客戶閃電演講：Antonio Bravo Acin（BBVA 全球 AI 轉型負責人）與 OpenAI ☕ Buy me a coffee

🧑‍🏫 這支影片是西班牙大型銀行 BBVA 的 AI 轉型負責人，分享他們怎麼把 AI 推到全行。他們把 AI 從技術部門的實驗，變成由高層主導、有明確目標、還用數字追蹤成效的全公司計畫。想了解大公司怎麼真正讓員工用起 AI、怎麼挑重點，這支很值得看。

• 00:06 BBVA 是全球最大的銀行之一，目標不是把 AI 當附加功能，而是導入整個業務，積極支援關鍵業務職能
  ↳ BBVA 是西班牙的大型銀行。他們不打算只在 App 裡加一個聊天小功能，而是要讓 AI 進到放款、風險、客服這些真正賺錢和管控風險的核心工作裡。
• 00:06 一開始先對全球超過 120,000 名員工部署字幕所稱的「JBT Enterprise」，把 AI 帶到企業營運層級
  ↳ 字幕寫「JBT Enterprise」，推測是 ChatGPT Enterprise，也就是 OpenAI 給公司內部用的版本。第一步是讓全球 12 萬名員工都有帳號，先確保人手一個。
• 00:37 之後擴展為六個專門的 robot 與兩大支援支柱（pillar），各自支援一塊核心業務
  ↳ robot 在這裡不是機器人，而是「一塊要用 AI 改造的業務領域」，共六塊。pillar（支柱）是撐住全部的兩項底層工作。整個 AI 計畫等於被切成八個大項目。
• 01:07 BBVA 與整個領導團隊、各業務線與各國共同制定明確的 top-down agenda，以驅動 AI 策略
  ↳ top-down agenda 是「由上而下的議程」。各部門不各自亂試，而是高層、各業務線、各國一起坐下來，先講清楚公司要用 AI 做哪幾件大事。
• 01:37 這份 agenda 的核心是把 AI 連結到價值鏈中的關鍵影響點，並非純技術議題，也不是只由資料與 AI 團隊主導
  ↳ 價值鏈是公司從服務客戶到賺到錢的整串流程。選題要看哪裡對生意影響最大，不是看哪個技術最新，所以不能只交給資料和 AI 團隊決定。
• 02:07 Robot 1（零售）：延續過去 10–15 年投入行動裝置的經驗，打造客戶透過數位管道、手機或未來裝置與產品互動的新體驗；由零售主管共同贊助
  ↳ BBVA 已經花了十幾年把服務搬上手機，這次再用 AI 改造客戶用 App 或未來新裝置辦事的體驗。零售主管一起掛名負責，代表成敗由業務端一起扛。
• 02:37 Robot 2：透過銀行專員轉型客戶關係，對象是企業與投資銀行、企業金融、私人銀行等重視顧問服務的客群
  ↳ 這一塊針對大企業、高資產個人這類客戶。他們需要專人給建議，不會自己在 App 上點一點就好。所以 AI 的角色是幫銀行專員，不是取代專員。
• 02:37 目標是用 AI 讓銀行專員有更多時間為客戶提供建議；此 robot 由企業與投資銀行、私人銀行及企業金融主管負責
  ↳ 專員很多時間花在整理資料、寫報告。AI 接走這些雜事，專員就能多花時間跟客戶談。這一塊由那幾條業務線的主管負責，不是 IT 部門。
• 03:07 Robot 3（風險管理）：讓風險分析師更好、更快地分析，並簡化授信核保流程，使其對客戶更友善
  ↳ 授信核保是銀行決定「要不要借你錢、借多少」的審查流程。AI 幫風險分析師更快讀資料、做判斷，客戶等得比較短，流程也不那麼折騰。
• 03:38 Robot 4（後台作業）：處理房貸、消費金融、保險等文件的文件檢索與資訊分類
  ↳ 後台作業是客戶看不到的文書處理。辦房貸、信貸、保險都會產生大量文件，AI 負責從中找出需要的資訊並分類，減少人工翻文件。
