方法论
Andrew Ng
手册五步：先做试点造势头，再建内部团队、做全员培训、定战略、做内外沟通。
出处：Andrew Ng：Introducing the AI Transformation Playbook ↗总览：同一套流程，四种起步顺序
六段落地流程 建议
- 1
定方向
- 一把手挂帅
- 选三个战略主题
- 划定风险偏好
关卡：高管达成一致 - 2
打底座
- 盘点数据与系统
- 模型清单与风险分级
- 全员培训起步
关卡：治理框架就绪 - 3
小范围试点
- 选两三个能算账的场景
- 业务、技术、合规同组
- 事先写好成败指标
关卡：指标达成 - 4
嵌入流程上线
- 接入真实工作流
- 关键环节人工复核
- 上线即开始监控
关卡：风险合规签字 - 5
规模化
- 复制到相邻场景
- 组件与平台复用
- 单位成本持续下降
关卡：财务口径验证 - 6
持续运营
- 模型监控与再评估
- 按季度复盘
- 淘汰失效应用
关卡：下一轮立项
↩ 第 6 段「持续运营」的复盘结果，回到第 1 段「定方向」，重新排优先级。
三位专家的站位 已核对
企业研究
Thomas Davenport
看整家企业怎么变：商业模式、产品、流程、战略、文化，而不只是单个模型。
出处：MIT IDE：All-In on AI ↗银行内部操盘
Foteini Agrafioti
技术战略与业务战略对齐，转型是持续的，不是一次性项目。
出处：Globe and Mail：Foteini Agrafioti 谈如何建 AI 团队 ↗本方案的五条裁决 建议
- 全员铺底和旗舰场景两条线同时开，不二选一。
- 小而强的中央平台团队，加上嵌入业务的小队；风险与合规人员从立项起就坐进小队。
- 模型清单和风险分级在第二阶段就建，不留到上线前。
- 成效按三层看：采用、过程、结果；每个场景立项时写好口径。
- 没有研究院的企业买成熟方案，自建只做数据和流程的薄层。
保留的两个分歧 判断
建还是买
Manulife 的 Jodie Wallis 说成熟方案能买就买，买不到再自建；大银行更倾向自建平台。哪种对，取决于技术预算和数据敏感度。
速度与控制
Wallis 预计 AI 应用最多活六个月，追求持续再创新；监管要求模型全生命周期审查。办法是按风险分级：低风险走快速通道，高风险走完整审查。
三位专家的分工与「圆桌推演」是依据其公开观点的推演，不是他们的原话。
BMO（Bank of Montreal） 银行 · 加拿大
把「人人试过」变成「流程里赚钱」
BMO 的培训覆盖已近全员，下一步是让 AI 进入能算账的流程。
公开事实 已核对
- 2024 年 10 月起，Kristin Milchanowski 任首席 AI 与数据官，统管 AI、数据、分析与机器人战略，以及数据治理和风险管理。[1]
- 「AI for All」面向全员，近乎全员参加；内容含 AI 基础、合乎伦理的使用、治理与实际应用。[1,2]
- 已有工具：Lumi（帮银行员工查政策与流程）、Erqu（资本市场研究知识库的对话层）、MORA（金属仓储供应商尽调的自动智能体）。[1]
- 2025 年 Evident AI 指数：总排名第 19（升 5 位），人才培养分项并列全球第一，是当年唯一名次上升的加拿大银行。[2]
- 「Destination Digital」冲刺项目：跨职能员工用 AI 等技术做原型，部分原型获得资金落地。[2]
三个目标 建议
把培训变成使用
全员培训已铺开，下一步看培训之后谁在流程里真正用、用在哪。
三条价值线各打穿一个场景
增收、提效、降风险各选一个旗舰场景，立项时写明财务口径与负责人。
让监管要求成为底座
模型清单与风险分级现在就建，对齐 OSFI E-23（2027 年 5 月 1 日生效）。
场景组合 建议
| 场景 | 价值线 | 做法（建议） | 批次 |
|---|---|---|---|
