对许多大型企业而言，人工智能仍停留在边际项目阶段。小型团队测试工具、开展试点项目，但成果往往难以突破部门壁垒。花旗银行另辟蹊径，过去两年间将人工智能技术融入日常运营，而非仅限于专家领域。

这项举措催生了约4000人的内部人工智能团队，成员来自技术、运营、风险管理及客户支持等不同岗位。据《商业内幕》首次披露，花旗通过建立“人工智能冠军”和“人工智能加速器”计划，鼓励全员参与而非集中管控。

据该报道称，花旗全球员工约18.2万人，其中逾70%现以不同形式使用公司认证的人工智能工具。如此普及率使花旗领先于众多仍将人工智能限制在技术团队或创新实验室的同行。

从集中试点到团队级应用

花旗的突破点在于聚焦人才而非工具。该行邀请员工自愿担任“AI冠军”，为其提供培训、内部资源及获批AI系统的早期版本。这些员工随后在各自团队中协助同事，作为非正式培训师的本地联络人。

此举体现了务实的推广理念。新工具失败往往并非功能不足，而是员工不知何时如何使用。通过在团队内部嵌入支持机制，花旗缩小了实验与日常工作的鸿沟。

培训成为核心环节。员工通过完成课程或展示如何运用AI优化工作流程，即可获得内部徽章。这些徽章虽不直接关联晋升或加薪，却能提升个人在组织中的可见度与公信力。《商业内幕》指出，这种由同行驱动的模式比自上而下的强制推行更有效地加速了AI普及。

日常应用，设置防护栏

花旗管理层将此举定位为规模化应用而非创新尝试。其业务涵盖零售银行、投资服务、合规监管及客户支持，微小效率提升可迅速累积。人工智能工具正被用于文档摘要、内部备忘录起草、数据集分析及软件开发辅助。这些应用本身并非创新，关键在于应用方式。

聚焦日常事务也塑造了花旗的风险态势。该行限制员工仅使用经公司批准的工具，并设置了数据使用范围和输出处理方式的防护栏。这种限制虽放缓了部分实验进程，却也让管理者更愿意开放更广泛的访问权限。在受监管行业，信任往往比速度更重要。

花旗的做法揭示了人工智能规模化应用的要诀

花旗项目的架构为其他大型企业提供了启示：人工智能的普及无需每位员工都成为专家，只需足够多的人员能熟练运用工具，既能负责任地应用技术，又能向他人阐释原理。通过培训数千人而非数十人，花旗降低了对少数专家的依赖。

此举还传递出文化信号：鼓励非技术岗位员工参与，表明人工智能不仅属于工程师或数据科学家，它正成为工作方式的组成部分，如同数十年前的电子表格和演示软件。

这种转变契合更广泛的行业趋势。麦肯锡等机构的调研显示，许多企业难以将人工智能项目投入实际应用，常归因于人才缺口和职责不清。花旗的模式通过在团队中分散职责，同时保持集中化管理，规避了部分问题。

但这种方法并非没有局限。同行引领的推广依赖于持续的兴趣，而不同团队的推进速度并不一致。非正式支持网络可能出现不均衡的风险，部分团队受益程度高于其他团队。花旗通过轮换“冠军”角色并随工具更新培训内容来应对这一问题。

该行最突出的特点在于将人工智能视为基础设施而非创新。花旗并未追问AI能否颠覆业务，而是聚焦于如何消除现有工作的摩擦点。这种框架使进展更易衡量，也减轻了追求戏剧性成果的压力。

该实践还挑战了“AI部署必须自上而下启动”的普遍认知。花旗高层虽支持该计划，但主要动力源于员工自发投入时间学习与教学。在大型组织中，这种自下而上的能量虽难凝聚，却往往决定着新技术能否落地生根。

随着更多企业从试点转向实际应用，花旗的实践提供了宝贵案例。它表明规模化并非源于添置新工具，而在于让员工自信运用现有工具。对于困惑于AI进展迟缓的企业而言，答案或许不在战略方案中，而在于如何让工作真正落地——从每个团队开始。