• 03:38 軟體開發 robot：讓開發者更有生產力，消化龐大的待辦 backlog（字幕此處口誤唸成 number four，位在 Robot 4 與 Robot 6 之間）
  ↳ backlog 是「排隊等著做的工作清單」。銀行的系統需求永遠做不完，這一塊用 AI 幫工程師更快寫程式，把積壓的工作消化掉。講者在這裡口誤說成第四個，實際上是第五個。
• 04:08 Robot 6（connected robot）：讓每個人都能用 AI；除了發放 120,000 份授權，也協助員工建立管理行事曆、email、HR 工具等的通用型 agent
  ↳ agent 是能替你完成一連串動作的 AI 助手，不只會回答問題。這一塊要讓全員都用得上：發 12 萬個帳號，還教大家做自己的小助手，管理行事曆、email、人事系統。
• 04:38 支柱一：讓資料可供 agent 使用，稱為 data-rich company
  ↳ data-rich company 指「資料都準備好、AI 拿得到」的公司。AI 再聰明，讀不到公司內部資料也做不了事，所以要先把資料整理成 agent 能取用的樣子。
• 04:38 支柱二：管理正在建立的整個 agent 網路，需要技術與 orchestration，以持續改善新 agent 組織的效能
  ↳ orchestration 是「調度」。公司裡有幾十、幾百個 agent 時，需要一套技術管它們怎麼分工、怎麼串接、出錯怎麼處理，並持續調整，讓整體表現越來越好。
• 05:08 在 top-down agenda 之外也強調迭代與短期交付價值，提出「ah moments」概念：每兩到三個月達成一個對業務或贊助者具體可見的成果
  ↳ ah moments 指「讓人眼睛一亮的成果」。大方向由上而下定好之後，執行上不等一年後才交大成果，而是每兩三個月交出一個業務主管看得到的具體成績。
• 05:08 ah moments 能展示方向、證明成效，並在推動上產生雪球效應，因為大家都想參與
  ↳ 看得見的成果有兩個作用。一是證明方向對、錢沒白花。二是其他部門看到了會想加入，參與的人越來越多，推動越來越順，像滾雪球一樣。
• 05:38 運用所有資料團隊與 AI factories，與業務單位及各 robot 的負責團隊合作；也重視實驗與生態系夥伴關係
  ↳ AI factories 字幕沒有細說，大意是公司裡專門做 AI 的團隊。這些技術團隊不關起門來做，而是跟各業務單位合作，也願意嘗試新做法、和外部公司合作。
• 06:08 採分階段投資：以 ah moments 逐步累積，用 tokens 及投資機會資助團隊，隨時間產生遞增效果
  ↳ tokens 是 AI 的計費單位，可以想成使用 AI 的額度。他們不一次砸大錢，而是有成果就再撥額度和預算給做得好的團隊，一步步加碼，效果會慢慢疊加。
• 06:08 營運模式原則一：結合結構性的 top-down agenda，以及全員使用 AI 帶來的 bottom-up 成效，並回饋到優先順序
  ↳ bottom-up 是「由下而上」，指員工自己用 AI 摸索出的好用法。高層定的方向加上基層的實際經驗，兩邊互相修正，一起決定下一步先做什麼。
• 06:38 原則二：治理與協調。讓所有贊助者參與，避免它變成只屬於 AI 部門的議程
  ↳ 治理講的是誰決定、誰負責、怎麼監督。重點是讓各業務主管都掛名參與，否則 AI 很容易被當成「AI 部門的事」，其他人覺得事不關己。
• 07:08 原則三：跨領域團隊。讓資料科學家、ML 工程師、軟體開發者與零售、商業、風險團隊同地辦公（collocation）一起打造 agent
