花旗把 AI 推广做成内部基础设施：4000 名员工 Champions 网络怎么让 70% 员工日常用上 AI

一句话结论

花旗没有把 AI 当创新项目养在实验室，而是当成基础设施推广了两年：从技术、运营、风险到客服各角色中长出约 4000 名内部 AI 骨干，全行 182000 人里超过 70% 在日常工作中使用公司批准的 AI 工具。它给出的可复用路径是——先组织人（志愿者 Champions 网络），再配训练和护栏，而不是先买工具再找人用。

规模数据：这家银行把 AI 用到了什么程度

据 Business Insider 报道，花旗过去两年持续把 AI 推进日常工作，形成了约 4000 人的内部 AI 骨干网络，覆盖技术、运营、风险和客户支持等角色。作为对照：花旗全球员工约 182000 人，其中超过 70% 已在日常工作中使用公司批准的 AI 工具——这个比例明显高于多数仍把 AI 限制在技术团队或创新实验室里的同业机构。

具体用法都是日常任务：汇总文档、起草内部笔记、分析数据集、辅助软件开发。单看每一项都不新鲜，差别在于使用方式——这些工具被嵌进了日常流程，而不是停留在试点演示。

路径拆解：从中央试点到团队级落地

第一步：先组织人，不是先上工具。 花旗邀请员工自愿担任 AI Champions（AI 冠军），给他们开放培训、内部资源和批准系统的早期版本。这些志愿者随后在自己团队里支持同事，扮演本地联络人的角色——不是正式培训师，而是「坐在你旁边会用的人」。

第二步：用徽章把学习成果显性化。 员工完成课程或演示自己如何用 AI 改进任务后可获得内部徽章。徽章不挂钩晋升和加薪，但帮助建立组织内的能见度和信誉。Business Insider 的报道称，这种同伴驱动的模式让 AI 传播得比自上而下的行政命令更快。

第三步：日常使用配护栏。 花旗把员工限制在公司批准的工具内，并对可用数据和输出处理方式设置了边界。这个约束拖慢了部分实验，但也让管理者更放心开放更广的访问。在受监管行业里，信任比速度重要。

对推广动力的判断：新工具失败通常不是功能不行，而是员工不知道什么时候用、怎么用。把支持嵌进团队内部，花旗缩短了「实验」和「日常」之间的距离。

为什么这条路跑得通：把 AI 当基础设施的三个信号

信号一：不需要人人成为专家。 花旗的模式说明，AI 推广不需要每个员工都变成 AI 专家，只需要足够多的人理解工具到能负责任地使用并解释给同事听。训练数千人而不是数十人，降低了对小圈子专家的依赖。

信号二：非技术角色的参与本身就是文化信号。 鼓励非技术岗位参与传递的信息是：AI 不只属于工程师和数据科学家，它正在变成「工作完成方式」的一部分——类似几十年前电子表格和演示软件的普及过程。

信号三：分散所有权、集中治理。 麦肯锡等机构的调查显示，很多公司难以把 AI 项目推进生产环境，常见障碍是人才缺口和权责不清。花旗通过把所有权分散到团队、治理保留在中央，绕开了这两个坑。

边界与风险：这套模式的局限

花旗自己的实践也暴露了三条边界。其一，同伴式推广依赖持续的兴趣，不是所有团队都同速前进。其二，非正式支持网络可能不均衡——有的团队受益多、有的少。花旗的对策是轮换 Champions、随工具更新培训内容。其三，这套打法的前提是高层支持加员工自愿的组合：高层提供了资源和护栏，但真正的动力来自愿意投入时间学习再教给同事的员工——这种自下而上的能量在大组织里可遇不可求，却往往决定新技术能不能扎住。

对其他企业的参照：花旗把 AI 当基础设施而非创新的框架选择，让进展更容易衡量——不问「AI 能不能变革业务」，而问「AI 能在哪里移除现有工作的摩擦」。

原文信息

作者：AI News 编辑部（TechForge） 发布时间：2026-01-21 原文地址：