| 员工知识助手使用地图 | 提效 | 把 Lumi 一类助手的提问记录按主题归类，找出被反复问的政策与流程，倒推要改造的环节。 | 第一批 |
| 资本市场研究问答 | 提效、增收 | 在 Erqu 一类能力上补充引用来源与分析师复核，再评估覆盖面能否扩大。 | 第一批 |
| 尽调智能体复制 | 降风险、提效 | 把 MORA 的做法沉淀成可复用组件，试用到其他供应商或客户尽调。 | 第二批 |
| 个性化客户服务 | 增收 | Milchanowski 把个性化银行服务列为方向；建议先做内部顾问侧辅助，再到客户侧。 | 第二批 |
12 个月路线 建议
- 奠基第 1 至 3 月
- 盘点已上线的工具与模型，统一登记
- 用助手使用记录做需求地图
- 定三条价值线的负责人与财务口径
- 起草风险分级与快速通道规则
关卡：治理框架就绪 - 试点第 4 至 6 月
- 三个旗舰场景各自启动，事先写好成败指标
- 出首份三层指标报告
- 快速通道跑通一次完整流程
关卡：试点指标达成 - 上线第 7 至 9 月
- 旗舰场景嵌入真实工作流
- 关键环节人工复核
- 上线即监控
关卡：风险合规签字 - 扩展第 10 至 12 月
- 复制到相邻场景，沉淀可复用组件
- 年度复盘，重排下一年优先级
本阶段结束，进入下一年
治理与合规 建议
- 模型清单与风险分级对齐 OSFI E-23；第三方模型按 B-10 管理。
- 在「AI for All」里增加一课：新场景怎么申请风险评审。
- 冲刺项目的原型接入同一条评审通道，避免原型直接上线。
三层指标 建议
采用
- 周活跃使用率（口径写死）
- 培训后 30 天内的持续使用率
过程
- 员工查找政策的平均时长
- 一次解决率
- 人工复核通过率
结果
- 旗舰场景的节支或增收（目标值由 BMO 自定）
- 单位成本
风险 判断
培训覆盖不等于业务价值
培训之后没有流程承接，结果是人人试过、没人用在流程里。
追赶压力
BMO 总排名第 19，RBC 排第 3；差距要用可核对的成果缩小，而不是用工具数量。
重复建设
多个团队各做各的助手，数据和评审口径不统一。
前 90 天 建议
- 第 1 至 2 周三条价值线的负责人和财务口径定下来
- 第 3 至 4 周已上线工具与模型登记成一份清单
- 第 5 至 6 周风险分级与快速通道规则出初稿
- 第 7 至 10 周从使用地图里选出三个旗舰场景，写好目标值与上线条件
- 第 11 至 13 周旗舰场景启动，第 13 周做首次复盘
出处
RBC（Royal Bank of Canada） 银行 · 加拿大
从「领先」走到「兑现」
RBC 的平台与人才已在全球前三，下一步是把 7 亿至 10 亿加元的目标拆到账，并理顺多个 AI 组织的权责。
公开事实 已核对
- Evident AI 指数连续四年全球前三，2025 年第三，排在 JPMorgan Chase 和 Capital One 之后。[1]
- 每年技术投入超过 50 亿加元；Borealis 研究院约 2016 年成立；数据与 AI 平台 Lumina；电子交易平台 Aiden。[1]
- 高管预期 AI 投资在 2027 年前带来 7 亿至 10 亿加元的收入与节支。[1]
- 2025 年 5 月资本市场设 AI 与数字创新团队；约 2026 年 2 月设立 AI Group，由 Bruce Ross 领导并直接向首席执行官汇报。[1]
- 研究分析师在 AI 辅助下覆盖的公司数，从 2023 年约 1,500 家升到约 1,700 家，目标 2,500 家。[1]
- Borealis 有 100 多名博士科学家，加上 850 多名 AI 开发者与数据工程师；与 50 多家高校和创新网络合作；生成式 AI 工具正推广到多数员工。[2]
- 愿景：从服务关系转向客户的「财务副驾」。[2]
三个目标 建议
把目标拆到账