  ↳ collocation 是「坐在一起工作」。資料科學家、ML 工程師（做機器學習模型的人）、軟體工程師和零售、業務、風險的同事編在同一組，邊做邊溝通，做出來的東西才貼近真實工作。
• 07:38 原則四：變革管理與文化。若員工因恐懼而不用 agent 就不會成功，因此重視變革管理訓練與真實可信的正面敘事
  ↳ change management 是「變革管理」，也就是幫員工適應新的工作方式。很多人怕 AI 搶工作而不敢用，工具再好也沒用。所以要辦訓練，也要講真實可信的好處，而不是空喊口號。
• 08:08 原則五：連結生態系。環境變化極快，幾乎每兩到三週就有改變，典範很快就過時
  ↳ AI 變得太快，大約兩三週就有新東西。上個月認為最好的做法，這個月可能已經落伍，所以不能只靠公司自己閉門研究。
• 08:38 需要合適夥伴，確保使用最先進的技術，避免沿用過時典範而損失組織資產
  ↳ 一直用過時的做法，投入的人力和做出來的系統都可能白費。找對外部夥伴，才能及時知道現在最好的技術是什麼。
• 09:08 與 OpenAI 團隊有緊密合作，獲得大量知識；OpenAI 協助他們發現方向錯誤，讓部分工作做了 180 度轉向
  ↳ 跟 OpenAI 合作讓他們學到很多。對方還曾直接指出他們某些方向走錯，他們就整個掉頭改做。等於有人提早幫忙踩煞車，少浪費很多時間。
• 09:39 給聽眾的建議：在這段快速變動的旅程中，與生態系合作很重要
  ↳ 講者給其他企業的建議：這條路變化很快，不要想自己全部摸索，要和技術供應商及其他夥伴一起走。
• 10:09 推動導入的心得一：要讓事情快速且有結構地發生，就必須聚焦並投入資源；Robot 6 的成功來自一個全心投入的團隊
  ↳ 想要既快又有章法，就得挑重點，並給足人手和資源。「全員用 AI」那一塊能成功，是因為有一個團隊專職在推，不是大家兼差順便做。
• 10:39 導入團隊在全球與各國帶領 AI 導入，除線上訓練外，也實際走訪各團隊，例如墨西哥財務、秘魯風險、西班牙零售團隊
  ↳ 推廣團隊不只放線上課程，還親自跑到各國、各部門，例如墨西哥的財務、秘魯的風險、西班牙的零售團隊，面對面教大家怎麼用。
• 11:09 過去轉移雲端協作工具時，有部門跟不上；因此光部署產品不夠，還需要支援、訓練、用指標追蹤，並為落後單位訂定計畫
  ↳ 他們以前換雲端協作工具時，有部門一直跟不上。學到的教訓是：工具發下去不等於有人用，還需要有人支援、教學、用數據追蹤使用情形，並替落後單位另外擬計畫。
• 11:39 全員發授權時，有人擔心大家會做出沒意義的自動化；但觀察員工怎麼用，反而能回饋 top-down 策略
  ↳ 發帳號給所有人時，有人擔心大家只會做一些沒用的小自動化。結果反而是觀察員工實際怎麼用，就知道哪些需求真的存在，可以拿來修正高層的策略。
• 12:09 比喻「先種草再鋪路」：先種草，觀察人們走哪條路，再沿著那條路鋪路
  ↳ 意思是不要先決定路要鋪在哪裡。先讓大家自由使用，看哪裡被走出一條路，那就是真實需求，再投入資源把它做成正式的系統。
• 12:39 有員工建立的自動化與 GPS（字幕原文）被數千名員工使用，節省 70–80% 時間；超過 100 個 GPS 為上千名跨國員工節省 80% 時間
  ↳ 字幕寫「GPS」，推測是 GPTs，也就是員工自己做的客製化 ChatGPT 小工具。有些被上千人使用，省下七八成時間，這類工具已經超過 100 個。
• 13:09 全球領導團隊是這項工具的最大使用者之一
  ↳ 全球最高層主管自己就是重度使用者，不是只叫下面的人用。
• 13:09 每月（原本說每週後更正）寄導入儀表板給每位主管，顯示個人、同事與各部門的導入程度，可互相比較
  ↳ 儀表板是把數據整理成一頁看完的報表。每月寄給每位主管，顯示自己、同事和各部門用了多少，可以互相比較。講者原本說每週，後來更正為每月。
