_**伯纳多·努内斯**是一位专注于Workera开展AI转型的数据科学家。_* * ***发现顶级金融科技新闻与活动！****订阅《FinTech Weekly》通讯****被JP Morgan、Coinbase、Blackrock、Klarna等高管阅读*** * *AI不再只是一个实验。根据麦肯锡最新的《全球AI调查》，78%的组织目前至少在一个业务职能中使用AI。 银行业正在迅速追赶。近期的一项EY-Parthenon调查发现，77%的银行已推出或以试点/软启动形式推出生成式AI应用，高于2023年的约61%。不过，只有31%已迈向全面实施。 与此同时，尽管银行业普遍在进行AI投资，但只有少数将这些能力编入其战略作战手册。BCG的一项调查报告称，只有25%的银行做到了这一点——其余75%卡在孤立的试点和概念验证中，随着“数字优先”竞争者加速推进，存在变得不再相关的风险。 银行业的特点是严格的监管和深思熟虑的战略。这样的历史既带来了AI的风险，也带来了机会。其他行业虽然已经跑得更快，但现在采取行动的银行仍有机会争取先发优势。成功实施AI需要基础设施、模型、数据管道以及合规策略。然而，将AI的承诺转化为商业价值的最重要环节，取决于人力资本。 最终能赢的金融机构将是那些让员工使用AI工具的不仅是临时方式，而是作为其日常工作流程的一部分。也就是说，要培养真正可验证的技能，使人们能够理解、利用并引领AI创新。 **为何员工推动AI创新** -------------------------------------AI有潜力在生产力、客户体验和风险管理等方面带来惊人的收益。但从本质上说，AI只是一个工具——它需要人类的创造力和领域专业知识，才能创造出真正的商业价值。技术本身不会推动创新；推动创新的是人。在银行业中，信任、监管和判断是核心，这种人机之间的互动就显得更加关键。 今天，每一位员工都必须在不同程度上成为“AI赋能的员工”。有些人会非常技术化——数据科学家、工程师和模型构建者，负责设计和维护支撑AI运营落地的系统。其他人，例如柜员、承销员或客户服务代表，可能从未接触过任何代码行，但仍然可以使用AI驱动的工具来优化工作流程并做出更好的决策。在这两类之间，还有“AI+X”员工。这些人具备如信贷风险、合规或欺诈检测等领域的深厚专业知识，并配备足够的AI素养，以便运用该技术来增强这些专业能力。 “AI+X”员工将推动真正的创新。他们能够弥合业务需求与技术可能性之间的差距，把复杂的银行挑战转化为AI能够交付可量化成果的机会。举例来说，具备AI流利度的合规官可以与数据团队合作，为KYC和AML流程设计更公平、更透明的模型。使用生成式AI进行原型制作的产品经理，可以重新想象客户互动方式，提供个性化的金融建议或改善入职/开户旅程。所有这些情况下，AI会放大人的洞察，而不是取代它。 在像银行这样监管严密且风险规避的行业中，这一“人的层面”至关重要。技术可能会识别异常或生成建议，但最终会由人类来解读、建立语境，并确保决策符合伦理、法律和声誉标准。正因为如此，在AI采用方面走在前面的银行，不仅投资于系统和模型，也投资于其员工队伍的技能与理解。 **以可验证的技能推动发展** --------------------------------------------打造AI赋能的劳动力，首先要理解现有技能和差距。要成功规模化应用AI，银行需要的不只是热情和培训预算。他们需要一套经过验证、可衡量的技能数据基础。若无法清晰了解员工能力，领导者就无法做出关于如何培养团队、以及将AI部署到何处最有效的明智决策。 仅靠自我评估并不可靠。员工往往会高估或低估自己的熟练程度，导致培训效率低下。可验证的技能——通过客观评估来衡量——使组织能够准确绘制出当前的优势与劣势。