7 亿至 10 亿加元要拆到条线和场景，口径事先固定，不事后放宽。
理顺三个 AI 组织的权责
AI Group、Borealis、各业务条线各管什么，写成一页纸。
把平台变成可复用的组件
让 Lumina 的复用次数和单位成本成为可见的数字。
场景组合 建议
| 场景 | 价值线 | 状态 | 建议 |
|---|---|---|---|
| 研究覆盖扩展 | 提效、增收 | 进行中（已公开） | 按「覆盖公司数」和分析师时间两个口径对账，保留分析师复核。 |
| 电子交易（Aiden） | 增收 | 已有 | 作为平台能力的标杆，沉淀可复用的训练与评估流程。 |
| 全员生成式 AI 工具 | 提效 | 推广中 | 统一「活跃使用」的定义，按条线公布。 |
| 客户侧「财务副驾」 | 增收 | 愿景 | 先在内部顾问侧验证，再开放给客户，每一步过风险分级。 |
目标对账表（框架，数字由 RBC 自填） 建议
| 层级 | 内容 | 口径要事先固定的点 |
|---|---|---|
| 集团目标 | 2027 年前 7 亿至 10 亿加元的收入与节支 | 收入与节支分开计；是否含自然增长要写明 |
| 条线目标 | 各业务条线分到的份额 | 分配规则与季度复核方式 |
| 场景目标 | 每个场景的收入或节支 | 归属哪个条线、怎么扣除基线 |
| 平台目标 | Lumina 的复用次数与单位成本 | 复用算不算入场景成果 |
12 个月路线 建议
- 奠基第 1 至 3 月
- 建目标对账表，固定口径
- 写一页纸的权责划分
- 统一「活跃使用」的定义
关卡：口径与权责定稿 - 试点第 4 至 6 月
- 挑三个已有场景做对账试算
- AI Group 排期，条线认领结果
- 出首份三层指标报告
关卡：对账试算通过 - 上线第 7 至 9 月
- 对账结果按季度向管理层汇报
- 客户侧场景先内测，过风险分级
关卡：风险合规签字 - 扩展第 10 至 12 月
- 复用的组件进入平台目录
- 年度复盘，重排下一年优先级
本阶段结束，进入下一年
治理与合规 建议
- 建议的权责：AI Group 选场景、管排期与资源；Borealis 做前沿研究与评估方法；业务条线对场景结果负责；风险与合规从立项起参与并放行上线。
- 模型清单与风险分级对齐 OSFI E-23（2027 年 5 月 1 日生效）。
- 客户侧场景先内测，再逐级开放。
三层指标 建议
采用
- 各条线生成式 AI 工具的周活跃使用率
- 培训完成率
过程
- 分析师覆盖公司数与每家公司所用时间
- 人工复核通过率
结果
- 按对账表归集的收入与节支
- 平台组件的复用次数与单位成本
风险 判断
预期值高
排名靠前、目标明确，会被持续对照；目标口径要事先固定。
组织重叠
AI Group、Borealis、条线团队若权责不清，会重复建设、互相等待。
还在起点
RBC 的高管自己也说工具推广「还在最开始的开始」，排名不等于财务目标已兑现。
前 90 天 建议
- 第 1 至 2 周目标对账表的口径定稿
- 第 3 至 4 周三个组织的权责一页纸，管理层签字
- 第 5 至 8 周「活跃使用」的统一定义发布；各条线按新口径出基线
- 第 9 至 13 周三个已有场景做对账试算，第 13 周首次复盘
出处
Manulife（宏利金融） 保险 · 加拿大与亚洲
让智能体进入核心流程，并统一一把尺
Manulife 的生成式 AI 已向全部员工开放，下一步是让智能体进入核保、理赔等核心流程，并统一「活跃使用」的口径。
公开事实 已核对
- Jodie Wallis 任全球首席 AI 官（此前任首席分析官四年）；团队约 200 人，80% 嵌入业务单元，20% 做全局场景与应用研究。[1]
- 全部 38,000 名员工都能提场景，已收集约 600 条，定期评审、去重，按可行性与客户、组织价值排序；成熟方案能买就买，买不到再自建。[1]