• 13:39 儀表板幫助找出落後的地區（如哥倫比亞、秘魯、墨西哥），並加強訓練，也產生良性壓力
  ↳ 報表能一眼看出哪些國家落後，例如哥倫比亞、秘魯、墨西哥，就針對那裡加強訓練。數字攤開來比，主管也會有點壓力，想要趕上。
• 13:39 CEO 與董事長也會收到包含講者在內的管理層儀表板
  ↳ 連執行長和董事長都會收到報表，裡面也包含講者在內的高層使用情況，沒有人例外。
• 14:09 主管以身作則使用 CodeEx 或 Chat GPT（字幕原文），團隊看到就會跟著用，並以同樣方式擴散
  ↳ CodeEx、Chat GPT 是字幕的寫法，推測指 OpenAI 的 Codex（寫程式的 AI 工具）和 ChatGPT。主管自己帶頭用，團隊看到就會跟進，再一層層往下擴散。
• 14:39 robot 領域的選定是整個高階團隊的協作過程；講者提供框架，但每個 robot 都是集體決策
  ↳ 六個 robot 要選哪些，不是講者一個人決定。他提供思考的框架，每一項都由高層團隊一起討論後拍板。
• 15:09 例如共同決定是否用 AI 轉型數位管道，使其更具對話性、多模態且以顧問為中心
  ↳ 舉例來說，大家一起決定要不要用 AI 改造手機 App 等數位管道，讓它能對話、能處理文字以外的圖片和聲音（多模態），並且像顧問一樣給建議。
• 15:39 必須取捨：例如沒有為財務團隊設 robot，以保持聚焦
  ↳ 聚焦就得割捨。像財務部門就沒有專屬的 robot。不是財務不重要，而是資源有限，一次做太多反而什麼都做不好。
• 15:39 這份 agenda 稱為「the Eight」，因為只有八件大事（六個 robot＋兩大支柱）
  ↳ 整份計畫叫「the Eight（八大項）」，也就是六個 robot 加兩根支柱。這個名字本身就在提醒大家：只做這八件事。
• 16:09 這是全行的議程而非講者個人的；講者負責推動與溝通，90% 時間都與團隊在一起
  ↳ 講者強調這是全行的事，不是他個人的專案。他負責推動和溝通，九成時間都和各團隊待在一起。
• 16:39 議程不處理純技術事項，軟體開發等項目也都對應 BBVA 的主要影響領域
  ↳ 議程裡沒有「為技術而技術」的項目。就算是軟體開發這種看起來很技術的題目，也要說得出它對 BBVA 的生意有什麼影響。
• 17:09 下一步：打造各 robot 的第一批 agent 時發現了共通模式，也就是 shared primitives、evaluations、資料存取、API connectors
  ↳ 做完第一批 agent 後，他們發現很多部分是共通的：shared primitives（可共用的基本元件）、evaluations（檢查 agent 表現的測試）、資料存取，以及 API connectors（串接其他系統的接口）。
• 17:09 找到建立 agent 的「劇本」，有機會將其系統化、工業化
  ↳ 既然有共通做法，就能整理成一套標準流程。之後做新 agent 不必每次從零開始，可以像工廠一樣大量、穩定地做出來。
• 17:39 組織原本並非為 agent 設計，在管理、控制、安全上面臨挑戰，必須用不同於以往的方式管理
  ↳ 銀行原本的管理、權限和資安制度都是為「人」設計的。現在很多事改由 agent 執行，誰能做什麼、怎麼監控、出錯誰負責，都得重新規劃。
• 18:09 未來方向：以結構化、可控的方式工業化 agent 能力，擴展到銀行其他流程與團隊
  ↳ 下一步是把做 agent 的能力標準化，在可以控管的前提下推廣到銀行其他流程和團隊，不只停留在六個 robot 裡。

BBVA 多久寄一次導入儀表板給組織內每位主管？