跳到正文

落地案例/金融保险/案例 015

资料整理 · 已去标识

从员工试用到全行生成式AI采用体系

该案例从3,000个试用许可证演进到全行双工具访问、8,000多个用例漏斗和内部内部推广者网络，重点是组织采用与治理而非单一模型。

资料 · 已去标识不含企业、人物与原始链接；数值为来源方披露，非独立审计；编辑归纳处均已标注。

01Background

业务背景

场景
金融保险 · 组织与采用
现状
项目方拥有12.5万多名员工和多国业务，需要让生成式AI从少数试用许可证变成可治理、可复用的全行能力；银行还必须解决用例发现、法律与合规审查、员工技能和输出错误监控，而不能只统计账号数量。

02Pain points

核心痛点

  1. 01

    项目方拥有12.5万多名员工和多国业务，需要让生成式AI从少数试用许可证变成可治理、可复用的全行能力

  2. 02

    银行还必须解决用例发现、法律与合规审查、员工技能和输出错误监控，而不能只统计账号数量

03Solution

解决方案

项目方先向各层级发放3,000个企业版大模型助手许可证，让一线员工自建定制助手并由法律、合规和IT安全共同治理；随后扩展大模型助手和大模型访问，以8,000多个活跃用例和约700个战略用例形成筛选漏斗，并建立约750名内部“内部推广者”、AI培训和9万多人实践社区推动落地。

用到的能力

  • 企业版大模型助手
  • 大模型
  • 自定义定制助手
  • 企业知识库
  • 用例组合管理
  • 法律合规与安全治理
  • 内部推广者推广网络
改造链路

  1. 01企业版大模型助手与大模型企业访问层

  2. 02自定义定制助手及员工助手连接受控银行知识

  3. 032,500多份HR产品、流程与薪酬文档知识库

  4. 048,000多个用例进入价值与战略筛选漏斗

  5. 05法律、合规、IT安全和专业人员复核

  6. 06内部推广者网络、培训、实践社区与采用/节时度量

04Human in the loop

人机分工

人工把关

员工在最了解流程的位置发现用例并审核输出；信贷分析师监控模型错误，九名法律顾问维护法律知识，法律、合规与IT安全共同设定使用边界，内部内部推广者负责团队辅导和最佳实践扩散

05Outcome

效果

8,000多个
识别8,000多个活跃用例、其中约700个具战略价值来源方披露
2,500多份
员工助手基于2,500多份文档每月处理3.4万多次查询来源方披露

来源方说明来源方披露超过一半员工每周使用生成式AI，识别8,000多个活跃用例、其中约700个具战略价值；平均每名员工每周节省约3小时，员工助手基于2,500多份文档每月处理3.4万多次查询。

  • 每周约3小时为项目方估算的重复任务自动化节省，不代表经审计的人均生产率提升。
  • 8,000多个为活跃用例，其中约700个被认为具有潜力和战略重要性。

06Method & limits

做法与边界

FDE 在现场做了什么编辑归纳

  1. 01先让各层级真实接触工具并主动发现问题
  2. 02把高潜力个人定制助手发布到内部商店复用
  3. 03按活跃用例与战略用例两层管理组合
  4. 04让法律、合规、安全和业务专家共同审核
  5. 05用内部推广者、培训和社区解决持续采用

可以借鉴

  • 全员工具部署需要配套用例筛选而非只看登录率
  • 一线员工是发现流程改造机会的重要来源
  • 内部推广者网络可缩短组织学习曲线
  • 金融场景必须让专业人员监控错误并承担判断责任

资料透明度

  1. 业务背景来源披露
  2. 解决方案编辑归纳
  3. 改造链路与编辑
  4. FDE 做法与编辑
  5. 效果来源披露

来源披露与编辑编辑归纳资料不足

同类案例

你的业务也有类似的事？把要做的事、资料和期望写下来，平台人工对接合适的 FDE。

原始结构化资料 © 2026 guminghao-avi contributors，MIT 许可；本页为去标识整理与编辑归纳，不代表原企业或来源方观点。