- Wallis 预计 AI 应用最多活六个月，追求「持续再创新」，而不是周期性的大改造。[1]
- 生成式 AI 向 100% 员工开放，超过 75% 已活跃参与；ChatMFC 于 2024 年推出。[2]
- 联络中心 AI 每年支持超过 1.1 亿通电话，实时给出带来源的答案；实时翻译支持 9 种语言；销售辅助工具先在新加坡上线。[2]
- 已上线 35 个以上生成式 AI 场景（加拿大、美国、亚洲），计划 2025 年底前再加 70 个；有近 200 名数据科学家与机器学习工程师支撑。[2]
- Evident 2025 年保险业排名前五，寿险公司第一。[1]
- 口径提示：一篇说 ChatMFC 使用者超过 40%，另一篇说超过 75% 活跃参与，统计对象和时间不一定相同。[1,2]
三个目标 建议
统一一把尺
「可用」「活跃」「深度使用」分开定义，按月公布。
让智能体进入核心流程
从提效助手转向核保、理赔、销售顾问辅助，涉及客户权益的决定保留人工。
一个平台，一条快速通道
机器学习、大模型、智能体组件合到一个平台；低风险走快速通道，并写明退役条件。
场景组合 建议
| 场景 | 价值线 | 状态 | 建议 |
|---|---|---|---|
| 联络中心答复 | 提效、体验 | 已上线 | 下一步看一次解决率与转人工率，而不只是通话量。 |
| 销售顾问辅助 | 增收 | 新加坡先行 | 向其他地区扩展，逐地核对监管要求。 |
| 核保材料审阅 | 提效、降风险 | 建议 | 智能体拆解并核对材料，人工做决定，留存可解释记录。 |
| 理赔材料核对 | 提效、体验 | 建议 | 材料核对与说明草拟交给智能体，涉及客户权益的决定保留人工。 |
| 投资研究与深度研究 | 提效 | 方向已提 | 沿用平台组件，纳入统一评审。 |
统一口径表（建议定义） 建议
| 指标 | 建议定义 | 用来回答什么 |
|---|---|---|
| 可用 | 员工有账号和权限 | 「向 100% 员工开放」是否属实 |
| 活跃使用 | 过去 30 天至少用过一次 | 使用者比例 |
| 深度使用 | 过去 30 天里每周至少用一次 | 区分尝鲜与依赖 |
| 参与 | 含培训、提示词活动等 | 组织动员的效果 |
12 个月路线 建议
- 奠基第 1 至 3 月
- 发布统一口径表，重算历史数字
- 核保、理赔场景的风险分级
- 快速通道与退役规则出初稿
关卡：口径与规则定稿 - 试点第 4 至 6 月
- 核保材料审阅、理赔材料核对各做一个试点
- 事先写好准确率与人工复核比例的目标
关卡：试点指标达成 - 上线第 7 至 9 月
- 嵌入核保、理赔工作流，关键决定保留人工
- 按月公布三层指标
关卡：风险合规签字 - 扩展第 10 至 12 月
- 复制到其他地区，逐地核对监管
- 按退役规则清理失效应用
本阶段结束，进入下一年
治理与合规 建议
- OSFI E-23 对寿险公司同样适用：模型清单、风险分级、全生命周期管理。
- 应用寿命短：低风险走快速通道，高风险走完整审查，并写明退役条件。
- 业务横跨加拿大、美国、亚洲，各地监管要求不同，需分别核对。
- 核保与理赔要留存可解释记录，并检查对不同客户群的结果是否公平。
三层指标 建议
采用
- 按统一口径的可用、活跃、深度使用比例
- 提场景的员工数与采纳率
过程
- 联络中心一次解决率与转人工率
- 核保、理赔单件处理时长
- 人工复核通过率
结果
- 节支或增收（目标值由 Manulife 自定）
- 单位成本
风险 判断
口径不一
同一个「使用率」有不同说法，会削弱对外与对内的可信度。
更新太快
应用半年一换，清单里会堆满失效应用，变成风险。
跨地区监管
加拿大、美国、亚洲要求不同，复制场景前要逐地核对。
公平与可解释
核保与理赔直接影响客户权益，要保留人工决定和解释记录。
前 90 天 建议