有了这些信息，银行就能设计与特定流程和目标相匹配的学习路径，无论是为一线团队提供入门级AI素养，还是为数据专业人士提供深度技术知识，或是为合规官提供治理方面的专业能力。 当员工知道自己处于什么位置后，他们就可以追求有针对性的进阶提升，并在周期性的评估中验证技能，以衡量进展并对人才做出可问责的投资。这种学习与验证的循环会创造持续改进的文化，确保随着领域演进技能保持最新。这在AI方面尤其重要，因为一项技能的“半衰期”比以往任何时候都更短。今天被认为是前沿的东西，可能在一年内就过时了。因此，能否快速学习的员工能力，比任何特定的技术胜任力都更有价值。 对银行而言，这意味着需要优先考虑技能成长速度——即员工获取并应用新技能的速度。培养出这种适应性的机构，将保持竞争优势，更快响应新的监管要求、客户期望以及新技术。可验证的技能也会强化治理，确保员工不仅知道如何使用AI，还知道如何负责任地使用AI，并关注公平性、透明度与风险。 最终目标是实现一致。当技能情报用于指导学习策略——而学习策略又支撑业务优先事项——银行就能更有信心、更加快速地推进AI转型。可验证的技能数据让领导者看清：应该在哪里投资、如何动员人才，以及何时在安全的前提下扩大创新规模。 **打造赢得胜利的劳动力** ----------------------------------这是银行业的关键时刻。那些为创新建立基础的机构将抢先发展；而那些犹豫不决的机构将面临被甩在后面的风险。前进路径非常清晰：在员工中建设广泛的AI能力——尤其是融合技术与领域专长的可验证技能——将使银行处于最强的位置以实现蓬勃发展。 当每位员工都被赋权去使用AI——无论是作为创作者、重度用户，还是领域专家——整个银行都会获得敏捷性、韧性，以及推动战略价值的能力，而不仅仅是逐步提升效率。现在正是从“试验”走向“赋能”的时机。在AI领域，区分领导者与落后者的，不只是你构建的模型或你资助的研发（R&D），更是你所培养的技能。
要推动银行业的人工智能采用，您需要了解员工的技能
伯纳多·努内斯是一位专注于Workera开展AI转型的数据科学家。
发现顶级金融科技新闻与活动！
订阅《FinTech Weekly》通讯
被JP Morgan、Coinbase、Blackrock、Klarna等高管阅读
AI不再只是一个实验。根据麦肯锡最新的《全球AI调查》，78%的组织目前至少在一个业务职能中使用AI。
银行业正在迅速追赶。近期的一项EY-Parthenon调查发现，77%的银行已推出或以试点/软启动形式推出生成式AI应用，高于2023年的约61%。不过，只有31%已迈向全面实施。
与此同时，尽管银行业普遍在进行AI投资，但只有少数将这些能力编入其战略作战手册。BCG的一项调查报告称，只有25%的银行做到了这一点——其余75%卡在孤立的试点和概念验证中，随着“数字优先”竞争者加速推进，存在变得不再相关的风险。
银行业的特点是严格的监管和深思熟虑的战略。这样的历史既带来了AI的风险，也带来了机会。其他行业虽然已经跑得更快，但现在采取行动的银行仍有机会争取先发优势。成功实施AI需要基础设施、模型、数据管道以及合规策略。然而，将AI的承诺转化为商业价值的最重要环节，取决于人力资本。
最终能赢的金融机构将是那些让员工使用AI工具的不仅是临时方式，而是作为其日常工作流程的一部分。也就是说，要培养真正可验证的技能，使人们能够理解、利用并引领AI创新。
为何员工推动AI创新
AI有潜力在生产力、客户体验和风险管理等方面带来惊人的收益。但从本质上说，AI只是一个工具——它需要人类的创造力和领域专业知识，才能创造出真正的商业价值。技术本身不会推动创新；推动创新的是人。在银行业中，信任、监管和判断是核心，这种人机之间的互动就显得更加关键。
