方案
BBVA先向各层级发放3,000个ChatGPT Enterprise许可证，让一线员工自建GPT并由法律、合规和IT安全共同治理；随后扩展ChatGPT和Gemini访问，以8,000多个活跃用例和约700个战略用例形成筛选漏斗，并建立约750名内部“Wizards”、AI培训和9万多人实践社区推动落地。
技术架构与生产工作流
Step 01
ChatGPT Enterprise与Gemini企业访问层
→
Step 02
自定义GPT及员工助手连接受控银行知识
→
Step 03
2,500多份HR产品、流程与薪酬文档知识库
→
Step 04
8,000多个用例进入价值与战略筛选漏斗
→
Step 05
法律、合规、IT安全和专业人员复核
→
Step 06
Wizards网络、培训、实践社区与采用/节时度量
关键技术与基础设施组件
ChatGPT EnterpriseGemini自定义GPT企业知识库用例组合管理法律合规与安全治理Wizards推广网络
人机分工与责任边界
员工在最了解流程的位置发现用例并审核输出；信贷分析师监控模型错误，九名法律顾问维护法律知识，法律、合规与IT安全共同设定使用边界，内部Wizards负责团队辅导和最佳实践扩散。
FDE 动作拆解
- 先让各层级真实接触工具并主动发现问题
- 把高潜力个人GPT发布到内部商店复用
- 按活跃用例与战略用例两层管理组合
- 让法律、合规、安全和业务专家共同审核
- 用内部推广者、培训和社区解决持续采用
可迁移复用的落地方法论
- 全员工具部署需要配套用例筛选而非只看登录率
- 一线员工是发现流程改造机会的重要来源
- 内部推广者网络可缩短组织学习曲线
- 金融场景必须让专业人员监控错误并承担判断责任
业务成效与交付成果
BBVA披露超过一半员工每周使用生成式AI，识别8,000多个活跃用例、其中约700个具战略价值；平均每名员工每周节省约3小时，员工助手基于2,500多份文档每月处理3.4万多次查询。
证据边界与核验记录
- 每周约3小时为BBVA估算的重复任务自动化节省，不代表经审计的人均生产率提升。
- 8,000多个为活跃用例，其中约700个被认为具有潜力和战略重要性。