- 第 1 至 2 周统一口径表定稿，按新口径重算现有数字
- 第 3 至 4 周核保、理赔场景做风险分级
- 第 5 至 8 周快速通道与退役规则出初稿并试跑
- 第 9 至 10 周挑两个核心流程场景，写好目标值与上线条件
- 第 11 至 13 周试点启动，第 13 周首次复盘
出处
Reliance Home Comfort 家庭服务 · 加拿大与美国
先盘数据，再买成熟方案
官网未见 AI 的踪迹；先把工单、设备合同、客服记录这三类数据整理好，再买成熟方案切入客服、派单和技师现场辅助，不必自建研究团队。
公开事实 已核对
三个目标 建议
先定三个核心指标
首次上门解决率、客服一次解决率、保养计划续约率。
先盘三类数据
工单、设备与合同、客服与预订，数据不干净，上什么工具都白搭。
买为主，建为辅
场景成熟，买现成方案；自建只做数据整理和流程接口。
试点候选 建议
| 场景 | 价值线 | 需要的数据 | 买还是建 | 衡量 |
|---|---|---|---|---|
| 客服接听与预约助手 | 体验、提效 | 通话与预订记录、知识库 | 买成熟方案，自建只做接口 | 客服一次解决率、转人工率 |
| 派单与路线排班辅助 | 提效 | 工单、技师技能与位置、客户时间窗 | 买 | 首次上门解决率、单日完成工单数 |
| 技师现场知识助手 | 提效、质量 | 设备手册、历史工单 | 买，加少量自建的检索层 | 首次上门解决率、二次上门比例 |
| 续约与保养提醒分层 | 增收 | 设备与合同、历史服务记录 | 先自建简单分层，必要时买 | 保养计划续约率 |
数据盘点清单 建议
| 数据类 | 内容 | 先做什么 |
|---|---|---|
| 工单 | 报修、上门、处理结果 | 统一故障分类和结果编码，历史数据按设备型号归并 |
| 设备与合同 | 设备清单、保护计划、保养合同、到期日 | 核对设备与客户的对应关系，标出缺失字段 |
| 客服与预订 | 通话记录、在线预订、账户门户 | 确认哪些可用于改进服务、如何告知客户、保存多久（请法务确认） |
12 个月路线 建议
- 奠基第 1 至 4 月
- 三类数据盘点与整理
- 定三个核心指标并出基线
- 数据分级与供应商清单
关卡：数据与基线就绪 - 试点第 5 至 7 月
- 客服接听与预约助手先在一个分支试点
- 技师知识助手在一个班组试点
关卡：试点指标达成 - 上线第 8 至 10 月
- 扩到更多分支
- 派单与路线排班辅助接入调度
关卡：运营与法务签字 - 扩展第 11 至 12 月
- 续约与保养提醒分层上线
- 按指标复盘，决定下一年的投入
本阶段结束，进入下一年
治理与合规 建议
- 数据分级：客户地址、电话、通话录音单独分级，明确哪些不得交给外部服务。
- 供应商清单：谁在处理客户数据、放在哪里。
- 人工兜底：任何助手都能一键转人工。
- 据我所知，OSFI E-23 不直接适用于 Reliance，请法务确认；它的思路（清单、分级、监控）值得借用。
- 涉及客户个人信息和通话录音，上线前请法务确认适用的加拿大隐私规定。
三层指标 建议
采用
- 客服与技师对助手的周使用率
- 技师认为「省时间」的比例（问卷）
过程
- 接通率与平均处理时长
- 单日完成工单数
结果
- 首次上门解决率
- 保养计划续约率
风险 判断
技师接受度
工具要省技师的时间，而不是多一张要填的表。
客户隐私
地址、设备、通话录音要合法合规处理，涉及隐私规定的细节请法务确认。
为有 AI 而上 AI
三个场景跑出指标再扩大，不要铺开。
供应商绑定
买方案时要求数据可导出，避免被锁定。
前 90 天 建议
- 第 1 至 2 周定三个核心指标，取得基线
- 第 3 至 6 周三类数据盘点，标出缺失字段
- 第 5 至 8 周数据分级与供应商清单；评估两三家成熟方案
- 第 9 至 13 周选一个分支做客服助手试点，第 13 周首次复盘