今天，每一位员工都必须在不同程度上成为“AI赋能的员工”。有些人会非常技术化——数据科学家、工程师和模型构建者，负责设计和维护支撑AI运营落地的系统。其他人，例如柜员、承销员或客户服务代表，可能从未接触过任何代码行，但仍然可以使用AI驱动的工具来优化工作流程并做出更好的决策。在这两类之间，还有“AI+X”员工。这些人具备如信贷风险、合规或欺诈检测等领域的深厚专业知识，并配备足够的AI素养，以便运用该技术来增强这些专业能力。
“AI+X”员工将推动真正的创新。他们能够弥合业务需求与技术可能性之间的差距，把复杂的银行挑战转化为AI能够交付可量化成果的机会。举例来说，具备AI流利度的合规官可以与数据团队合作，为KYC和AML流程设计更公平、更透明的模型。使用生成式AI进行原型制作的产品经理，可以重新想象客户互动方式，提供个性化的金融建议或改善入职/开户旅程。所有这些情况下，AI会放大人的洞察，而不是取代它。
在像银行这样监管严密且风险规避的行业中，这一“人的层面”至关重要。技术可能会识别异常或生成建议，但最终会由人类来解读、建立语境，并确保决策符合伦理、法律和声誉标准。正因为如此，在AI采用方面走在前面的银行，不仅投资于系统和模型，也投资于其员工队伍的技能与理解。
以可验证的技能推动发展
打造AI赋能的劳动力，首先要理解现有技能和差距。要成功规模化应用AI，银行需要的不只是热情和培训预算。他们需要一套经过验证、可衡量的技能数据基础。若无法清晰了解员工能力，领导者就无法做出关于如何培养团队、以及将AI部署到何处最有效的明智决策。
仅靠自我评估并不可靠。员工往往会高估或低估自己的熟练程度，导致培训效率低下。可验证的技能——通过客观评估来衡量——使组织能够准确绘制出当前的优势与劣势。有了这些信息，银行就能设计与特定流程和目标相匹配的学习路径，无论是为一线团队提供入门级AI素养，还是为数据专业人士提供深度技术知识，或是为合规官提供治理方面的专业能力。
当员工知道自己处于什么位置后，他们就可以追求有针对性的进阶提升，并在周期性的评估中验证技能，以衡量进展并对人才做出可问责的投资。这种学习与验证的循环会创造持续改进的文化，确保随着领域演进技能保持最新。这在AI方面尤其重要，因为一项技能的“半衰期”比以往任何时候都更短。今天被认为是前沿的东西，可能在一年内就过时了。因此，能否快速学习的员工能力，比任何特定的技术胜任力都更有价值。
对银行而言，这意味着需要优先考虑技能成长速度——即员工获取并应用新技能的速度。培养出这种适应性的机构，将保持竞争优势，更快响应新的监管要求、客户期望以及新技术。可验证的技能也会强化治理，确保员工不仅知道如何使用AI，还知道如何负责任地使用AI，并关注公平性、透明度与风险。
最终目标是实现一致。当技能情报用于指导学习策略——而学习策略又支撑业务优先事项——银行就能更有信心、更加快速地推进AI转型。可验证的技能数据让领导者看清：应该在哪里投资、如何动员人才，以及何时在安全的前提下扩大创新规模。
打造赢得胜利的劳动力
这是银行业的关键时刻。那些为创新建立基础的机构将抢先发展；而那些犹豫不决的机构将面临被甩在后面的风险。前进路径非常清晰：在员工中建设广泛的AI能力——尤其是融合技术与领域专长的可验证技能——将使银行处于最强的位置以实现蓬勃发展。
当每位员工都被赋权去使用AI——无论是作为创作者、重度用户，还是领域专家——整个银行都会获得敏捷性、韧性，以及推动战略价值的能力，而不仅仅是逐步提升效率。现在正是从“试验”走向“赋能”的时机。在AI领域，区分领导者与落后者的，不只是你构建的模型或你资助的研发（R&D），更是你所培养的技能。